MATLAB und Simulink für Embedded Vision

CPUs als Zielhardware

Verwenden Sie MATLAB Coder, um C- und C++-Code für Algorithmen des maschinellen Sehens zu generieren, die Sie in MATLAB entwickeln. Integrieren Sie optimierte Bibliotheken wie die ARM^® Compute Library für ARM-Architekturen und die MKL-DNN-Bibliothek für Intel^® CPUs.

Ausrichtung auf GPUs

Verwenden Sie GPU Coder, um von MATLAB aus optimierten CUDA-Code zu generieren. Mit diesem können Sie dann Prototypen auf GPU-basierten Hardwareplattformen wie NVIDIA^® Jetson™ und DRIVE™ erstellen.

FPGAs und ASICs als Zielhardware

Verwenden Sie HDL Coder, um Verilog- und VHDL-Code aus Algorithmen des maschinellen Sehens zu generieren, die Sie mit Simulink und der Vision HDL Toolbox für FPGA- und ASIC-basierte Plattformen entwerfen.

Testen und Verifikation

Führen Sie Rapid Prototyping, PIL-Simulationen (Processor-in-the-Loop) und HIL-Simulationen (Hardware-in-the-Loop) mit HDL Verifier, Simulink Real-Time, Embedded Coder und Simulink Desktop Real-Time durch, um Ihren generierten Code effizient zu testen und zu verifizieren.

Verbindung mit Embedded Hardware und Bereitstellung

Wählen Sie aus einer Reihe unterschiedlicher Hardware Support Packages für häufig verwendete Embedded Hardware. So können Sie sofort damit beginnen, reale Daten in MATLAB und Simulink zu empfangen und zu senden, und Sie können ausführbare Dateien zur Nutzung auf Embedded-Hardware-Plattformen automatisch aus Ihren Algorithmen generieren.

Automatisiertes Fahren

Continental verwendet MATLAB für folgende Aufgaben: automatisiertes Lernen unterschiedlicher Arten von Verkehrsschildern, Zugriff auf Datenbanken, Generieren synthetischer Beispielschilder, Erzeugen von Code sowie Überwachung und Bewertung des Klassifikator-Trainings mit interaktiven Apps.

Robotik

Ingenieure von Clearpath Robotics verwenden MATLAB, um Prototypen für Algorithmen zu erstellen und um Daten für die Forschung und Entwicklung in der industriellen Robotik zu analysieren und zu visualisieren.

Medizinische Bildgebung

Infraredx verwendet MATLAB und Simulink, um die FPGA-Entwicklung für intravaskuläre Bildgebungssysteme zu beschleunigen.