Main Content

이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

Computer Vision Toolbox

컴퓨터 비전 시스템 설계 및 테스트

Computer Vision Toolbox™는 컴퓨터 비전 시스템을 설계하고 테스트하기 위한 알고리즘 및 앱을 제공합니다. 특징 검출, 특징 추출 및 특징 매칭과 더불어 외관 검사, 객체 검출 및 객체 추적을 수행할 수 있습니다. 단일 카메라, 스테레오 카메라, 어안 카메라의 보정 워크플로를 자동화할 수 있습니다. 3차원 비전을 위해 스테레오 비전, 포인트 클라우드 처리, 움직임 기반 구조, 실시간 시각 기반 SLAM과 포인트 클라우드 SLAM을 지원합니다. 컴퓨터 비전 앱을 통해, 카메라 보정뿐만 아니라 자동화를 통해 팀 기반의 ground truth 레이블 지정이 가능합니다.

사전 훈련된 객체 검출기를 사용하거나, YOLO, SSD, ACF 등의 딥러닝 및 머신러닝 알고리즘을 사용하여 사용자 지정 검출기를 훈련시킬 수 있습니다. 의미론적 분할과 인스턴스 분할의 경우, U-Net, SOLO 및 Mask R-CNN 같은 딥러닝 알고리즘을 사용할 수 있습니다. ViT와 같은 Vision Transformer를 사용하여 영상 분류를 수행할 수 있습니다. 사전 훈련된 모델을 사용하면 얼굴과 보행자를 검출하고 광학 문자 인식(OCR)을 수행하며 기타 일반 객체를 인식할 수 있습니다.

멀티코어 프로세서와 GPU에서 알고리즘을 실행하면 실행 속도를 높일 수 있습니다. 툴박스 알고리즘은 기존 코드와의 통합, 데스크탑 프로토타이핑, 임베디드 비전 시스템 배포를 위한 C/C++ 코드 생성을 지원합니다.

Computer Vision Toolbox 시작하기

Computer Vision Toolbox의 기본 사항 배우기

특징 검출 및 추출

영상 정합, 관심점 검출, 특징 설명자 추출, 특징점 매칭 및 영상 검색

영상 및 비디오 Ground Truth 레이블 지정하기

객체 검출, 의미론적 분할, 인스턴스 분할, 영상 분류를 사용하는 딥러닝을 위해 대화형 방식으로 영상과 비디오의 레이블을 지정하여 훈련 데이터 생성

인식, 객체 검출 및 의미론적 분할

특징을 사용한 인식, 분류, 의미론적 영상 분할, 인스턴스 분할, 객체 검출과 CNN, YOLO, SSD를 사용한 딥러닝 객체 검출

카메라 보정

단일 카메라나 스테레오 카메라를 보정하고, 핀홀 및 어안 카메라 모델을 사용하여 카메라 내부, 외부 및 왜곡 파라미터를 추정

움직임 기반 구조 및 시각 기반의 SLAM

스테레오 비전, 삼각분할, 3차원 복원, 시각 기반의 동시적 위치추정 및 지도작성(vSLAM)

포인트 클라우드 처리

기하학적 형상에 대해 전처리, 시각화, 정합, 피팅을 수행, 맵 작성, SLAM 알고리즘 구현, 3차원 포인트 클라우드에 딥러닝 사용

추적 및 움직임 추정

광학 흐름, 활동 인식, 움직임 추정, 객체 재식별, 추적

코드 생성, GPU 및 타사 지원

C/C++ 및 GPU 코드 생성 및 가속, HDL 코드 생성, MATLAB 및 Simulink용 OpenCV 인터페이스

Simulink를 사용한 컴퓨터 비전

Simulink®에서 지원하는 컴퓨터 비전 응용 분야