Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Techniki obliczeniowe w metodach optycznych
Koordynator przedmiotu:
dr hab. inż. Robert Sitnik, prof. nzw PW
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia II stopnia
Program:
Mechatronika
Grupa przedmiotów:
Obowiązkowe
Kod przedmiotu:
TOMO
Semestr nominalny:
3 / rok ak. 2019/2020
Liczba punktów ECTS:
4
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
1) Liczba godzin bezpośrednich 50, w tym: a) wykład - 15 b) projektowanie - 15 c) laboratorium - 15 d) konsultacje - 3 e) zaliczenie - 2 2) Praca własna studenta 60 w tym: a) zapoznanie się z literaturą i dokumentacją - 20 b) projekt i implementacja aplikacji, optymalizacja, testowanie i dokumentacja - 40 RAZEM 110 (4 ECTS)
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
1) Liczba godzin bezpośrednich 50, w tym: a) wykład - 15 b) projektowanie - 15 c) laboratorium - 15 d) konsultacje - 3 e) zaliczenie - 2 suma: 50 (2 ECTS)
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
O charakterze praktycznym: a) projektowanie - 15 b) laboratorium - 15 c) konsultacje - 3 d) projekt i implementacja aplikacji, optymalizacja, testowanie i dokumentacja - 40 RAZEM 73 (3 ECTS)
Formy zajęć i ich wymiar w semestrze:
  • Wykład15h
  • Ćwiczenia15h
  • Laboratorium0h
  • Projekt15h
  • Lekcje komputerowe0h
Wymagania wstępne:
Rachunek macierzowy. Podstawy programowania w C/C++ lub znajomość środowiska Matlab. Cyfrowe przetwarzanie obrazów. Znajomość zagadnień fizycznych z obszaru metrologii optycznej.
Limit liczby studentów:
60
Cel przedmiotu:
Znajomość podstawowych technik numerycznych niezbędnych do realizacji automatycznej analizy wyników pomiarów optycznych dla danych w postaci: macierzy dwuwymiarowych, trójwymiarowych oraz czterowymiarowych zarówno skalarnych jak i wektorowych. Umiejętność implementacji rozwiązywania układów równań liniowych i nieliniowych. Znajomość zagadnień aproksymacji, interpolacji i ekstrapolacji danych, skalowania/kalibracji wyników oraz łączenia danych z różnych pomiarów oraz różnych technik pomiaru.
Treści kształcenia:
(W) Wstęp do technik obliczeniowych. Rola technik obliczeniowych w realizacji i automatyzacji pomiarów op-tycznych. Dokładność obliczeń numerycznych (reprezentacja liczb całkowitych i zmiennoprzecinkowych, uwarunkowania zadania numerycznego). Aproksymacja i interpolacja. Wielomiany interpolacyjne Lagrange’a, Newtona i Gaussa. Metoda najmniejszych kwadratów. Przykłady. Rozwiązywanie układów równań liniowych. Uwarunkowanie zadania. Metoda eliminacji Gaussa. Rozkład LU nie-osobliwej macierzy kwadratowej. Rozkład SVD. Metody iteracyjne. Przykłady. Rozwiązywanie układów równań nieliniowych. N-punktowe metody iteracyjne, metody stacjonarne. Metoda bisekcji. Metoda Newtona. Metoda siecznych. Porównanie poznanych metod, zagadnienie zbieżności. Przykłady. Propagacja zespolonego sygnału optycznego. Implementacja metod propagacji pola w wolnej przestrzeni z wykorzystaniem dyskretnej transformacji Fouriera (rozkład na fale płaskie, dyfrakcja Rayleigha-Sommerfelda, dyfrakcja Fresnela), algorytm cyfrowej rekonstrukcji hologramu, numeryczna zmiana płaszczyzny odwzorowania Techniki kalibracji i skalowania wyników. Podejście analityczne i eksperymentalne. Przykłady. Optymalizacja. Optymalizacja czasu obliczeń. Efektywne metody analizy dużych zbiorów danych. Przykłady. (C) Analiza 2D. Algorytmy wyznaczania położenia obiektów w przestrzeni obrazu z dokładnością subpikselową. Metody korelacyjne. Techniki usuwania skoków fazy. Przykłady. Analiza 2D(t). Przestrzenno-czasowe i przestrzenno-spektralne metody analizy sygnału (TOCT i SOCT). Przestrzenno-czasowe techniki usuwania skoków fazy. Przykłady. Analiza 3D – opis wokselowy. Algorytmy tomograficzne bazujące na metodach fourierowskich i algebraicznych. Ograniczenia, źródła błędów i metody ich minimalizacji. Przykłady (tomografia absorpcyjna i dyfrakcyjna). Analiza 3D – chmura punktów. Algorytmy filtracji oraz wygładzania danych. Algorytmy upraszczania (adaptacyjne, jednorodne). Metody triangulacji oraz parametryzacji chmur punktów. Algorytmy identyfikacji struktur. Tworzenie tekstury. Przykłady. Analiza 3D(t) – chmura punktów. Algorytmy filtracji oraz wygładzania danych. Algorytmy śledzenia struktur. Przykłady. Łączenie zbiorów danych. Algorytmy poszukiwania transformacji pomiędzy pomiarami z wielu kierunków (do sześciu stopni swobody dla każdego zbioru). Algorytmy integracji pomiarów z różnych metod pomiarowych. (P) Wybrane zagadnienie z przetwarzania danych. Zadanie do wykonania w postaci samodzielnego opracowania optymalnej metody obliczeń oraz jej implementacji. Wymagane samodzielne opracowanie ścieżki przetwarzania danych. Następnie implementacja tej ścieżki w C++ lub środowisku Matlab. Optymalizacja czasu obliczeń.
Metody oceny:
Średnia wyników z kolokwium (25% oceny końcowej). Oceny z ćwiczeń (25% oceny końcowej). Ocena za projekt (50% oceny końcowej).
Egzamin:
nie
Literatura:
1. W.H. Press, B.P. Flannery, S.A. Teukolsky, W.T. Vetterling: Numerical Recipes in C: The Art of Scientific Computing, Cambridge University Press, 1992. Wersja online: http://www.nrbook.com/ 2. Z. Fortuna, B. Macukow, J. Wasowski, Metody numeryczne, Wyd. Naukowo-Techniczne, Warszawa 1998 3. K. Patorski, M. Kujawinska, L. Sałbut, Interferometria laserowa z automatyczna analizą obrazu, Oficyna Wydawnicza PW, Warszawa 2005 4. T.P. Zieliński: Cyfrowe przetwarzanie sygnałów, Wyd. Komunikacji i Łączności, Warszawa 2005 5. K.D. Moller: OPTICS Learning by Computing, Springer, Newark 2007 6. J. W. Goodman: Introduction to Fourier Optics, 2nd ed., McGraw-Hill, New York 1996
Witryna www przedmiotu:
brak
Uwagi:

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Charakterystyka TOO_W01
Zna podstawowe techniki i algorytmy analizy danych 1D/2D/3D/4D z pomiarów optycznych oraz metody optymalizacji algorytmów
Weryfikacja: Zaliczenie kolokwium w trakcie wykładu
Powiązane charakterystyki kierunkowe: K_W05, K_W13
Powiązane charakterystyki obszarowe: P7U_W, I.P7S_WG.o

Profil ogólnoakademicki - umiejętności

Charakterystyka TOO_U01
Potrafi zaprojektować i zaimplementować algorytmy numerycznego przetwarzania danych z pomiarów optycznych w języku obiektowym C++
Weryfikacja: Zaliczenie labolatorium oraz projektu programistycznego C++ z przetwarzania danych 2D/3D/4D
Powiązane charakterystyki kierunkowe: K_U09, K_U01, K_U02, K_U06, K_U08
Powiązane charakterystyki obszarowe: I.P7S_UW.o, III.P7S_UW.o, P7U_U, I.P7S_UK, I.P7S_UO

Profil ogólnoakademicki - kompetencje społeczne

Charakterystyka TOO_K01
Potrafi pracować w zespole podczas planowania zadań oraz przeprowadzania eksperymentu
Weryfikacja: Zaliczenie ćwiczeń w laboratorium oraz projektu
Powiązane charakterystyki kierunkowe: K_K04
Powiązane charakterystyki obszarowe: P7U_K, I.P7S_KO, I.P7S_KR