Computer Vision Toolbox
Entwurf und Test von Computer Vision-Systemen
Haben Sie noch Fragen? Kontaktieren Sie den Vertrieb.
Haben Sie noch Fragen? Kontaktieren Sie den Vertrieb.
Die Computer Vision Toolbox beinhaltet Algorithmen und Apps zum Entwerfen und Testen von Computer-Vision-Systemen. Sie ermöglicht Sichtprüfung, Objekterkennung und -Tracking sowie Merkmalserkennung, -extraktion und -abgleich. Automatisieren Sie Kalibrierungsabläufe für Einzel-, Stereo- und Fisheye-Kameras. Für 3D-Vision unterstützt die Toolbox Stereosicht, Punktwolkenverarbeitung, Structure from Motion (SfM) sowie visuelles und Punktwolken-SLAM in Echtzeit. Computer-Vision-Apps ermöglichen die teambasierte Kennzeichnung der Ground Truth mit Automatisierung sowie die Kamerakalibrierung.
Sie können vortrainierte Objektdetektoren nutzen oder Objektdetektoren individuell mithilfe von Deep-Learning- und Machine-Learning-Algorithmen wie YOLO, SSD und ACF trainieren. Bei der semantischen Segmentierung und Instanz-Segmentierung können Sie Deep-Learning-Algorithmen wie U-Net, SOLO und Mask R-CNN verwenden. Sie können eine Bildklassifizierung mithilfe von Vision-Transformers wie ViT durchführen. Mit vortrainierten Modellen können Sie Gesichter und Fußgänger erkennen, optische Zeichenerkennung (OCR) ausführen und andere gängige Objekte erkennen.
Sie können Ihre Algorithmen beschleunigen, indem Sie sie auf Mehrkernprozessoren und Grafikkarten ausführen. Die Algorithmen der Toolbox unterstützen die Codegenerierung in C/C++ für die Integration von vorhandenem Code, das Desktop-Prototyping und die Bereitstellung auf Embedded-Vision-Systemen.
Automatisieren Sie die Kennzeichnung für die Objekterkennung, die semantische Segmentierung, die Instanzsegmentierung und die Szenenklassifikation mithilfe der Apps Video Labeler und Image Labeler.
Trainieren Sie Machine-Learning-Modelle und Deep-Learning-Netze – oder verwenden Sie vortrainierte Netze – zur Objekterkennung und Segmentierung. Bewerten Sie die Leistung dieser Netze und stellen Sie sie durch die Generierung von C/C++ oder CUDA® Code bereit.
Verwenden Sie die Automated Visual Inspection Library, um automatisch im Rahmen der industriellen Qualitätssicherung Anomalien und Fehler zu ermitteln.
Schätzen Sie die intrinsischen, extrinsischen und objektverzerrenden Parameter von Monokular- und Stereokameras mithilfe der Camera Calibrator-App und derStereo Camera Calibrator-App.
Extrahieren Sie die 3D-Struktur einer Szene aus mehreren 2D-Ansichten. Schätzen Sie Kameraposition und -ausrichtung hinsichtlich ihrer Umgebung. Präzisieren Sie die Lageabschätzungen mithilfe der Bündelausgleichung und der Optimierung des Pose-Graphen.
Führen Sie Segmentierung, Clustering, Downsampling, Rauschentfernung, Registrierung und Anpassung geometrischer Formen für LiDAR- oder 3D-Punktwolken-Daten durch. Die Lidar Toolbox stellt zusätzliche Funktionen für das Design, die Analyse und den Test von LiDAR-verarbeitenden Systemen bereit.
Sie können Merkmale von Bedeutung, wie Flächen, Kanten und Ecken, bildübergreifend erkennen, extrahieren und abgleichen. Verwenden Sie die abgeglichenen Merkmale zur Registrierung und Objektklassifizierung oder bei komplexen Abläufen wie SLAM.
Schätzen Sie Bewegungen und verfolgen Sie mehrere Objekte in Video- und Bildsequenzen.
Generieren Sie Code aus Ihren Computer-Vision-Algorithmen zum Rapid Prototyping, zur Bereitstellung und zur Verifikation. Integration von OpenCV-basierten Projekten und Funktionen in MATLAB und Simulink.
„Wir können mit wenigen Zeilen MATLAB Programmcode auf Machine-Learning-Funktionen zugreifen. Die Codegenerierung ermöglicht dann ohne manuelles Eingreifen oder Verzögerungen im Ablauf die Bereitstellung trainierter Klassifizierer im Gerät.“
30 Tage kostenlos ausprobieren.
Angebot anfordern und Erweiterungsprodukte entdecken.
Ihre Hochschule bietet möglicherweise bereits Zugang zu MATLAB, Simulink und Add-on-Produkten über eine Campus-Wide License.