Computer Vision Toolbox™는 컴퓨터 비전, 3차원 비전, 비디오 처리 시스템을 설계하고 테스트하기 위한 알고리즘, 함수 및 앱을 제공합니다. 특징 검출, 특징 추출 및 특징 매칭과 더불어 객체 검출 및 객체 추적을 수행할 수 있습니다. 단일 카메라, 스테레오 카메라, 어안 카메라의 보정 워크플로를 자동화할 수 있습니다. 3차원 비전의 경우, 이 툴박스는 시각적 SLAM과 포인트 클라우드 SLAM, 스테레오 비전, 움직임 기반 구조, 포인트 클라우드 처리를 지원합니다. 컴퓨터 비전 앱을 통해 실측 데이터 레이블 지정과 카메라 보정 워크플로를 자동화할 수 있습니다.
YOLO, SSD, ACF 등의 딥러닝 및 머신러닝 알고리즘을 사용하여 사용자 지정 객체 검출기를 훈련시킬 수 있습니다. 의미론적 분할과 인스턴스 분할의 경우, U-Net 및 Mask R-CNN 같은 딥러닝 알고리즘을 사용할 수 있습니다. 이 툴박스는 메모리에 담을 수 없을 정도로 큰 영상을 분석할 때 사용할 수 있는 객체 검출 알고리즘과 분할 알고리즘을 제공합니다. 사전 훈련된 모델로 얼굴, 보행자, 기타 일반 객체를 검출할 수 있습니다.
알고리즘을 멀티코어 프로세서 및 GPU에서 실행하여 가속화할 수 있습니다. 툴박스 알고리즘은 기존 코드와의 통합, 데스크탑 프로토타이핑, 임베디드 비전 시스템 배포를 위한 C/C++ 코드 생성을 지원합니다.
영상 및 비디오 실측 레이블 지정
비디오 레이블 지정기 앱과 영상 레이블 지정기 앱을 사용하여 객체 검출, 의미론적 분할, 인스턴스 분할, 장면 분류의 레이블 지정을 자동화할 수 있습니다.
자동 외관 검사
Computer Vision Toolbox의 자동 외관 검사 라이브러리를 사용하여 이상 또는 결함을 식별함으로써 제조의 품질 보증 공정을 보조하고 개선할 수 있습니다.
라이다 및 3D 포인트 클라우드 처리
라이다, 스테레오 또는 RGBD 센서에서 나온 포인트 클라우드 데이터를 사용하여 기하학적 형상에 대한 세그먼트화, 군집화, 다운샘플링, 잡음 제거, 정합에 활용할 수 있습니다. Lidar Toolbox™는 라이다 처리 시스템의 설계, 분석 및 테스트를 위한 추가 기능을 제공합니다.
제품 관련 자료:
“데이터 주석부터 딥러닝 모델의 선택, 훈련, 테스트, 미세 조정에 이르기까지, MATLAB에는 우리에게 필요한 모든 툴이 있었습니다. 또한 GPU Coder 덕분에 GPU 관련 경험이 부족했어도 NVIDIA GPU로의 배포를 신속히 진행할 수 있었습니다.”
Valerio Imbriolo, Drass Group