Tik Tietokoneanimaatio

Koko: px
Aloita esitys sivulta:

Download "Tik-111.5450 Tietokoneanimaatio"

Transkriptio

1 Tik Tietokoneanimaatio 7.luento: motion capture & editing Tassu Animaatio luento 7 1

2 Sisältö I. Liikkeen tallennus (motion capture) Perusajatus: havaintopisteistä tulkitaan hahmon liike Sovelluksia: elokuva, pelit Sensoritekniikkaa: magneettianturit, optiset laitteet, kamera Kameran kalibrointi: optiikan korjaus, perspektiivi 3D-koordinaattien rekonstruktio monesta kuvasta Kinemaattisten parametrien laskenta II. Liikkeen muokkaus (motion editing) Liikedatan segmentointi Taajuussuodatus Ajan ja liikkeen venytys (warping) Liikkeen sovittaminen uuteen hahmoon tai tilanteeseen III. Muita kameraan perustuvia tekniikoita Ääriviivakuvan tunnistus Monikamerakuvaus, Matrix-efekti Pistejoukkomallinnus Tassu Animaatio luento 7 2

3 I. Motion capture Perusajatus: kopioidaan elävä liike animaatioon Historiaa: rotoskopia, päälle piirtäminen Nyt: hahmon liike tulkitaan laskennallisesti havaintopisteistä Sovelluksia: elokuvat, pelit, ergonomian tutkimus Tassu Animaatio luento 7 3

4 Sensoritekniikkaa Magneettianturit Mekaaniset anturit (exoskeleton) Optiset laitteet kamerat markkerit LEDejä heijastimia IR-valo Tassu Animaatio luento 7 4

5 MoCap videokuvasta Alustus Ympäristön referenssipisteiden tunnistus Kameran kalibrointi Markkereiden kiinnitys näyttelijään Datan keruu ja korjailu Hahmon markkeripisteiden tunnistus Pisteiden korrelointi eri kameroissa/frameissa 3D-pisteiden rekonstruktio Datapisteiden sovitus hahmon rajoite-ehtoihin Kinemaattisten parametrien laskenta Soveltaminen Kinemaattisen datan sovittaminen uuteen hahmoon Liikkeen editointi eri ilmaisuja varten Tassu Animaatio luento 7 5

6 Kameran optiikan kalibrointi Optiikan korjaus epälineaarisuuksien havaitsemista kuvan vanutusta (image warping) Mielivaltainen korjaus määriteltävissä paloittain lineaarisena tekstuurimuunnoksena testikuvan avainpisteiden avulla haetaan viivojen risteyskohtien koordinaatit tekstuurikoordinaatistossa (= alkuperäinen kuva) kuvataan nämä pisteet säännölliselle hilalle tuloskuvassa Tyypillinen linssivirhe: radiaalinen epälineaarisuus aiheuttaa tynnyriefektin (ks. kuva yllä) korjattavissa polaarikoordinaatistossa (r,φ) sovitetulla polynomikaavalla, esim. r = 1+c 1 r 2 +c 2 r 4 +c 3 r 6 ja φ = φ (ei yleensä tarvitse korjausta) Huom. välttämättä koko kuvatekstuuria ei tarvitse muuntaa tunnistetaan markkerit vääristyneessä kuvassa ja korjataan niiden paikat Tassu Animaatio luento 7 6

7 Kameran sijainnin laskenta Sijainti ja asento lasketaan perspektiivissä havaituista (tunnetuista) ympäristömarkkereista joka markkerille i yhtälö (u,v) i = P R T (x,y,z) i missä P=projektio, R=rotaatio, T=translaatio yhtälöryhmästä ratkaistaan kameran sijainti T ja asento R (tai koko matriisi M=PRT) tilastollisesti esim. pseudoinverssiä käyttäen U 4 n = M 4 4 X 4 n M 4 4 U 4 n X + n 4 uv xyz Muotoiltu markkeri antaa enemmän informaatiota Tarpeen myös videokuvan ja virtuaaliympäristön yhdistämisessä (Augmented Reality) näyttelijät sinitaustaa vasten, upotus virtuaalilavasteisiin animoitujen hahmojen sijoittaminen videokuvaan Tassu Animaatio luento 7 7

8 3D-koordinaattien rekonstruktio Ideaalisesti: kahdesta kuvasta tunnistettu sama markkeri lähetetään säde kamerasta markkerin kuvapisteen suuntaan 3D-piste = eri kameroiden säteiden leikkaus Käytännössä: tietyn markkerin tunnistus kuvasta epävarmaa (useita vaihtoehtoja) säteet eivät tarkasti osu yhteen siis: haetaan useista kamerapareista vastinpisteet, lasketaan jokaisesta säteiden lyhintä etäisyyttä vastaavat pisteet, ja nämä klusteroidaan yhdeksi Tassu Animaatio luento 7 8

9 Kuvapisteiden korrelointi Periaate kameran A kuvasta tunnistetusta pisteestä lähetetään säde säde projisoidaan kameran B kuvatasolle ns. epipolaariviivaksi etsitään tunnistettuja pisteitä epipolaarilinjalta tarkistetaan ratkaisun yksikäsitteisyys kolmannen kameran kuvasta Käytännössä pyritään ottamaan kaikkien kameroiden havainnot tasapuolisesti huomioon iteratiivinen rekonstruktio virheellisiä korrelaatioita ei voida täysin välttää cam A cam B? Tassu Animaatio luento 7 9

10 Muita rekonstruktio-ongelmia Markkerit sekottuvat toisiinsa Usein markkeri joutuu näkymättömiin Vääriä tunnistuksia (esim. häiriöitä valaistuksessa) Rekonstruktiolaskennan epätarkkuus kohinaa liikesignaalissa Ratkaisukeinona kinematiikkaa ja dynamiikkaa koskevien rajoitusten käyttö kiinteässä kappaleessa etäisyyssuhteet vakioita kinemaattiset sidokset rajaavat vapausasteita kohteen nopeus/kiihtyvyys tiedetään rajallisiksi liikkeen jatkuvuus ennustava tilastollinen suodatus, esim. Kalman filter Tassu Animaatio luento 7 10

11 Kinemaattisten parametrien laskenta Usein markkerit eivät sellaisinaan riitä sijainti vaatteissa, ei nivelissä epätarkkuudet mittauksessa animoitava hahmo eri kokoinen Sovittaminen anatomiseen malliin approksimoidaan nivelen paikka useammasta markkerista otetaan mallin tunnetut rajoitteet avuksi esim. jäsenten pituudet, nivelten ääriasennot Käänteiskinematiikkaa sovitetaan kiinnekohdat, esim. jalat maahan Anatominen malli auttaa myös näkyvistä kadonneiden markkereiden löytämisessä Tassu Animaatio luento 7 11

12 Lopuksi Tuloksena joukko markkereiden ja/tai kinemaattisten parametrien arvoja aikasarjana Ei-reaaliaikaisessa animaatiotuotannossa usein jälkikäsittelyvaihe, jossa saatua dataa korjaillaan käsityönä Reaaliaika-animaatiossa sovellus voi auttaa liikkeentunnistusohjelmaa ratkaisemaan moniselitteisiä tilanteita Tassu Animaatio luento 7 12

13 II. Motion editing Käsitellään liikedataa signaalina Ei pelkästään kaapatun liikkeen käsittelyä; lähteenä voi olla myös mallinnettu/animoitu liike (esim. Endorphin) Muistuttaa äänen editointia Kukin liikeparametri omalla kanavallaan Tassu Animaatio luento 7 13

14 Menetelmiä suodatus eri taajuuskaistoilla (vrt. audio equalizing) liikesaumojen sulauttaminen (vrt. cross-fading) synkronointi ajallisiin tapahtumiin (warping) interpolointi taajuusavaruudessa tiettyjen liikkeen osien korostaminen liikekäyrien käsittely splineinä (keyframing) rajoitusehtojen täyttäminen (IK, space-time constraints) Tassu Animaatio luento 7 14

15 Taajuussuodatus Käsitellään liikesignaalia taajuuskaistoittain (vrt. equalizer) Alipäästö (matalat taajuudet) tekee liikkeestä laiskan Ylipäästö (korkeat) tekee hermostuneen vaikutelman Keskikaistalla saadaan liioiteltuja rauhallisia liikkeitä Vastaa multiresoluutiomallintamista [Bruderlin95] Tassu Animaatio luento 7 15

16 Blending Kahden tai useamman liikedatan summaus painokertoimet ja taajuussuodatus kullekin erikseen Interpolaatio (cross-fading) painokertoimia muutetaan, summa pysyy (=1.0) Eri painokertoimet ja suodatus eri osille kehoa voidaan kombinoida eri liikkeistä kokonaisuuksia esim. vasen+oikea käsi Tassu Animaatio luento 7 16

17 Synkronointi Yhdistettävien liikesarjojen oltava samassa vaiheessa eri tallennuskerroilla liikkeen tempo voi olla erilainen (esim. laahustava ja reipas kävely) epälineaarinen paikallinen venytys ja tiivistys ajassa (=warp) sovittaa signaalit samaan tahtiin Periodisille liikkeille (esim. kävely) toimii Fourier-muunnos [Unuma95] skaalataan perustaajuus samaksi (=rescaling) interpoloidaan signaaleja taajuustasossa skaalataan takaisin ja muunnetaan aika-avaruuteen Tassu Animaatio luento 7 17

18 Muita menetelmiä Dataan voidaan lisätä uusia piirteitä muotoilu epälineaarisella funktiolla (=waveshaping) displacement (bump) mapping esim. lisätään vapinaa käsiin Korostetaan yksittäisiä liikkeitä esim. näkyvä käden heilautus normaalin kävelyn aikana Tassu Animaatio luento 7 18

19 Retargeting Liikkeen sovittaminen uuteen hahmoon tai tilanteeseen ks. Gleicherin artikkeli, Siggraph 98 Figure 1: Differently sized characters pick up an object. Their positions are determined by the position of the object. The left shows the original actress. The center shows a figure 60% as large. The right shows a figure with extremely short legs and arms and an extremely long body. The yellow cones represent footplant positions. -> -> Videos Tassu Animaatio luento 7 19

20 III. Special techniques Hahmon löytäminen videokuvasta ääriviivat, tekstuurit, kasvomarkkerit luurangon sovittaminen kuvaan Monikamerakuvaus elävästä hahmosta saadaan monta perspektiiviä yhtä aikaa katselu virtuaalikameralla Point set modeling 3D skannerit renderointi Tassu Animaatio luento 7 20

21 Ääriviivakuvan tunnistus Kuvankäsittely poistetaan tausta (usein bluescreen) tunnistetaan ääriviivat Sovittaminen malliin = hahmontunnistusta ääriviivan piirteiden tunnistus, esim. sormet muodon (pikseleiden) jakauman momentit tekstuurin liikeen tunnistus (optical flow) Tassu Animaatio luento 7 21

22 Sovelluksia M.Krueger: Videoplace Vivid group: Mandala P.Hämäläinen et al: Kukakumma muumaassa ja Kick-ass kung-fu Tassu Animaatio luento 7 22

23 Monikamerakuvaus Matrix -efekti: näyttelijä pysähtyy, mutta kamera jatkaa liikettään Digital Air Movia digital camera array on location Tassu Animaatio luento 7 23

24 Pistejoukkomallinnus (point cloud modeling) Geometrisen kohteen esittäminen joukkona pinnalta mitattuja 3D-pisteitä saadaan laser-skannerilla tai usealla kameralla esimerkkejä: ja Digital Michelangelo (Stanford) Käytetään usein mocap:in yhteydessä 3D-mallin lähtökohtana Kolmioinnilla muunnettavissa polygonipinnaksi Voidaan myös renderoida sellaisenaan joka pisteen paikalle väripiste joukolle pisteitä yhteinen tekstuuriläiskä (splat rendering) Tassu Animaatio luento 7 24

25 Tassu Animaatio luento 7 25

26 References Menache: Understanding Motion Capture for Computer Animation and Video Games. Morgan Kaufmann 1999 Artikkeleita Bruderlin, Williams: Motion signal processing. Siggraph 95 Unuma et al: Fourier principles for emotion-based human figure animation. Siggraph Witkin, Popovic: Motion warping. Siggraph 95 Michael Gleicher: Retargeting motion to new characters. Siggraph 98 State et al: Superior augmented reality registration by integrating landmark tracking and magnetic tracking. Siggraph 96 Lisää informaatiota, linkkejä ja monia muita firmoja Tassu Animaatio luento 7 26

27 Videot (myöhemmin) Sovelluksia filmeissä Star Wars: Episode #1 (virtuaalinäyttelijä JarJar) Matrix (ajanpysähtymisefekti) Simpsons (parodia mocapista) Tekniikkaa Moxy, Acclaim (Siggraph Video Review #101) Siggraph 97 näyttely (omaa materiaalia) Siggraph 95 proceedings CD-ROM (examples) Gleicher (Siggraph 98 video) AR tracking (Siggraph 96 video, #25) Tassu Animaatio luento 7 27

Kurssi syksyllä 2006 http://www.tml.tkk.fi/opinnot/t-111.5030/

Kurssi syksyllä 2006 http://www.tml.tkk.fi/opinnot/t-111.5030/ Tassu Takala Kurssi syksyllä 2006 http://www.tml.tkk.fi/opinnot/t-111.5030/ 21.9.2006 1 Tavoitteet kolmiulotteinen mallintaminen valmiilla työkaluohjelmilla animaatio ilmaisumuotona + tarvittavat tekniset

Lisätiedot

T Tietokoneanimaatio

T Tietokoneanimaatio T-111.5450 Tietokoneanimaatio Tassu Takala Teknillinen korkeakoulu Tietoliikenneohjelmistojen ja multimedian laboratorio 1. Luento 19.9.2005 Sisältö Henkilökunta Suoritustapa ja aikataulu Kurssimateriaali

Lisätiedot

T-111.450 Tietokoneanimaatio ja mallintaminen. Lauri Savioja Teknillinen korkeakoulu Tietoliikenneohjelmistojen ja multimedian laboratorio 02/02

T-111.450 Tietokoneanimaatio ja mallintaminen. Lauri Savioja Teknillinen korkeakoulu Tietoliikenneohjelmistojen ja multimedian laboratorio 02/02 T-111.450 Tietokoneanimaatio ja mallintaminen Lauri Savioja Teknillinen korkeakoulu Tietoliikenneohjelmistojen ja multimedian laboratorio 02/02 Animaatio / 1 2D Avainkuvatekniikka Sisältö Kerronnallisia

Lisätiedot

Digitaalinen signaalinkäsittely Kuvankäsittely

Digitaalinen signaalinkäsittely Kuvankäsittely Digitaalinen signaalinkäsittely Kuvankäsittely Teemu Saarelainen, teemu.saarelainen@kyamk.fi Lähteet: Ifeachor, Jervis, Digital Signal Processing: A Practical Approach H.Huttunen, Signaalinkäsittelyn menetelmät,

Lisätiedot

Tassu Takala Kurssi syksyllä 2008

Tassu Takala Kurssi syksyllä 2008 Tassu Takala Kurssi syksyllä 2008 23.9.2008 1 Tavoitteet kolmiulotteinen mallintaminen valmiilla työkaluohjelmilla animaatio ilmaisumuotona + tarvittavat tekniset perusteet valaistus ja kuvien tuottaminen

Lisätiedot

Malleja ja menetelmiä geometriseen tietokonenäköön

Malleja ja menetelmiä geometriseen tietokonenäköön Malleja ja menetelmiä geometriseen tietokonenäköön Juho Kannala 7.5.2010 Johdanto Tietokonenäkö on ala, joka kehittää menetelmiä automaattiseen kuvien sisällön tulkintaan Tietokonenäkö on ajankohtainen

Lisätiedot

Maa-57.260. Kameran kalibrointi. TKK/Fotogrammetria/PP

Maa-57.260. Kameran kalibrointi. TKK/Fotogrammetria/PP Kameran kalibrointi Kameran kalibroinnilla tarkoitetaan sen kameravakion, pääpisteen paikan sekä optiikan aiheuttamien virheiden määrittämistä. Virheillä tarkoitetaan poikkeamaa ideaalisesta keskusprojektiokuvasta.

Lisätiedot

Digitaalisen kuvankäsittelyn perusteet

Digitaalisen kuvankäsittelyn perusteet Digitaalisen kuvankäsittelyn perusteet Jukka Teuhola Turun yliopisto Tietojenkäsittelytiede Syksy 2010 http://staff.cs.utu.fi/kurssit/digitaalisen_kuvankasittelyn_perusteet/syksy_2010/index.htm DKP-1 J.

Lisätiedot

3D animaatio: liikekäyrät ja interpolointi. Tommi Tykkälä

3D animaatio: liikekäyrät ja interpolointi. Tommi Tykkälä 3D animaatio: liikekäyrät ja interpolointi Tommi Tykkälä Läpivienti Keyframe-animaatio Lineaarisesta interpoloinnista TCB-splineihin Bezier-käyrät Rotaatioiden interpolointi Kameran animointi Skenegraafit

Lisätiedot

Dynamiikan hallinta Lähde: Zölzer. Digital audio signal processing. Wiley & Sons, 2008. Zölzer (ed.) DAFX Digital Audio Effects. Wiley & Sons, 2002.

Dynamiikan hallinta Lähde: Zölzer. Digital audio signal processing. Wiley & Sons, 2008. Zölzer (ed.) DAFX Digital Audio Effects. Wiley & Sons, 2002. Dynamiikan hallinta Lähde: Zölzer. Digital audio signal processing. Wiley & Sons, 2008. Zölzer (ed. DAFX Digital Audio Effects. Wiley & Sons, 2002. Sisältö:! Johdanto!! Ajallinen käyttäytyminen! oteutus!

Lisätiedot

Luku 7: Animaatio. Eksplisiittiset menetelmät Implisiittiset menetelmät Suora ja käänteinen kinematiikka Motion capture Elokuvamaisuus

Luku 7: Animaatio. Eksplisiittiset menetelmät Implisiittiset menetelmät Suora ja käänteinen kinematiikka Motion capture Elokuvamaisuus Eksplisiittiset menetelmät Implisiittiset menetelmät Suora ja käänteinen kinematiikka Motion capture Elokuvamaisuus Animaatio Peleissä tärkeimmät animoitavat kohteet ovat pelihahmot, etenkin avatar Animointi

Lisätiedot

Itse valtiaat sarjan visuaalinen toteutus

Itse valtiaat sarjan visuaalinen toteutus Itse valtiaat sarjan visuaalinen toteutus Luennon sisältö Itse valtiaat pähkinän kuoressa Mitä on 3D-animaatio? Sarjan teossa käytetyt ohjelmat ja sovellukset Sarjan teossa käytetyt käyttöjärjestelmät

Lisätiedot

Yksinkertaistaminen normaalitekstuureiksi

Yksinkertaistaminen normaalitekstuureiksi TEKNILLINEN KORKEAKOULU 30.4.2003 Tietoliikenneohjelmistojen ja multimedian laboratorio Tik-111.500 Tietokonegrafiikan seminaari Kevät 2003: Reaaliaikainen 3D grafiikka Yksinkertaistaminen normaalitekstuureiksi

Lisätiedot

Lisätty Todellisuus / Augmented Reality

Lisätty Todellisuus / Augmented Reality Lisätty Todellisuus / Augmented Reality Charles Woodward / VTT Tietotekniikka Lisätty Todellisuus Augmented Reality (AR) Määritelmä yhdistää todellista ja virtuaalista reaaliaikainen interaktio toimii

Lisätiedot

Kuvanlaadunparantaminen. Mikko Nuutinen 21.3.2013

Kuvanlaadunparantaminen. Mikko Nuutinen 21.3.2013 Kuvanlaadunparantaminen Mikko Nuutinen 21.3.2013 Luennon sisältö Termistöä Kuvanentisöinti Terävyys unsharp masking Kohina non-local means Linssivääristymän korjaus Kuvanlaadunehostaminen Kontrasti Auto-levels

Lisätiedot

T-111.210 Studio 4. luento 1: kurssin järjestelyt k-2005 tietokonegrafiikan perusteita. 20.1.2005 Tassu Takala 1

T-111.210 Studio 4. luento 1: kurssin järjestelyt k-2005 tietokonegrafiikan perusteita. 20.1.2005 Tassu Takala 1 T-111.210 Studio 4 luento 1: kurssin järjestelyt k-2005 tietokonegrafiikan perusteita 20.1.2005 Tassu Takala 1 Kurssin tavoitteet ohjelmoitavan tietokonegrafiikan alkeet grafiikan soveltaminen luovalla

Lisätiedot

T-110.1100 Johdatus tietoliikenteeseen ja multimediatekniikkaan Tietokonegrafiikka

T-110.1100 Johdatus tietoliikenteeseen ja multimediatekniikkaan Tietokonegrafiikka T-110.1100 Johdatus tietoliikenteeseen ja multimediatekniikkaan Tietokonegrafiikka Tapio Takala / Lauri Savioja Teknillinen korkeakoulu Mediatekniikan laitos T-110.1110 / 1 Oppimistavoitteet Tietokonegrafiikan

Lisätiedot

Tapio Takala / Lauri Savioja Teknillinen korkeakoulu Tietoliikenneohjelmistojen ja multimedian laboratorio

Tapio Takala / Lauri Savioja Teknillinen korkeakoulu Tietoliikenneohjelmistojen ja multimedian laboratorio T-110.1100 Johdatus tietoliikenteeseen ja multimediatekniikkaan Tietokonegrafiikka Tapio Takala / Lauri Savioja Teknillinen korkeakoulu Tietoliikenneohjelmistojen ja multimedian laboratorio T-110.1100

Lisätiedot

Ei välttämättä, se voi olla esimerkiksi Reuleaux n kolmio:

Ei välttämättä, se voi olla esimerkiksi Reuleaux n kolmio: Inversio-ongelmista Craig, Brown: Inverse problems in astronomy, Adam Hilger 1986. Havaitaan oppositiossa olevaa asteroidia. Pyörimisestä huolimatta sen kirkkaus ei muutu. Projisoitu pinta-ala pysyy ilmeisesti

Lisätiedot

T-111.2210 Studio 4. kurssin järjestelyt k-2008 ( www) aihepiirin yleisesittely tietokonegrafiikan ja vuorovaikutustekniikan perusteita

T-111.2210 Studio 4. kurssin järjestelyt k-2008 ( www) aihepiirin yleisesittely tietokonegrafiikan ja vuorovaikutustekniikan perusteita T-111.2210 Studio 4 kurssin järjestelyt k-2008 ( www) aihepiirin yleisesittely tietokonegrafiikan ja vuorovaikutustekniikan perusteita 29.1.2008 Tassu Takala 1 Kurssin tavoitteet ohjelmoitavan tietokonegrafiikan

Lisätiedot

MATEMATIIKKA 5 VIIKKOTUNTIA. PÄIVÄMÄÄRÄ: 8. kesäkuuta 2009

MATEMATIIKKA 5 VIIKKOTUNTIA. PÄIVÄMÄÄRÄ: 8. kesäkuuta 2009 EB-TUTKINTO 2009 MATEMATIIKKA 5 VIIKKOTUNTIA PÄIVÄMÄÄRÄ: 8. kesäkuuta 2009 KOKEEN KESTO: 4 tuntia (240 minuuttia) SALLITUT APUVÄLINEET: Eurooppa-koulun antama taulukkovihkonen Funktiolaskin, joka ei saa

Lisätiedot

Luento 3: 3D katselu. Sisältö

Luento 3: 3D katselu. Sisältö Tietokonegrafiikan perusteet T-.43 3 op Luento 3: 3D katselu Lauri Savioja Janne Kontkanen /27 3D katselu / Sisältö Kertaus: koordinaattimuunnokset ja homogeeniset koordinaatit Näkymänmuodostus Kameran

Lisätiedot

Harjoitus 9: Excel - Tilastollinen analyysi

Harjoitus 9: Excel - Tilastollinen analyysi Harjoitus 9: Excel - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen regressioanalyysiin

Lisätiedot

Digitaalisen videonkäsittelyn perusteet Jukka Teuhola Turun yliopisto IT-laitos, Tietojenkäsittelytiede Syksy-2009 DVP-1 Teuhola 2009 1 1. Johdanto Yleistä Sisältösuunnitelma Materiaali Mistä on kysymys?

Lisätiedot

TL5503 DSK, laboraatiot (1.5 op) Kuvasignaalit. Jyrki Laitinen

TL5503 DSK, laboraatiot (1.5 op) Kuvasignaalit. Jyrki Laitinen TL553 DSK, laboraatiot (.5 op) Kuvasignaalit Jyrki Laitinen TL553 DSK, laboraatiot (.5 op), K25 Suorita oheisten ohjeiden mukaiset tehtävät Matlab- ja VCDemo-ohjelmistoja käyttäen. Kokoa erilliseen mittauspöytäkirjaan

Lisätiedot

Mihin käytetään (jatkuu) Mihin käytetään (jatkuu) Mihin käytetään (jatkuu) Grafiikkajärjestelmä. Graafiset näyttölaitteet.

Mihin käytetään (jatkuu) Mihin käytetään (jatkuu) Mihin käytetään (jatkuu) Grafiikkajärjestelmä. Graafiset näyttölaitteet. Oppimistavoitteet T-110.1100 Johdatus tietoliikenteeseen ja multimediatekniikkaan Tietokonegrafiikka Tietokonegrafiikan peruskäsitteistön tunteminen Kyky keskustella alan laitteista esim. näytönohjaimista

Lisätiedot

Tik-111.5450 Tietokoneanimaatio

Tik-111.5450 Tietokoneanimaatio Tik-111.5450 Tietokoneanimaatio 3. Asennon (pyörähdysliikkeen) esittäminen ja interpolointi 3.10.05 - Tassu Animaatio 2005 - luento 3 1 Sisältö matriisiesitys, matriisin komponenttivektorien merkitys perusakselien

Lisätiedot

Tietokonegrafiikan kertausta eli mitä jokaisen animaattorin tulisi tietää tekniikasta

Tietokonegrafiikan kertausta eli mitä jokaisen animaattorin tulisi tietää tekniikasta Tassu Takala Tietokonegrafiikan kertausta eli mitä jokaisen animaattorin tulisi tietää tekniikasta Mallinnustekniikkaa Animaation perustekniikkaa Harjoitustyöt 12.10.2006 1 Aiheita mallintaminen muodon

Lisätiedot

Luento 8: Kolmiointi AIHEITA. Kolmiointi. Maa-57.301 Fotogrammetrian yleiskurssi. Luento-ohjelma 1 2 3 4 5 6 7 8 9 10

Luento 8: Kolmiointi AIHEITA. Kolmiointi. Maa-57.301 Fotogrammetrian yleiskurssi. Luento-ohjelma 1 2 3 4 5 6 7 8 9 10 Maa-57.301 Fotogrammetrian yleiskurssi Luento-ohjelma 1 2 3 4 5 6 7 8 9 10 (P. Rönnholm / H. Haggrén, 12.10.2004) Luento 8: Kolmiointi AIHEITA Kolmiointi Nyrkkisääntöjä Kuvablokki Blokin pisteet Komparaattorit

Lisätiedot

Lisätyn todellisuuden ratkaisuja sisustus- ja rakennussuunnitteluun. Prof. Charles Woodward VTT Digitaaaliset tietojärjestelmät

Lisätyn todellisuuden ratkaisuja sisustus- ja rakennussuunnitteluun. Prof. Charles Woodward VTT Digitaaaliset tietojärjestelmät Lisätyn todellisuuden ratkaisuja sisustus- ja rakennussuunnitteluun Prof. Charles Woodward VTT Digitaaaliset tietojärjestelmät SISÄLTÖ Lisätty todellisuus - Johdanto Sovelluksia sisustussuunnittelussa

Lisätiedot

T-110.1100 Johdatus tietoliikenteeseen ja multimediatekniikkaan: Tietokonegrafiikka. Tassu Takala. Mediatekniikan laitos 23.3.2012

T-110.1100 Johdatus tietoliikenteeseen ja multimediatekniikkaan: Tietokonegrafiikka. Tassu Takala. Mediatekniikan laitos 23.3.2012 T-110.1100 Johdatus tietoliikenteeseen ja multimediatekniikkaan: Tassu Takala Mediatekniikan laitos Luennon aiheita (1) Mitä on tietokonegrafiikka? tietokone piirtää kuvia Mikä on digitaalinen kuva? rasterikuva

Lisätiedot

Mediaanisuodattimet. Tähän asti käsitellyt suodattimet ovat olleet lineaarisia. Niille on tyypillistä, että. niiden ominaisuudet tunnetaan hyvin

Mediaanisuodattimet. Tähän asti käsitellyt suodattimet ovat olleet lineaarisia. Niille on tyypillistä, että. niiden ominaisuudet tunnetaan hyvin Mediaanisuodattimet Tähän asti käsitellyt suodattimet ovat olleet lineaarisia. Niille on tyypillistä, että niiden ominaisuudet tunnetaan hyvin niiden analysointiin on olemassa vakiintuneita menetelmiä

Lisätiedot

Fotogrammetrian termistöä

Fotogrammetrian termistöä Fotogrammetrian termistöä Petri Rönnholm, Henrik Haggrén, 2015 Hei. Sain eilen valmiiksi mukavan mittausprojektin. Kiinnostaako kuulla yksityiskohtia? Totta kai! (Haluan tehdä vaikutuksen tähän kaveriin,

Lisätiedot

Harjoitus 8: Excel - Optimointi

Harjoitus 8: Excel - Optimointi Harjoitus 8: Excel - Optimointi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Lineaarisen optimointimallin muodostaminen

Lisätiedot

Logistinen regressio, separoivat hypertasot

Logistinen regressio, separoivat hypertasot Logistinen regressio, separoivat hypertasot Topi Sikanen Logistinen regressio Aineisto jakautunut K luokkaan K=2 tärkeä erikoistapaus Halutaan mallintaa luokkien vedonlyöntikertoimia (odds) havaintojen

Lisätiedot

Digitaalinen signaalinkäsittely Johdanto, näytteistys

Digitaalinen signaalinkäsittely Johdanto, näytteistys Digitaalinen signaalinkäsittely Johdanto, näytteistys Teemu Saarelainen, teemu.saarelainen@kyamk.fi Lähteet: Ifeachor, Jervis, Digital Signal Processing: A Practical Approach H.Huttunen, Signaalinkäsittelyn

Lisätiedot

3D-kuvauksen tekniikat ja sovelluskohteet. Mikael Hornborg

3D-kuvauksen tekniikat ja sovelluskohteet. Mikael Hornborg 3D-kuvauksen tekniikat ja sovelluskohteet Mikael Hornborg Luennon sisältö 1. Optiset koordinaattimittauskoneet 2. 3D skannerit 3. Sovelluskohteet Johdanto Optiset mittaustekniikat perustuvat valoon ja

Lisätiedot

Paikkatiedon tulevaisuus

Paikkatiedon tulevaisuus Paikkatiedon tulevaisuus Yksityismetsätalouden metsänhoitajien vierailu TE:llä 11.10.2007 Juhani Tervo Pääarkkitehti, GIS Iso skaala erilaisia paikkatietojärjestelmiä Paikkatieto tietojärjestelmissä Paikkatietojärjestelmä

Lisätiedot

Jos havaitaan päivän ylin lämpötila, mittaustuloksissa voi esiintyä seuraavantyyppisiä virheitä:

Jos havaitaan päivän ylin lämpötila, mittaustuloksissa voi esiintyä seuraavantyyppisiä virheitä: Mittausten virheet Jos havaitaan päivän ylin lämpötila, mittaustuloksissa voi esiintyä seuraavantyyppisiä virheitä: 1. Luemme lämpömittarin vain asteen tarkkuudella. Ehkä kyseessä on digitaalimittari,

Lisätiedot

Stereoskooppisen kuvan koodaus

Stereoskooppisen kuvan koodaus Stereoskooppisen kuvan koodaus T-75.2122 Visuaalisen mediatekniikan perusteet Mikko Kytö, Mikko Kuhna Mediatekniikan laitos Määritelmistä Stereoskooppinen media Käyttäminen tapahtuu stereonäön kautta,

Lisätiedot

Adobe Premiere 6.0 ohjelmasta

Adobe Premiere 6.0 ohjelmasta 1 Adobe Premiere 6.0 ohjelmasta 1. Ohjelman käynnistys...2 2 Ohjelman näkymän esittely...3 Työskentelytila...3 3 VIDEON KAAPPAUS:...6 3.1. Tallennuspaikka valitaan valitsemalla...6 3. 2. Kaappaus aloitetaan

Lisätiedot

Kombinatorinen optimointi

Kombinatorinen optimointi Kombinatorinen optimointi Sallittujen pisteiden lukumäärä on äärellinen Periaatteessa ratkaisu löydetään käymällä läpi kaikki pisteet Käytännössä lukumäärä on niin suuri, että tämä on mahdotonta Usein

Lisätiedot

Signaalit ja järjestelmät aika- ja taajuusalueissa

Signaalit ja järjestelmät aika- ja taajuusalueissa Signaalit ja järjestelmät aika- ja taajuusalueissa Signaalit aika ja taajuusalueissa Muunnokset aika ja taajuusalueiden välillä Fourier sarja (jaksollinen signaali) Fourier muunnos (jaksoton signaali)

Lisätiedot

Kaikkiin tehtäviin ratkaisujen välivaiheet näkyviin! Lue tehtävänannot huolellisesti. Tee pisteytysruudukko B-osion konseptin yläreunaan!

Kaikkiin tehtäviin ratkaisujen välivaiheet näkyviin! Lue tehtävänannot huolellisesti. Tee pisteytysruudukko B-osion konseptin yläreunaan! MAA4 koe 1.4.2016 Kaikkiin tehtäviin ratkaisujen välivaiheet näkyviin! Lue tehtävänannot huolellisesti. Tee pisteytysruudukko B-osion konseptin yläreunaan! Jussi Tyni A-osio: Ilman laskinta. Laske kaikki

Lisätiedot

4.1 Kaksi pistettä määrää suoran

4.1 Kaksi pistettä määrää suoran 4.1 Kaksi pistettä määrää suoran Kerrataan aluksi kurssin MAA1 tietoja. Geometrisesti on selvää, että tason suora on täysin määrätty, kun tunnetaan sen kaksi pistettä. Joskus voi tulla vastaan tilanne,

Lisätiedot

Mitä on konvoluutio? Tutustu kuvankäsittelyyn

Mitä on konvoluutio? Tutustu kuvankäsittelyyn Mitä on konvoluutio? Tutustu kuvankäsittelyyn Tieteenpäivät 2015, Työohje Sami Varjo Johdanto Digitaalinen signaalienkäsittely on tullut osaksi arkipäiväämme niin, ettemme yleensä edes huomaa sen olemassa

Lisätiedot

4 / 2013 TI-NSPIRE CAS TEKNOLOGIA LUKIOSSA. T3-kouluttajat: Olli Karkkulainen ja Markku Parkkonen

4 / 2013 TI-NSPIRE CAS TEKNOLOGIA LUKIOSSA. T3-kouluttajat: Olli Karkkulainen ja Markku Parkkonen 4 / 2013 TI-NSPIRE CAS TEKNOLOGIA LUKIOSSA T3-kouluttajat: Olli Karkkulainen ja Markku Parkkonen 1 2 TI-Nspire CX CAS kämmenlaite kevään 2013 pitkän matematiikan kokeessa Tehtävä 1. Käytetään komentoa

Lisätiedot

KEPPIJUMPAN PERUSLIIKKEITÄ "Keppijumpan isän" Juhani Salakan ohjeita oikeisiin liikesuorituksiin. Perusohje: Aluksi suurin huomio oikeaan suoritustekniikkaan (opetellaan ensin "uimaan" ja mennään vasta

Lisätiedot

A11-07 Measurements with machine vision Projektisuunnitelma

A11-07 Measurements with machine vision Projektisuunnitelma AS-0.3200 Automaatio- ja systeemitekniikan projektityöt A11-07 Measurements with machine vision Projektisuunnitelma Niko Nyrhilä 25.9.2011 Niko Nyrhilä 2 1 Projektityön tavoite Projektityön tavoitteena

Lisätiedot

Vaihtuvan perspektiivin panoraamat piirrosanimaatiossa

Vaihtuvan perspektiivin panoraamat piirrosanimaatiossa Vaihtuvan perspektiivin panoraamat piirrosanimaatiossa Tomi Salo TKK, Tietotekniikan osasto ttsalo@iki.fi Tiivistelmä Artikkelissa kuvataan menetelmä staattisissa 3D-maailmoissa tapahtuvan kamera-ajon

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 9.3.2016 Susanna Hurme Päivän aihe: Palkin leikkausvoima- ja taivutusmomenttijakaumat ja kuviot (Kirjan luvut 7.2 ja 7.3) Osaamistavoitteet: Ymmärtää, miten leikkausvoima

Lisätiedot

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30.

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30. FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa Luentokuulustelujen esimerkkivastauksia Pertti Palo 30. marraskuuta 2012 Saatteeksi Näiden vastausten ei ole tarkoitus olla malleja vaan esimerkkejä.

Lisätiedot

TAITAJA 2007 ELEKTRONIIKKAFINAALI 31.01-02.02.07 KILPAILIJAN TEHTÄVÄT. Kilpailijan nimi / Nro:

TAITAJA 2007 ELEKTRONIIKKAFINAALI 31.01-02.02.07 KILPAILIJAN TEHTÄVÄT. Kilpailijan nimi / Nro: KILPAILIJAN TEHTÄVÄT Kilpailijan nimi / Nro: Tehtävän laatinut: Hannu Laurikainen, Deltabit Oy Kilpailutehtävä Kilpailijalle annetaan tehtävässä tarvittavat ohjelmakoodit. Tämä ohjelma on tehty laitteen

Lisätiedot

Bootstrap / HTDP2 / Realm of Racket. Vertailu

Bootstrap / HTDP2 / Realm of Racket. Vertailu Bootstrap / HTDP2 / Realm of Racket Vertailu Bootstrap http://www.bootstrapworld.org/ Tarkoitettu yläkoululaisille (12-15v) Ohjelmointi on integroitu matematiikan opetukseen Materiaalina tuntisuunnitelmat

Lisätiedot

1. Skannaus ja tekstintunnistus (OCR) verkkoskannerilta

1. Skannaus ja tekstintunnistus (OCR) verkkoskannerilta M-Files OCR M-Files OCR:n avulla voidaan skannattavalle paperidokumentille tehdä tekstintunnistus skannerista riippumatta. Tällöin tekstiä sisältävät kuvat tunnistetaan varsinaisiksi tekstimerkeiksi, jonka

Lisätiedot

Harjoitus Bones ja Skin

Harjoitus Bones ja Skin LIITE 3 1(6) Harjoitus Bones ja Skin Harjoituksessa käsiteltävät asiat: Yksinkertaisen jalan luominen sylinteristä Luurangon luominen ja sen tekeminen toimivaksi raajaksi Luurangon yhdistäminen jalka-objektiin

Lisätiedot

MAA4 Abittikokeen vastaukset ja perusteluja 1. Määritä kuvassa olevien suorien s ja t yhtälöt. Suoran s yhtälö on = ja suoran t yhtälö on = + 2. Onko väittämä oikein vai väärin? 2.1 Suorat =5 +2 ja =5

Lisätiedot

Pitkän kantaman aktiivinen hyperspektraalinen laserkeilaus

Pitkän kantaman aktiivinen hyperspektraalinen laserkeilaus Pitkän kantaman aktiivinen hyperspektraalinen laserkeilaus MATINE:n Tutkimusseminaari, 18.11.2015 Helsinki Sanna Kaasalainen, Olli Nevalainen, Teemu Hakala Paikkatietokeskus Sisällys Taustaa Multispektraaliset

Lisätiedot

Simulointi. Varianssinhallintaa Esimerkki

Simulointi. Varianssinhallintaa Esimerkki Simulointi Varianssinhallintaa Esimerkki M C Esimerkki Tarkastellaan lasersäteen sirontaa partikkelikerroksesta Jukka Räbinän pro gradu 2005 Tavoitteena simuloida sirontakuvion tunnuslukuja Monte Carlo

Lisätiedot

Cloud rendering. Juho Karppinen 49480E

Cloud rendering. Juho Karppinen 49480E HELSINKI UNIVERSITY OF TECHNOLOGY 12.5.2003 Telecommunications Software and Multimedia Laboratory Tik-111.500 Tietokonegrafiikan seminaari Kevät 2003 Cloud rendering Juho Karppinen 49480E Cloud rendering

Lisätiedot

Sovelletun fysiikan laitos E-mail: Marko.Vauhkonen@uku.fi. Marko Vauhkonen, Kuopion yliopisto, Sovelletun fysiikan laitos Slide 1

Sovelletun fysiikan laitos E-mail: Marko.Vauhkonen@uku.fi. Marko Vauhkonen, Kuopion yliopisto, Sovelletun fysiikan laitos Slide 1 Marko Vauhkonen Kuopion yliopisto Sovelletun fysiikan laitos E-mail: Marko.Vauhkonen@uku.fi Marko Vauhkonen, Kuopion yliopisto, Sovelletun fysiikan laitos Slide 1 Sisältö Mallintamisesta mallien käyttötarkoituksia

Lisätiedot

Ympyrä 1/6 Sisältö ESITIEDOT: käyrä, kulma, piste, suora

Ympyrä 1/6 Sisältö ESITIEDOT: käyrä, kulma, piste, suora Ympyrä 1/6 Sisältö Ympyrä ja sen yhtälö Tason pisteet, jotka ovat vakioetäisyydellä kiinteästä pisteestä, muodostavat ympyrän eli ympyräviivan. Kiinteä piste on ympyrän keskipiste ja vakioetäisyys sen

Lisätiedot

v 8 v 9 v 5 C v 3 v 4

v 8 v 9 v 5 C v 3 v 4 Verkot Verkko on (äärellinen) matemaattinen malli, joka koostuu pisteistä ja pisteitä toisiinsa yhdistävistä viivoista. Jokainen viiva yhdistää kaksi pistettä, jotka ovat viivan päätepisteitä. Esimerkiksi

Lisätiedot

KUITUPUUN KESKUSKIINTOMITTAUKSEN FUNKTIOINTI

KUITUPUUN KESKUSKIINTOMITTAUKSEN FUNKTIOINTI KUITUPUUN KESKUSKIINTOMITTAUKSEN FUNKTIOINTI Asko Poikela Samuli Hujo TULOSKALVOSARJAN SISÄLTÖ I. Vanha mittauskäytäntö -s. 3-5 II. Keskusmuotolukujen funktiointi -s. 6-13 III.Uusi mittauskäytäntö -s.

Lisätiedot

Aleksi Pyykkönen 14.12.2012. 3D-mallinnus ja liikkeentunnistus

Aleksi Pyykkönen 14.12.2012. 3D-mallinnus ja liikkeentunnistus 3D-mallinnus ja liikkeentunnistus 1 Sisällysluettelo Kolmas ulottuvuus... 3 Liikkeentunnistus... 4 Käyttötarkoitukset... 5 Uhat ja mahdollisuudet... 6 Lähteet... 8 2 Kolmas ulottuvuus Tietokoneiden tehon

Lisätiedot

Tilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi. Esimerkit laskettu JMP:llä

Tilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi. Esimerkit laskettu JMP:llä Tilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi Esimerkit laskettu JMP:llä Antti Hyttinen Tampereen teknillinen yliopisto 29.12.2003 ii Ohjelmien

Lisätiedot

Virtuaalinäyttelijät ja hahmot elokuvissa

Virtuaalinäyttelijät ja hahmot elokuvissa TEKNILLINEN KORKEAKOULU 22.12.2006 Tietoliikenneohjelmistojen ja multimedia laboratorio Tik-111.5080 Sisällöntuotannon seminaari Syksy 2006 Virtuaalinäyttelijät ja hahmot elokuvissa Atte Järvinen 51767N

Lisätiedot

Esimerkki - Näkymätön kuu

Esimerkki - Näkymätön kuu Inversio-ongelmat Inversio = käänteinen, päinvastainen Inversio-ongelmilla tarkoitetaan (suoran) ongelman ratkaisua takaperin. Arkipäiväisiä inversio-ongelmia ovat mm. lääketieteellinen röntgentomografia

Lisätiedot

Luento 8. Suodattimien käyttötarkoitus

Luento 8. Suodattimien käyttötarkoitus Luento 8 Lineaarinen suodatus Ideaaliset alipäästö, ylipäästö ja kaistanpäästösuodattimet Käytännölliset suodattimet 8..006 Suodattimien käyttötarkoitus Signaalikaistan ulkopuolisen kohinan ja häiriöiden

Lisätiedot

KÄYTTÖOHJE MOULTRIE M80 / M100

KÄYTTÖOHJE MOULTRIE M80 / M100 KÄYTTÖOHJE MOULTRIE M80 / M100 HUOM! Kuvassa M80, M100 mallissa näyttö ei LCD-ruutua. ON / OFF AIM Paina tätä nappia kun haluta kytkeä kameran päälle (On) tai pois (Off). Kun haluat kohdistaa kameran käytä

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 4 Jatkuvuus Jatkuvan funktion määritelmä Tarkastellaan funktiota f x) jossakin tietyssä pisteessä x 0. Tämä funktio on tässä pisteessä joko jatkuva tai epäjatkuva. Jatkuvuuden

Lisätiedot

Kohti todellista jokapaikan tietotekniikkaa

Kohti todellista jokapaikan tietotekniikkaa Kohti todellista jokapaikan tietotekniikkaa Prof. Olli Silvén Konenäköryhmä, Infotech Oulu Jokapaikan tietotekniikka: kaikkialla läsnä, silti näkymättä Langaton infrastruktuuri tulee jossakin muodossaan

Lisätiedot

Markkinoiden helpoin ja käytännöllisin IP Kamera

Markkinoiden helpoin ja käytännöllisin IP Kamera No.1. Plug and Play IP Kamera Markkinoiden helpoin ja käytännöllisin IP Kamera Helppo Käyttäjän ei tarvitse tietää mitään verkkotekniikasta eikä tehdä mitään asetuksia tai porttiohjauksia reitittimeen.

Lisätiedot

5.3 Suoran ja toisen asteen käyrän yhteiset pisteet

5.3 Suoran ja toisen asteen käyrän yhteiset pisteet .3 Suoran ja toisen asteen käyrän yhteiset pisteet Tämän asian taustana on ratkaista sellainen yhtälöpari, missä yhtälöistä toinen on ensiasteinen ja toinen toista astetta. Tällainen pari ratkeaa aina

Lisätiedot

Signaalien tilastollinen mallinnus T-61.3040 (5 op) Syksy 2006 Harjoitustyö

Signaalien tilastollinen mallinnus T-61.3040 (5 op) Syksy 2006 Harjoitustyö Signaalien tilastollinen mallinnus T-61.3040 (5 op) Syksy 2006 Harjoitustyö Harjoitustyön sekä kurssin suorittaminen Kurssin suorittaminen edellyttää sekä tentin että harjoitustyön hyväksyttyä suoritusta.

Lisätiedot

f(x, y) = x 2 y 2 f(0, t) = t 2 < 0 < t 2 = f(t, 0) kaikilla t 0.

f(x, y) = x 2 y 2 f(0, t) = t 2 < 0 < t 2 = f(t, 0) kaikilla t 0. Ääriarvon laatu Jatkuvasti derivoituvan funktion f lokaali ääriarvokohta (x 0, y 0 ) on aina kriittinen piste (ts. f x (x, y) = f y (x, y) = 0, kun x = x 0 ja y = y 0 ), mutta kriittinen piste ei ole aina

Lisätiedot

Kuntoutus. Asiakaskäyttö (Running injury clinic, Salming run lab)

Kuntoutus. Asiakaskäyttö (Running injury clinic, Salming run lab) Elokuvat, pelit Tutkimus Kuntoutus Asiakaskäyttö (Running injury clinic, Salming run lab) Markkerit Kamerat : -Resoluutio 4 MP -Keräystaajuus 315Hz täydellä resoluutiolla -Max kuvausetäisyys 20-30m Hipposhalli

Lisätiedot

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016 Antti Rasila

Lisätiedot

T-110.1100 Johdatus tietoliikenteeseen ja multimediatekniikkaan Tietokonegrafiikka

T-110.1100 Johdatus tietoliikenteeseen ja multimediatekniikkaan Tietokonegrafiikka Johdatus tietoliikenteeseen ja multimediatekniikkaan Tietokonegrafiikka Timo Tossavainen Mediatekniikan laitos, Aalto-yliopiston perustieteiden korkeakoulu Timo.Tossavainen@tkk.fi 25.3.2011 Sisältö Historiaa

Lisätiedot

Luento 5: Stereoskooppinen mittaaminen

Luento 5: Stereoskooppinen mittaaminen Maa-57.300 Fotogrammetrian perusteet Luento-ohjelma 1 2 3 4 5 6 7 8 9 10 11 12 13 Luento 5: Stereoskooppinen mittaaminen AIHEITA Etäisyysmittaus stereokuvaparilla Esimerkki: "TKK" Esimerkki: "Ritarihuone"

Lisätiedot

SPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö

SPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö SPSS-pikaohje Jukka Jauhiainen OAMK / Tekniikan yksikkö SPSS on ohjelmisto tilastollisten aineistojen analysointiin. Hyvinvointiteknologian ATK-luokassa on asennettuna SPSS versio 13.. Huom! Ainakin joissakin

Lisätiedot

Johtuuko tämä ilmastonmuutoksesta? - kasvihuoneilmiön voimistuminen vaikutus sääolojen vaihteluun

Johtuuko tämä ilmastonmuutoksesta? - kasvihuoneilmiön voimistuminen vaikutus sääolojen vaihteluun Johtuuko tämä ilmastonmuutoksesta? - kasvihuoneilmiön voimistuminen vaikutus sääolojen vaihteluun Jouni Räisänen Helsingin yliopiston fysiikan laitos 15.1.2010 Vuorokauden keskilämpötila Talvi 2007-2008

Lisätiedot

Tilanhallintatekniikat

Tilanhallintatekniikat Tilanhallintatekniikat 3D grafiikkamoottoreissa Moottori on projektin osa joka vastaa tiettyjen toiminnallisuuksien hallinnasta hallitsee kaikki vastuualueen datat suorittaa kaikki tehtäväalueen toiminnot

Lisätiedot

Siistit videot ILMAISELLA Windows Movie Maker 2.1 ohjelmalla

Siistit videot ILMAISELLA Windows Movie Maker 2.1 ohjelmalla Siistit videot ILMAISELLA Windows Movie Maker 2.1 ohjelmalla Veikko Pöyhönen Iiro Hirvimäki Teemu Silvennoinen WindowsXP käyttöjärjestelmän mukana tulee vakiona videon editointiin soveltuva Windows Movie

Lisätiedot

Tassu Takala Teknillinen korkeakoulu Mediatekniikan laitos

Tassu Takala Teknillinen korkeakoulu Mediatekniikan laitos T-110.1100 Johdatus tietoliikenteeseen ja multimediatekniikkaan Tietokonegrafiikka Tassu Takala Teknillinen korkeakoulu Mediatekniikan laitos Oppimistavoitteet Tietokonegrafiikan peruskäsitteistön tunteminen

Lisätiedot

Matematiikan tukikurssi, kurssikerta 4

Matematiikan tukikurssi, kurssikerta 4 Matematiikan tukikurssi, kurssikerta 4 1 Raja-arvo äärettömyydessä Tietyllä funktiolla f() voi olla raja-arvo äärettömyydessä, jota merkitään f(). Tämä tarkoittaa, että funktio f() lähestyy jotain tiettyä

Lisätiedot

Muodonmuutostila hum 30.8.13

Muodonmuutostila hum 30.8.13 Muodonmuutostila Tarkastellaan kuvan 1 kappaletta Ω, jonka pisteet siirtvät ulkoisen kuormituksen johdosta siten, että siirtmien tapahduttua ne muodostavat kappaleen Ω'. Esimerkiksi piste A siirt asemaan

Lisätiedot

Windows Movie Maker. Digitaaliset porfoliot oppimisen tukena Taitotyöpajat 7.12.2010. Videonkäsittely. Miisa Brännfors

Windows Movie Maker. Digitaaliset porfoliot oppimisen tukena Taitotyöpajat 7.12.2010. Videonkäsittely. Miisa Brännfors Windows Movie Maker Digitaaliset porfoliot oppimisen tukena Taitotyöpajat 7.12.2010 Videonkäsittely Miisa Brännfors MovieMaker:llä voit: Tuoda ohjelmaan videokuvaa ja valokuvia Muokata videokuvaa Listätä

Lisätiedot

Visibiliteetti ja kohteen kirkkausjakauma

Visibiliteetti ja kohteen kirkkausjakauma Visibiliteetti ja kohteen kirkkausjakauma Interferoteriassa havaittava suure on visibiliteetti V (u, v) = P n (x, y)i ν (x, y)e i2π(ux+vy) dxdy kohde Taivaannapa m Koordinaatisto: u ja v: B/λ:n projektioita

Lisätiedot

ELEC-C1110 Automaatio- ja systeemitekniikan. Luento 11 Esimerkki automaation soveltamisesta

ELEC-C1110 Automaatio- ja systeemitekniikan. Luento 11 Esimerkki automaation soveltamisesta ELEC-C1110 Automaatio- ja systeemitekniikan perusteet Luento 11 Esimerkki automaation soveltamisesta Tämän luennon aihe Esimerkki automaation soveltamisesta käytännössä: WorkPartner-palvelurobotti WorkPartner

Lisätiedot

iwitness-harjoitus, kohteen mallinnus

iwitness-harjoitus, kohteen mallinnus Maa-57.1010, Johdanto valokuvaukseen, fotogrammetriaan ja kaukokartoitukseen iwitness-harjoitus, kohteen mallinnus Harjoituksen kulku tiivistettynä A. Aloitustilaisuus 29.1. klo 14.15. B. Mallinnuskuvien

Lisätiedot

Luento 2 Stereokuvan laskeminen. 2008 Maa-57.1030 Fotogrammetrian perusteet 1

Luento 2 Stereokuvan laskeminen. 2008 Maa-57.1030 Fotogrammetrian perusteet 1 Luento 2 Stereokuvan laskeminen 2008 Maa-57.1030 Fotogrammetrian perusteet 1 Aiheet Stereokuvan laskeminen stereokuvan piirto synteettisen stereokuvaparin tuottaminen laskemalla stereoelokuva kollineaarisuusyhtälöt

Lisätiedot

Ongelma 1: Onko datassa tai informaatiossa päällekkäisyyttä?

Ongelma 1: Onko datassa tai informaatiossa päällekkäisyyttä? Ongelma 1: Onko datassa tai informaatiossa päällekkäisyyttä? 2012-2013 Lasse Lensu 2 Ongelma 2: Voidaanko dataa tai informaatiota tallettaa tiiviimpään tilaan koodaamalla se uudelleen? 2012-2013 Lasse

Lisätiedot

3D Studio Viz: Valot ja kamerat

3D Studio Viz: Valot ja kamerat 3D Studio Viz: Valot ja kamerat (Huom. Ohjeet Vizin versio 3:lle, mutta samat asiat löytyvät myös versiosta 4.) 1 1. Valot 1.1 Valotyypit 3D Studio Viz:ssä on mahdollista tuottaa kahdentyyppisiä valoja:

Lisätiedot

Ympäristön aktiivinen kaukokartoitus laserkeilaimella: tutkittua ja tulevaisuutta

Ympäristön aktiivinen kaukokartoitus laserkeilaimella: tutkittua ja tulevaisuutta Ympäristön aktiivinen kaukokartoitus laserkeilaimella: tutkittua ja tulevaisuutta Sanna Kaasalainen Kaukokartoituksen ja Fotogrammetrian Osasto Ilmastonmuutos ja ääriarvot 13.9.2012 Ympäristön Aktiivinen

Lisätiedot

LIIKKEENKAAPPAUS- JÄRJESTELMÄN MÄÄRITTÄMINEN JA VALINTA KOULUTUS- JA PIEN- YRITYSYMPÄRISTÖIHIN

LIIKKEENKAAPPAUS- JÄRJESTELMÄN MÄÄRITTÄMINEN JA VALINTA KOULUTUS- JA PIEN- YRITYSYMPÄRISTÖIHIN LIIKKEENKAAPPAUS- JÄRJESTELMÄN MÄÄRITTÄMINEN JA VALINTA KOULUTUS- JA PIEN- YRITYSYMPÄRISTÖIHIN Juhani Partanen Opinnäytetyö Joulukuu 2014 Tietojenkäsittely Pelituotanto 2 TIIVISTELMÄ Tampereen ammattikorkeakoulu

Lisätiedot

plot(f(x), x=-5..5, y=-10..10)

plot(f(x), x=-5..5, y=-10..10) [] Jokaisen suoritettavan rivin loppuun ; [] Desimaalierotin Maplessa on piste. [] Kommentteja koodin sekaan voi laittaa # -merkin avulla. Esim. #kommentti tähän [] Edelliseen tulokseen voi viitata merkillä

Lisätiedot

1/6 TEKNIIKKA JA LIIKENNE FYSIIKAN LABORATORIO V1.31 9.2011

1/6 TEKNIIKKA JA LIIKENNE FYSIIKAN LABORATORIO V1.31 9.2011 1/6 333. SÄDEOPTIIKKA JA FOTOMETRIA A. INSSIN POTTOVÄIN JA TAITTOKYVYN MÄÄRITTÄMINEN 1. Työn tavoite. Teoriaa 3. Työn suoritus Työssä perehdytään valon kulkuun väliaineissa ja niiden rajapinnoissa sädeoptiikan

Lisätiedot

Tehtävä 4.7 Tarkastellaan hiukkasta, joka on pakotettu liikkumaan toruksen pinnalla.

Tehtävä 4.7 Tarkastellaan hiukkasta, joka on pakotettu liikkumaan toruksen pinnalla. Tehtävä.7 Tarkastellaan hiukkasta, joka on pakotettu liikkumaan toruksen pinnalla. x = (a + b cos(θ)) cos(ψ) y = (a + b cos(θ)) sin(ψ) = b sin(θ), a > b, θ π, ψ π Figure. Toruksen hajoituskuva Oletetaan,

Lisätiedot

Maa-57.1030 Fotogrammetrian perusteet

Maa-57.1030 Fotogrammetrian perusteet Maa-57.1030 Fotogrammetrian perusteet 2007 Luento 10 Digitaaliset kuvat, näytöt, visualisointi Petri Rönnholm Minkälainen olikaan digitaalinen kuva? Digitaalinen kuva on matriisi, jossa jokaisella alkiolla

Lisätiedot