Attività settimanale

  • Introduzione

    Testi per consultazione:

    • Dimitri P. Bertsekas. Nonlinear Programming. Athena Scientific, 2nd edition, September 1999.
    • Dimitri P. Bertsekas and John N. Tsitsiklis. Parallel and Distributed Computation: Numerical Methods (Optimization and Neural Computation). Athena Scientific, 1 edition, January 1997.
    • Stephen Boyd and Lieven Vandenberghe. Convex Optimization. Cambridge University Press, March 2004.
    • Hamid Aghajan and Andrea Cavallaro. Multi-Camera Networks principles and applications. Elsevier Inc., 2009.
    • Yi Ma, Stefano Soatto, Jana Kosecka ́, and Shankar S. Sastry. An Invitation to 3-D Vision: From Images to Geometric Models (Interdisciplinary Applied Mathematics). Springer, 1st edition edition, July 2005.
    • Mehran Mesbahi and Magnus Egerstedt. Graph Theoretic Methods in Multiagent Networks. Princeton University Press, 2010.

  • 29 settembre - 5 ottobre

    LEZIONE 01 - Mer 01/10:

    Introduzione sul corso

    LEZIONE 02 - Gio 02/10:

    Singular Value Decomposition (SVD)

    -- derivazione algebrica

  • 6 ottobre - 12 ottobre

    LEZIONE 03 - Mer 08/10:

    Singular Value Decomposition (SVD)

    -- interpretazione geometrica

    Problemi di ottimizzazione: problemi Least Squares

    -- pseudoinversa di Moore-Penrose

    LEZIONE 04 - Gio 09/10:

    Problemi di ottimizzazione: problemi Least Squares (LS)

    -- soluzione via SVD

    -- generalized LS

    -- sequential LS

  • 13 ottobre - 19 ottobre

    LEZIONE 05 - Mar 14/10:

    Sequential LS: caso matriciale

    Outliers e inliers

    Algoritmo di RANSAC


    LEZIONE 06 - Mer 15/10:

    Algoritmo di RANSAC

    Penalty functions per problemi di ottimizzazione

    Ottimizzazione non lineare:

    -- condizioni di ottimalità (necessarie/sufficienti)

    -- convessità

    LEZIONE 07 - Gio 16/10:

    Proprietà di convessità

    Ottimizzazione non vincolata:

    -- metodi di discesa

    -- general descent method

  • 20 ottobre - 26 ottobre

    LEZIONE 08 - Mar 21/10:

    Ottimizzazione non vincolata:

    -- scelta del passo:

    ---- exact line search

    ---- backtracking line search (Armijo condition)

    -- scelta della direzione:

    ---- gradient descent methods

    ---- Newton's method

    LEZIONE 09 - Mer 22/10:

    Ottimizzazione non vincolata:

    ---- Gauss-Newton's method

    ---- Levenberg-Marquardt's method

    [Calcolo di derivate matriciali]

    LEZIONE 10 - Gio 23/10:

    Analisi di convergenza

    ---- Steepest descent

    ------ Convergence rate con funzione quadratica

    ------ Convergence rate nel caso generale

  • 27 ottobre - 2 novembre

    LEZIONE 11 - Mar 28/10:

    Ottimizzazione non vincolata: Metodo di Newton - Convergence rate

    Ottimizzazione vincolata: metodo dei moltiplicatori di Lagrange

    LEZIONE 12 - Mer 29/10:

    Gruppi notevoli

    Camera model

    Single view geometry: calibration matrix

    LEZIONE 13 - Gio 30/10:

    Single view geometry: DLTs

    Multi-view geometry: vincolo epipolare

  • 3 novembre - 9 novembre

    LEZIONE 14 - Mar 04/11:

    Matrice essenziale: caratterizzazione

    LEZIONE 15 - Mer 05/11:
    Matrice essenziale: calcolo

    LEZIONE 16 - Gio 06/11:

    Algoritmo degli 8 punti - di Longuet-Higgins

    Problemi di posa & struttura: "bundle adjustment"



    • 10 novembre - 16 novembre

      LEZIONE 17 - Mar 11/11:

      Algoritmi di triangolazione multicamera

      LEZIONE 18 - Mer 12/11:

      PRIMO COMPITINO

      LEZIONE 19 - Gio 13/11:
      Reti multi-agente

      • 17 novembre - 23 novembre

        LEZIONE 20 - Mar 18/11:

        Introduzione agli algoritmi di consensus

        Esempio: rendez-vous

        Esempio: stima distribuita

        LEZIONE 21 - Mer 19/11:

        Cenni di teoria dei grafi.

        Laplaciano di un grafo.

        LEZIONE 22 - Gio 20/11:

        Proprietà spettrali della matrice di consensus.

        Teorema di Perron-Frobenius.

        • 24 novembre - 30 novembre

          LEZIONE 23 - Mar 25/11:

          Consensus con matrici statiche.

          Velocità di convergenza.

          Esempi.

          Progettazione della matrice di consensus.


          LEZIONE 24 - Mer 26/11:
          Consensus on time varying matrices -- Prof. Sandro Zampieri.

          LEZIONE 25 - Gio 27/11:
          Consensus on time varying matrices -- Prof. Sandro Zampieri.

        • 1 dicembre - 7 dicembre

          LEZIONE 26 - Mar 02/12:

          Presentazione e assegnazione progetti:

          -- P01: Calibrazione distribuita in reti di videocamere

          -- P02: Localizzazione e beacon placement

          -- P03: Pattugliamento perimetrale con videocamere

          -- P04: Sincronizzazione in reti multiagente

          -- P05: Stima e ricostruzione del movimento da video

          LEZIONE 27 - Mer 03/12:

          Applicazioni: Localizzazione in reti multiagente

          Applicazioni: Identificazione del canale radio in reti di sensori

          LEZIONE 28 - Gio 04/12:

          Applicazioni: Registrazione della posa in una rete di videocamere

        • 8 dicembre - 14 dicembre

          LEZIONE 29 - Mar 09/12:

          Consensus: Grafi circolanti

          LEZIONE 30 - Mer 10/12:

          Consensus: Grafi circolanti

          LEZIONE 31 - Gio 11/12:

          Seminario BFT: -- Ing. Luca Fabbri

          • 15 dicembre - 21 dicembre

            LEZIONE 32 - Mar 16/12:

            Seminario Videotec: -- Dr. Giambattista Gennari

            Seminario Tecnogamma: -- Dr. Giuseppe Bomben

            LEZIONE 33 - Mer 17/12:

            SECONDO COMPITINO

            LEZIONE 34 - Gio 18/12:

            Applicazioni: Global registration in reti di videocamere

            Applicazioni: Compensazione delle vibrazioni in videcamere brandeggiate

            • 5 gennaio - 11 gennaio

              LEZIONE 35 - Mer 07/01:

              Discussione progetti

              LEZIONE 36 - Gio 08/01:

              Discussione progetti