Computer Vision Toolbox

컴퓨터 비전, 3D 비전 및 비디오 처리 시스템 설계 및 테스트

 

Computer Vision Toolbox™는 컴퓨터 비전, 3D 비전 및 비디오 처리 시스템의 설계 및 테스트용 알고리즘, 함수 및 앱을 제공합니다. 특징 탐지, 추출 및 일치는 물론 객체 탐지와 추적을 수행할 수 있습니다. 3D 비전을 위해 툴박스가 단일, 스테레오 및 어안 카메라 캘리브레이션; 스테레오 비전; 3D 재구성; LIDAR 및 3D 점 구름 처리를 지원합니다. 컴퓨터 비전 앱은 지상 실측 자료 라벨링과 카메라 캘리브레이션 워크플로를 자동화합니다.

YOLO v2, Faster R-CNN 및 ACF와 같은 딥러닝 및 머신러닝 알고리즘을 사용하여 사용자 지정 객체 탐지기를 학습할 수 있습니다. 시맨틱 분할을 위해 SegNet, U-Net 및 DeepLab과 같은 딥러닝 알고리즘을 사용할 수 있습니다. 사전 학습된 모델을 사용하여 얼굴, 보행자 및 기타 일반적인 물건을 탐지할 수 있습니다.

멀티코어 프로세서와 GPU에서 알고리즘을 더 빠르게 실행할 수 있습니다. 대부분의 툴박스 알고리즘은 기존 코드, 데스크탑 프로토타입화 및 임베디드 비전 시스템 배포와 통합하기 위해 C/C++ 코드 생성을 지원합니다.

시작하기:

딥러닝 및 머신러닝

딥러닝과 머신러닝을 사용하여 객체를 탐지, 인식 및 구분합니다.

객체 탐지 및 인식

YOLO v2, Faster R-CNN, ACF 및 Viola-Jones와 같은 객체 탐지기를 학습, 평가 및 배포하기 위한 프레임워크. 객체 인식 기능에는 시각적 단어와 OCR 백이 포함됩니다. 사전 학습된 모델은 얼굴, 보행자 및 기타 일반적인 물건을 탐지합니다.

Faster R-CNN을 사용한 객체 탐지. 

시맨틱 분할

SegNet, FCN, U-Net 및 DeepLab v3+와 같은 네트워크를 통해 개별 픽셀과 복셀을 분류하여 이미지와 3D 볼륨을 분할합니다.

지상 실측 자료 라벨링

Video Labeler 및 Image Labeler 앱을 사용하여 객체 탐지, 시맨틱 분할 및 장면 분류에 대한 라벨링을 자동화합니다.

Video Labeler 앱으로 지상 실측 자료 라벨링

LIDAR 및 3D 점 구름 처리

LIDAR 또는 3D 점 구름 데이터로 기하학적 형태를 분할, 클러스터링, 다운샘플링, 잡음 제거, 정합 및 피팅합니다.

LIDAR 및 점 구름 I/O

파일, LIDAR 및 RGB-D 센서에서 점 구름을 읽고 쓰고 표시합니다.

점 구름 정합

NDT(정규 분포 변형), ICP(반복 최근점) 및 CPD(종합점 드리프트) 알고리즘을 사용하여 3D 점 구름을 정합합니다.

일련의 점 구름 정합 및 스티칭.

분할 및 형태 피팅

점 구름을 클러스터로 분할하고 기하학적 형태를 점 구름에 피팅합니다. 자율주행과 로봇 응용 프로그램을 LIDAR 데이터의 지면으로 분할합니다.

분할된 LIDAR 점 구름.

카메라 캘리브레이션

카메라의 내재, 외재 및 렌즈 왜곡 파라미터를 추정합니다.

단일 카메라 캘리브레이션

바둑판 탐지 자동화 및 Camera Calibrator 앱을 사용한 핀홀과 어안 카메라 캘리브레이션

스테레오 카메라 캘리브레이션

스테레오 쌍을 보정하여 깊이를 계산하고 3D 장면을 재구성합니다.

Stereo Camera Calibrator 앱.

3D 비전 및 스테레오 비전

다수의 2D 뷰에서 장면의 3D 구조를 추출합니다. 시각적 주행거리계를 사용하여 카메라 모션과 포즈를 추정합니다.

스테레오 비전

스테레오 카메라 쌍을 사용하여 깊이를 추정하고 3D 장면을 재구성합니다.

상대 깊이를 나타내는 스테레오 디스패리티 맵.

특징 탐지, 추출 및 매칭

객체 탐지, 이미지 정합 및 객체 인식용 특징 기반 워크플로.

점 특징 탐지, 추출 및 매칭을 사용하여 어수선한 장면에서 객체 탐지하기.

특징 기반 이미지 정합

다수의 이미지 특징을 일치시켜 이미지 간의 기하학적 변환을 추정하고 이미지 시퀀스를 정합합니다.

특징 기반 정합으로 생성된 파노라마.

객체 추적 및 움직임 추정

비디오 및 이미지 시퀀스에서 움직임을 추정하고 객체를 추적합니다.

움직임 추정

옵티컬 플로우, 블록 매칭 및 템플릿 매칭을 사용하여 비디오 프레임들 간의 움직임을 추정합니다.

고정 카메라로 움직이는 물체를 탐지합니다.

OpenCV 인터페이스

OpenCV 기반 프로젝트 및 함수로 MATLAB 및 Simulink를 사용할 수 있습니다.

코드 생성

신속한 프로토타이핑, 구현 및 검증 워크플로로 알고리즘 개발을 통합합니다.

최신 기능

점 구름 딥러닝

3차원 점 구름의 객체 검출 및 분류

큰 이미지를 사용한 딥러닝

매우 큰 이미지에 대해 딥러닝 객체 검출기 및 의미론적 분할 네트워크를 학습시키고 사용

SLAM(Simultaneous Localization and Mapping)

점 구름 및 카메라 SLAM 수행

바코드 읽기 프로그램

1차원 및 2차원 바코드 검출 및 디코딩

SSD 객체 검출

SSD(Single Shot Multibox Object Detector)를 사용하여 이미지에서 객체 검출

이 기능과 그에 상응하는 함수에 대한 세부 정보는 릴리스 정보를 참조합니다.