커널 생성

SURF(Speeded-Up Robust Features)를 사용한 객체 인식은 특징 추출, 특징 설명, 특징 매칭이라는 세 단계로 구성됩니다. 이 예제에서는 SURF 알고리즘의 첫 번째 단계인 특징 추출을 수행합니다. 여기서 사용된 알고리즘은 OpenSURF 라이브러리 구현을 기반으로 합니다. 이 예제에서는 GPU Coder™를 사용하여 CUDA® 코드 생성을 통해 이 연산 집약적인 문제를 푸는 방법을 보여줍니다.

이 예제에서는 MATLAB® 코드에서 CUDA® MEX를 생성하고 두 영상 간에 특징 매칭을 수행하는 방법을 보여줍니다. 이 예제에서는 Image Processing Toolbox™의 matchFeatures (Computer Vision Toolbox) 함수를 사용하여 서로에 대해 회전되고 스케일링된 두 영상 간의 특징 설명자를 매칭합니다. 두 영상의 특징 설명자는 SURF(Speeded-Up Robust Features) 알고리즘을 사용하여 검출 및 추출됩니다.

이 예제는 영상에서 차선 마커 경계를 검출하여 출력하는 MATLAB® 함수에 대한 CUDA® MEX를 생성하는 방법을 보여줍니다. 이 예제에서는 RGB 영상을 입력값으로 받고 Image Processing Toolbox™의 ordfilt2 (Image Processing Toolbox), hough (Image Processing Toolbox), houghpeaks (Image Processing Toolbox), houghlines (Image Processing Toolbox) 함수를 사용하여 차선이 검출된 출력 영상을 생성합니다.

이 예제에서는 MATLAB® 함수로부터 생성한 CUDA® MEX 함수를 사용하여 영상에서 경계 검출을 수행하는 방법을 보여줍니다. 경계 검출 알고리즘은 반정밀도 데이터형을 사용하여 구현되었습니다.

Generate CUDA® code for a Simulink® model that can detect and output lane marker boundaries on an image. This example takes RGB image as an input and uses the imresize, rgb2gray, ordfilt2 (Image Processing Toolbox), hough (Image Processing Toolbox), houghpeaks (Image Processing Toolbox), and houghlines (Image Processing Toolbox) functions that are part of Image Processing Toolbox™ to detect lane markings. This example closely follows GPU에서 houghlines 함수를 사용한 차선 검출.

A typical implementation of fog rectification algorithm. The example uses conv2, im2gray, and imhist (Image Processing Toolbox) functions. This example closely follows Fog Rectification example. This example illustrates the following concepts: