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

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33 Numeeriset menetelmät TIEA381 Luento 6 Kirsi Valjus Jyväskylän yliopisto Luento 6 () Numeeriset menetelmät 4.4.2013 1 / 33 Luennon 6 sisältö Interpolointi ja approksimointi Polynomi-interpolaatio: Vandermonden

Lisätiedot

Tik Tietokoneanimaatio

Tik Tietokoneanimaatio Tik-111.5450 Tietokoneanimaatio 4. Kinematiikka 10.10.05 - Tassu Animaatio 2005 - luento 4 1 Sisältö Nivelikäs olio hierarkkisena mallina liitosten vapausasteet ja rajoitteet, eri lajeja DH-notaatio Suora

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

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

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

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

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

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

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

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN

Lisätiedot

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016

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

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 6 To 22.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 6 To 22.9.2011 p. 1/38 p. 1/38 Ominaisarvotehtävät Monet sovellukset johtavat ominaisarvotehtäviin Yksi

Lisätiedot

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN

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

T Studio 4. luento 1: kurssin järjestelyt k-2006 tietokonegrafiikan perusteita Tassu Takala 1

T Studio 4. luento 1: kurssin järjestelyt k-2006 tietokonegrafiikan perusteita Tassu Takala 1 T-111.210 Studio 4 luento 1: kurssin järjestelyt k-2006 tietokonegrafiikan perusteita 20.1.2006 Tassu Takala 1 Kurssin tavoitteet ohjelmoitavan tietokonegrafiikan alkeet grafiikan soveltaminen luovalla

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

Luento 5 Mittakuva. fotogrammetriaan ja kaukokartoitukseen

Luento 5 Mittakuva. fotogrammetriaan ja kaukokartoitukseen Luento 5 Mittakuva 1 Aiheita Mittakuva Muunnokset informaatiokanavassa. Geometrisen tulkinnan vaihtoehdot. Stereokuva, konvergentti kuva. Koordinaatistot. Kuvien orientoinnit. Sisäinen orientointi. Ulkoinen

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

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

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

T Studio 4. luento 1: kurssin järjestelyt k-2007 ( www) aihepiirin yleisesittely tietokonegrafiikan perusteita Tassu Takala 1

T Studio 4. luento 1: kurssin järjestelyt k-2007 ( www) aihepiirin yleisesittely tietokonegrafiikan perusteita Tassu Takala 1 T-111.2210 Studio 4 luento 1: kurssin järjestelyt k-2007 ( www) aihepiirin yleisesittely tietokonegrafiikan perusteita 19.1.2007 Tassu Takala 1 Kurssin tavoitteet ohjelmoitavan tietokonegrafiikan alkeet

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

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

Luento 5 Mittakuva. fotogrammetriaan ja kaukokartoitukseen

Luento 5 Mittakuva. fotogrammetriaan ja kaukokartoitukseen Luento 5 Mittakuva 1 Aiheita Mittakuva Muunnokset informaatiokanavassa. Geometrisen tulkinnan vaihtoehdot. Stereokuva, konvergentti kuva. Koordinaatistot. Kuvien orientoinnit. Sisäinen orientointi. Ulkoinen

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

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

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

SGN-4200 Digitaalinen Audio Harjoitustyö-info

SGN-4200 Digitaalinen Audio Harjoitustyö-info 1 SGN-4200 Digitaalinen Audio Harjoitustyö-info 04.04.2012 Joonas Nikunen Harjoitystyö - 2 Suorittaminen ja Käytännöt Kurssin pakollinen harjoitustyö: Harjoitellaan audiosignaalinkäsittelyyn tarkoitetun

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

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

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

1 Vrms 2 Skewness 3 Kurtosis 4 Amax 5 Amin. 11 A4xbf 12 A7xbf 13 A14xbf 14 A1xrotf 15 A2xrotf. 16 A3xrotf 17 A4xrotf 18 A1to4xrotf 19 Vrms10to100

1 Vrms 2 Skewness 3 Kurtosis 4 Amax 5 Amin. 11 A4xbf 12 A7xbf 13 A14xbf 14 A1xrotf 15 A2xrotf. 16 A3xrotf 17 A4xrotf 18 A1to4xrotf 19 Vrms10to100 JAVO mittaukset 4..006 -Primaari-ilmapuhallin I - keruutaajuus.56 x khz, kiihtyvyysmittaus - aikasarjan talletus, T 1s, 15 min välein, 500 kertaa 8 6 4 5 7 1 'PA fan 1, motor current' 'PA fan, motor current'

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 22. marraskuuta 2007 Antti Rasila () TodB 22. marraskuuta 2007 1 / 17 1 Epäparametrisia testejä (jatkoa) χ 2 -riippumattomuustesti 2 Johdatus regressioanalyysiin

Lisätiedot

Kohdeyleisö: toisen vuoden teekkari

Kohdeyleisö: toisen vuoden teekkari Julkinen opetusnäyte Yliopisto-opettajan tehtävä, matematiikka Klo 8:55-9:15 TkT Simo Ali-Löytty Aihe: Lineaarisen yhtälöryhmän pienimmän neliösumman ratkaisu Kohdeyleisö: toisen vuoden teekkari 1 y y

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

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

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Ojalammi MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016 Laskuharjoitus 4A (Vastaukset) alkuviikolla

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

Visualisoinnin perusteet

Visualisoinnin perusteet 1 / 12 Digitaalisen arkkitehtuurin yksikkö Aalto-yliopisto Visualisoinnin perusteet Mitä on renderöinti? 2 / 12 3D-mallista voidaan generoida näkymiä tietokoneen avulla. Yleensä perspektiivikuva Valon

Lisätiedot

Luento 6: Geometrinen mallinnus

Luento 6: Geometrinen mallinnus Tietokonegrafiikan perusteet T-111.4300 3 op Luento 6: Geometrinen mallinnus Lauri Savioja, Janne Kontkanen 11/2007 Geometrinen mallinnus / 1 Sisältö Mitä on geometrinen mallinnus tietokonegrafiikassa

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti SG-1200 Signaalinkäsittelyn menetelmät, Tentti 21.3.2006 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle

Lisätiedot

Luento 2: Viivan toteutus

Luento 2: Viivan toteutus Tietokonegrafiikan perusteet T-111.4300 3 op Luento : Viivan toteutus Lauri Savioja 11/07 Primitiivien toteutus / 1 GRAAFISTEN PRIMITIIVIEN TOTEUTUS HUOM! Oletuksena on XY-koordinaatisto Suorien viivojen

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35 Numeeriset menetelmät TIEA381 Luento 8 Kirsi Valjus Jyväskylän yliopisto Luento 8 () Numeeriset menetelmät 11.4.2013 1 / 35 Luennon 8 sisältö Interpolointi ja approksimointi Funktion approksimointi Tasainen

Lisätiedot

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Vesanen MS-A0205/6 Differentiaali- ja integraalilaskenta 2, kevät 2017 Laskuharjoitus 4A (Vastaukset) alkuviikolla

Lisätiedot

Luento 4 Georeferointi Maa Fotogrammetrian perusteet 1

Luento 4 Georeferointi Maa Fotogrammetrian perusteet 1 Luento 4 Georeferointi 2007 Maa-57.1030 Fotogrammetrian perusteet 1 Sisältö Georeferointi käsitteenä Orientoinnit Stereokuvaparin mittaus Stereomallin ulkoinen orientointi (= absoluuttinen orientointi)

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45 MS-A0003/A0005 Matriisilaskenta Laskuharjoitus / vko 5 Tehtävä 1 (L): Hahmottele kompleksitasoon ne pisteet, jotka toteuttavat a) z 3 =, b) z + 3 i < 3, c) 1/z >. Yleisesti: ehto z = R, z C muodostaa kompleksitasoon

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

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

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

TIES411 Konenäkö ja kuva-analyysi Oppimispäiväkirja.

TIES411 Konenäkö ja kuva-analyysi Oppimispäiväkirja. TIES411 Konenäkö ja kuva-analyysi Oppimispäiväkirja. Tämän oppimispäiväkirjan on kirjoittanut Peter Ciszek, kurssista TIES411 Konenäkö ja kuvaanalyysi. Viikko 43 Ensimmäisellä viikko kurssilla käytettiin

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

Havaitsevan tähtitieteen peruskurssi I, yhteenveto

Havaitsevan tähtitieteen peruskurssi I, yhteenveto Havaitsevan tähtitieteen peruskurssi I, yhteenveto Luento 23.4.2009, T. Hackman & J. Näränen 1. Yleisesti tärkeätä Peruskäsitteet Mitä havaintomenetelmää kannatta käyttää? Minkälaista teleskooppia millekin

Lisätiedot

Mekanismisynteesi. Kari Tammi, Tommi Lintilä (Janne Ojalan kalvojen pohjalta)

Mekanismisynteesi. Kari Tammi, Tommi Lintilä (Janne Ojalan kalvojen pohjalta) Mekanismisynteesi Kari Tammi, Tommi Lintilä (Janne Ojalan kalvojen pohjalta) 1 Sisältö Synteesin ja analyysin erot Mekanismisynteesin vaiheita Mekanismin konseptisuunnittelu Tietokoneavusteinen mitoitus

Lisätiedot

Luento 7: Lokaalit valaistusmallit

Luento 7: Lokaalit valaistusmallit Tietokonegrafiikan perusteet T-111.4300 3 op Luento 7: Lokaalit valaistusmallit Lauri Savioja 11/07 Lokaalit valaistusmallit / 1 Sävytys Interpolointi Sisältö Lokaalit valaistusmallit / 2 1 Varjostustekniikat

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

Tik Tietokoneanimaatio

Tik Tietokoneanimaatio Tik-111.5450 Tietokoneanimaatio 9.luento: flexible materials, shape deformations 28.11.05 - Tassu Animaatio 2005 - luento 9 1 Sisältö Tavoite: malli elävämpi jos ei ole jäykkä kiinteä kappale Sovelluksia:

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

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

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

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 7 Ti 27.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 7 Ti 27.9.2011 p. 1/39 p. 1/39 Interpolointi Ei tunneta funktion f : R R lauseketta, mutta tiedetään funktion

Lisätiedot

Antti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16

Antti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16 MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Antti Rasila Matematiikan ja systeemianalyysin laitos

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

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

Organization of (Simultaneous) Spectral Components

Organization of (Simultaneous) Spectral Components Organization of (Simultaneous) Spectral Components ihmiskuulo yrittää ryhmitellä ja yhdistää samasta fyysisestä lähteestä tulevat akustiset komponentit yhdistelyä tapahtuu sekä eri- että samanaikaisille

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

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

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

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

ELEC-A3110 Mekaniikka (5 op)

ELEC-A3110 Mekaniikka (5 op) ELEC-A3110 Mekaniikka (5 op) Yliopistonlehtori, tkt Sami Kujala Mikro- ja nanotekniikan laitos Syksy 2016 1 / 21 Luento 2: Kertausta ja johdantoa Suoraviivainen liike Jumppaa Harjoituksia ja oivalluksia

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

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

Lisätiedot

9. Tila-avaruusmallit

9. Tila-avaruusmallit 9. Tila-avaruusmallit Aikasarjan stokastinen malli ja aikasarjasta tehdyt havainnot voidaan esittää joustavassa ja monipuolisessa muodossa ns. tila-avaruusmallina. Useat aikasarjat edustavat dynaamisia

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

Luento 7: 3D katselu. Sisältö

Luento 7: 3D katselu. Sisältö Tietokonegrafiikka / perusteet Tik-.3/3 4 ov / 2 ov Luento 7: 3D katselu Lauri Savioja /4 3D katselu / Sisältö Koorinaattimuunnokset Kameran ja maailmankoorinaatiston yhteys Perspektiivi 3D katselu / 2

Lisätiedot

Tekijä Pitkä matematiikka Suoran pisteitä ovat esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4).

Tekijä Pitkä matematiikka Suoran pisteitä ovat esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4). Tekijä Pitkä matematiikka 4 9.12.2016 212 Suoran pisteitä ovat esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4). Vastaus esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4) 213 Merkitään pistettä

Lisätiedot

Objektien deformaatiot

Objektien deformaatiot T-111.450 Tietokoneanimaatio ja mallintaminen Lauri Savioja Teknillinen korkeakoulu Tietoliikenneohjelmistojen ja multimedian laboratorio 03/02 Animaatio / 1 Objektien deformaatiot Perinteisessä animaatiossa

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

Vanhoja koetehtäviä. Analyyttinen geometria 2016

Vanhoja koetehtäviä. Analyyttinen geometria 2016 Vanhoja koetehtäviä Analyyttinen geometria 016 1. Määritä luvun a arvo, kun piste (,3) on käyrällä a(3x + a) = (y - 1). Suora L kulkee pisteen (5,1) kautta ja on kohtisuorassa suoraa 6x + 7y - 19 = 0 vastaan.

Lisätiedot

Havaitsevan tähtitieteen pk1 luento 12, Astrometria. Kalvot: Jyri Näränen, Mikael Granvik & Veli-Matti Pelkonen

Havaitsevan tähtitieteen pk1 luento 12, Astrometria. Kalvot: Jyri Näränen, Mikael Granvik & Veli-Matti Pelkonen Havaitsevan tähtitieteen pk1 luento 12, Astrometria Kalvot: Jyri Näränen, Mikael Granvik & Veli-Matti Pelkonen 12. Astrometria 1. 2. 3. 4. 5. Astrometria Meridiaanikone Suhteellinen astrometria Katalogit

Lisätiedot

JYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö

JYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö JYVÄSKYLÄN YLIOPISTO 3. Luennon sisältö Lineaarisen optimointitehtävän sallittu alue Optimointitehtävien muunnoksia Lineaarisen yhtälöryhmän perusmuoto ja perusratkaisut Lineaarisen optimointitehtävän

Lisätiedot

Spektri- ja signaalianalysaattorit

Spektri- ja signaalianalysaattorit Spektri- ja signaalianalysaattorit Pyyhkäisevät spektrianalysaattorit Suora pyyhkäisevä Superheterodyne Reaaliaika-analysaattorit Suora analoginen analysaattori FFT-spektrianalysaattori DFT FFT Analysaattoreiden

Lisätiedot

Tekijä Pitkä matematiikka

Tekijä Pitkä matematiikka K1 Tekijä Pitkä matematiikka 5 7..017 a) 1 1 + 1 = 4 + 1 = 3 = 3 4 4 4 4 4 4 b) 1 1 1 = 4 6 3 = 5 = 5 3 4 1 1 1 1 1 K a) Koska 3 = 9 < 10, niin 3 10 < 0. 3 10 = (3 10 ) = 10 3 b) Koska π 3,14, niin π

Lisätiedot

Etsintä verkosta (Searching from the Web) T Datasta tietoon Heikki Mannila, Jouni Seppänen

Etsintä verkosta (Searching from the Web) T Datasta tietoon Heikki Mannila, Jouni Seppänen Etsintä verkosta (Searching from the Web) T-61.2010 Datasta tietoon Heikki Mannila, Jouni Seppänen 12.12.2007 Webin lyhyt historia http://info.cern.ch/proposal.html http://browser.arachne.cz/screen/

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti SG-00 Signaalinkäsittelyn menetelmät, Tentti..005 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle ja sen

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

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

S09 04 Kohteiden tunnistaminen 3D datasta

S09 04 Kohteiden tunnistaminen 3D datasta AS 0.3200 Automaatio ja systeemitekniikan projektityöt S09 04 Kohteiden tunnistaminen 3D datasta Loppuraportti 22.5.2009 Akseli Korhonen 1. Projektin esittely Projektin tavoitteena oli algoritmin kehittäminen

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 1 23.1.2017 1. Päätösmuuttujiksi voidaan valita x 1 : tehtyjen peruspöytin lukumäärä x 2 : tehtyjen luxuspöytien lukumäärä. Optimointitehtäväksi tulee max 200x 1 + 350x 2 s. t. 5x

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

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

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