Datorseende (CVL)

Välkommen till avdelningen Datorseende (CVL), del av Institutionen för systemteknik vid Linköpings universitet.

Autonoma system datorseende Foto: Göran BillesonForskningen vid avdelningen Datorseende täcker ett brett spektrum av ämnen inom artificiella seende system (AVS). De är beräkningsfotografi; detektion, följning och igenkänning av objekt; skattning av posen och 3D strukturen; robotseende och autonoma system; medicinsk bildanalys och bildrekonstruktion.

Utvecklingen av AVS bygger på modeller av människans synsinne (MVS) och CVL strävar efter att förbättra AVS egenskaper avsevärt genom en MVS-inspirerad ansats. Detta val motiveras av att AVS förväntas samexistera med – och därmed förutspå aktioner av – människor, t.ex. i samband med självkörande bilar som delar vägnätet och interagerar med människor.

KontaktVisa/dölj innehåll

ForskningVisa/dölj innehåll

Datorseende

Vid nödsituationer orsakade av naturkatastrofer, terroristattacker eller olyckor behöver insatsstyrkor och markkontroll information och visualisering av scenariot, vilket kräver datorseendemetoder för att analysera inhämtade bilder och videor.

Behandling av punktmoln

Tack vare den allt större tillgängligheten till djupkameror och lidar har behandling av punktmoln blivit ett underområde till datorseende.

Förfinat ramverk för beskrivning och tolkning av människor

En semantisk beskrivning av människan i bild och video är ett av de fundamentala problemen inom datorseende med en lång rad applikationer.

Maskininlärning för visuell navigering och lokalisering

Navigering och lokalisering är grundläggande utmaningar inom robotseende, där uppgiften är att estimera den geometriska relationen mellan fordonet och omgivningen.

Visuell objektföljning

Visuell objektföljning är en av de grundläggande utmaningarna inom området datorseende, där uppgiften är att följa ett visst objekt i en video där positionen enbart är given på den första bilden.

NyheterVisa/dölj innehåll

Ansiktsigenkänning inom allt fler områden

Forskning på ansiktsigenkänning har pågått under lång tid men tagit riktig fart under senare år. – Tekniken börjar användas i allt fler sammanhang, säger Jörgen Ahlberg som forskar om datorseende.

Lasses lysande undervisning

När coronaviruset slog till så hade Lasse Alfredsson vid Institutionen för systemteknik det mesta förberett för distansundervisning. För med hjälp av en egenkonstruerad lightboard och videoinspelningar ser han till att bedriva sin undervisning.

Michael Felsberg: "Deep learning skapade en guldrusch"

De senaste årens revolution inom artificiell intelligens handlar till stor del om framsteg inom maskininlärning och då särskilt djupinlärning, berättar Michael Felsberg, Sveriges bästa AI-forskare.

Hans algoritm får datorn att känna igen oss

Goutam Bhat är årets Christer Gilén-stipendiat inom området statistik och maskininlärning. Han får stipendiet för sitt arbete inom området datorseende. ”En av de bästa studenter jag haft inom grundutbildningen”, intygar professor Michael Felsberg.

Bilderna visar var båten är

Bertil Grelsson har i sin doktorsavhandling visat att det är fullt möjligt att navigera både till sjöss och i luften med hjälp av bilder. Förutsatt att det inte är för dimmigt. Metoderna utgör en viktig pusselbit för en säker och robust navigering.

Fyrbent robot en hjälpare i kris

I ett nyligen avslutat Horisont 2020-projekt har forskare och utvecklare från tre europeiska länder tagit fram nya tekniker för en räddningsrobot. Roboten ska kunna agera i farliga miljöer, som exempelvis efter en kärnkraftsolycka.