Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
Claudio TURCHETTI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea Magistrale - [IM11] INGEGNERIA ELETTRONICA Master Degree (2 years) - [IM11] ELECTRONICS ENGINEERING
Dipartimento: [040040] Dipartimento Ingegneria dell'InformazioneDepartment: [040040] Dipartimento Ingegneria dell'Informazione
Anno di corsoDegree programme year : 2 - Primo Semestre
Anno offertaAcademic year: 2019-2020
Anno regolamentoAnno regolamento: 2018-2019
Obbligatorio
Crediti: 9
Ore di lezioneTeaching hours: 72
TipologiaType: B - Caratterizzante
Settore disciplinareAcademic discipline: ING-INF/01 - ELETTRONICA
Italiano
Italian
Sistemi digitali programmabili, elettronica di base,elaborazione digitale dei segnali.
Programmable digital systems,basic electronics,digital signal processing.
Il corso comprende :
60 h di lezioni teoriche
12 h di laboratorio
The course includes:
60 h of theoretical lessons;
12 h of laboratory
Il corso intende dare agli studenti le conoscenzehardware e software necessarie per il progetto disistemi embedded in generale e di sistemi di computer vision più in particolare. A tal fine vengono studiate le fondamentali architetture ARM, i linguaggi di programmazione di processori embedded, gli algoritmi di elaborazione delle immagini.
Capacità di applicare conoscenze e comprensione.
Il corso intende formare la capacità di applicare leconoscenze all’analisi delle specifiche di progetto di un sistema embedded, alla selezione e allaprogrammazione di dispositivi per il raggiungimento delle prestazioni desiderate, alla definizione e all’implementazione di algoritmi in applicazioni di computer vision a machine learning.
Competenze trasversali.
Il corso fornisce competenze trasversali diprogrammazione di microcontrollori emicroprocessori embedded, tecniche di computervision, utilizzabili in diversi settori dell’ingegneriabiomedica, delle telecomunicazioni, dei controlliautomatici e dell’information technology in generale.
Knowledge and Understanding.
The course aims to provide the necessary hardwareand software knowledge for designing embeddedsystem in general and computer vision systems inparticular. To this end the fundamental ARMarchitectures, the programming languages forembedded systems will be studied.
Capacity to apply Knowledge and Understanding.
The course is intended to train the students so that they acquire the capability of applying the knowledge to the design specifications of an embedded system, to the selection of devices to obtain the desired performance, to the definition and implementation of algorithms for computer vision and machine laerning.
Transversal Skills.
The course provides a multidisciplinary backgroundon emebedded microcontrollers andmicroprocessors, computer vision techniques, whichcan be spent in the fields of biomedical engineering,telecommunications, automatic control andinformation technology in general.
Lezioni di teoria: Architettura ARM il bus ARM ; il protocollo AMBA; Registri; Exceptions; Introduzione al set di istruzioni ARM e Thumb; Introduzione all’assembler ARM; Processori STM32F4(Cortex-M4/ARMv7_M); Raspberry PI(ARM1176JzF-S/ArMv6); MC1322x (ARM7TDMI-S, ARMv4T); Programmazione in C per processori ARM.Sistemi di visione per il movimento dei Robot Elaborazione delle Immagini: Trasformazioni di Immagini; Decomposizione ai valori singolari (SVD); Filtraggio recursivo: Filtro di Kalman; Tracking Bayesiano nonlineare; Particle Filters; Visual navigation: motion field; Simultaneous Localization e Mapping (SLAM); Feature extraction e matching; Triangolazione; Monocular visual odometry.Machine Learning Introduzione al learning statistico; Learning supervisionato: Support Vector Machine (SVM); Reti Neurali: Deep Neural Network; Extreme Learning Machine (ELM); Learning non-supervisionato. Architetture per la visione nei sistemi autonomi e per le reti neurali artificiali.
Laboratorio:
Programmazione di dispositivi con architettura ARM.
Appunti:https://learn.univpm.it
Theoretical lessons:
ARM Architecture ARM Bus; AMBA Protocol; Registers; Exceptions, Introduction to the ARM and Thumb Instruction Set; ARM Assembler; Processors STM32F4(Cortex-M4/ARMv7_M); Raspberry PI(ARM1176JzF-S/ArMv6); MC1322x (ARM7TDMI-S, ARMv4T); Introduction to C programming of ARM processors.Vision Systems for Robot navigation Image Processing; Image Transforms; Singular Value Decomposition (SVD) Recursive filtering; -Kalman Filter; Non-linear Bayesian tracking; Particle Filters; Visual Navigation: motion field; Simultaneous Localization and Mapping (SLAM): Feature extraction and matching; Triangulation; Monocular visual odometry.Machine Learning Introduction to statistical learning; Supervised Learning: Support Vector Machine (SVM); Neural Networks: Deep Neural Network; Extreme Learning Machine (ELM); Unsupervised Learning.
Laboratory:
Programming devices with ARM architecture.
Notes:https://learn.univpm.it
prova orale
Criteri di valutazione dell'apprendimento.
Per superare l'esame con esito positivo, lo studente dovrà mostrare di avere acquisito le metodologie e le tecniche di progettazione di sistemi embedded
Criteri di misurazione dell'apprendimento.
Attribuzione del voto finale in trentesimi, con eventuale lode. Il voto minimo per il superamento dell'esame è 18/30:
Criteri di attribuzione del voto finale.
La prova orale sarà articolata su domande relative agli argomenti del programma e sulla discussione di un progetto, con riferimento all'approccio utilizzato e ai risultati ottenuti.i.
Learning Evaluation Methods.
oral examination
Learning Evaluation Criteria.
To pass the exam the student will show to know all the metodologies and techniques for designing an embedded system
Learning Measurement Criteria.
A score in the range 18-30 will be given as a final grade, possibly with laude.
Final Mark Allocation Criteria.
The oral examination will be focused on questions concerning the course topics and the discussion of a specific design with refernece to the approach used and the results obtained
A.N.Sloss,D.Symes,C.Wright, “ ARM System Developer’s Guide”, Elsevier, 2004.K.Jain, “Fundamentals of Digital Image Processing”, Prentice Hall; 1989. C. Solomon,T.Breckon,”Fundamentals of Digital Image Processing”,Wiley-Blackwell,2011.P.Corke,"Robotics, Vision and Control", Springer,2013. E.Maggio,A.Cavallaro,"Video Tracking",Wiley,2011.T.Hastie,R.Tibshirani,J.Friedman,”The elements of Statistical Learning”,Springer,2013.C. M. Bishop, “Pattern Recognition and Machine Learning”,Springer,2006.Appunti del docente.
https://learn.univpm.it/course/view.php?id=7825
A.N.Sloss,D.Symes,C.Wright, “ ARM System Developer’s Guide”, Elsevier, 2004.K.Jain, “Fundamentals of Digital Image Processing”, Prentice Hall; 1989. C. Solomon,T.Breckon,”Fundamentals of Digital Image Processing”,Wiley-Blackwell,2011.P.Corke,"Robotics, Vision and Control", Springer,2013. E.Maggio,A.Cavallaro,"Video Tracking",Wiley,2011.T.Hastie,R.Tibshirani,J.Friedman,”The elements of Statistical Learning”,Springer,2013.C. M. Bishop, “Pattern Recognition and Machine Learning”,Springer,2006.Teacher’s notes.
https://learn.univpm.it/course/view.php?id=7825
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2019-2020
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427