Computer Vision Toolbox
Diseño y simulación de sistemas de procesamiento de vídeo, visión artificial y visión 3D
Computer Vision System Toolbox™ proporciona algoritmos, funciones y apps para el diseño y la realización de pruebas de sistemas de procesamiento de vídeo, visión artificial y visión 3D. Es posible llevar a cabo la detección y el seguimiento de objetos, así como la detección, extracción y coincidencia de características. En el caso de la visión 3D, la toolbox soporta la calibración de cámaras simples, estéreo y ojo de pez, la visión en estéreo, la reconstrucción 3D y el procesamiento de nubes de puntos lidar y 3D. Las apps de visión artificial automatizan los flujos de trabajo de etiquetado de validación (ground-truth) y de calibración de cámaras.
Existe la posibilidad de entrenar detectores de objetos personalizados mediante algoritmos de deep learning y machine learning como YOLO v2, Faster R-CNN y ACF. Para la segmentación semántica, se pueden usar algoritmos de deep learning como SegNet, U-Net y DeepLab. Los modelos previamente entrenados permiten detectar caras, peatones y otros objetos comunes.
Puede acelerar los algoritmos mediante su ejecución en procesadores multinúcleo y GPUs. La mayoría de los algoritmos de esta toolbox soportan la generación de código C/C++ para su integración con el código existente, el prototipado de escritorio y el desarrollo de sistemas de visión embebidos.
Deep learning y machine learning
Detecte, reconozca y segmente objetos mediante deep learning y machine learning.
Detección y reconocimiento de objetos
Marcos para entrenar, evaluar e implementar detectores de objetos como YOLO v2, Faster R-CNN, ACF y Viola-Jones. Entre las capacidades de reconocimiento de objetos están OCR y bolsa de palabras visuales. Los modelos previamente entrenados detectan caras, peatones y otros objetos comunes.
Detección de objetos mediante Faster R-CNN.
Segmentación semántica
Segmente imágenes y volúmenes 3D mediante la clasificación de píxeles y vóxeles individuales mediante redes como SegNet, FCN, U-Net y DeepLab v3+.
Etiquetado de validación (ground-truth)
Automatice el etiquetado para detección de objetos, segmentación semántica y clasificación de escenas mediante las apps Video Labeler e Image Labeler.
Etiquetado de validación (ground-truth) con la app Video Labeler.
Procesamiento de nubes de puntos 3D y lidar
Lleve a cabo segmentación, agrupación en cluster, disminución de la tasa de muestreo, eliminación de ruido, registro y ajuste de formas geométricas con datos de nube de puntos 3D o lidar.
E/S de nubes de puntos y lidar
Lea, escriba y visualice nubes de puntos a partir de archivos, lidar y sensores RGB-D.
Visualización de nube de puntos 3D.
Registro de nubes de puntos
Registre nubes de puntos 3D mediante los algoritmos NDT (transformada de distribuciones normales), ICP (punto más cercano iterativo) y CPD (movimiento de puntos coherente).
Registro y stitching de una serie de nubes de puntos.
Segmentación y ajuste de formas
Segmente nubes de puntos en clusters y ajuste las formas geométricas a nubes de puntos. Segmente el plano de tierra de los datos de lidar para aplicaciones de conducción autónoma y robótica.
Segmentación de una nube de puntos lidar.
Calibración de cámaras
Calcule los parámetros intrínsecos, extrínsecos y de distorsión de lente de las cámaras.
Calibración de una cámara simple
Automatice la detección del tablero de ajedrez y calibre las cámaras estenopeicas y ojo de pez mediante la app Camera Calibrator.
Calibración de cámaras estéreo
Calibre un par de cámaras estéreo para calcular la profundidad y reconstruir escenas 3D.
App Stereo Camera Calibrator.
Visión 3D y visión en estéreo
Extraiga la estructura 3D de una escena a partir de varias vistas 2D. Calcule el movimiento y la posición de la cámara mediante odometría visual.
Visión 3D
Obtenga la estructura a partir del movimiento y la odometría visual.
Estructura multivista a partir del movimiento.
Visión en estéreo
Calcule la profundidad y reconstruya una escena 3D mediante un par de cámaras estéreo.
Mapa de disparidad estéreo que representa las profundidades relativas.
Detección, extracción y coincidencia de características
Flujos de trabajo basados en características para detección de objetos, registro de imágenes y reconocimiento de objetos.
Detección, extracción y coincidencia de características
Detecte, extraiga y haga coincidir características de interés como blobs, bordes y esquinas en diversas imágenes.
Detección de un objeto en una escena desordenada a través de la detección, extracción y coincidencia de características mediante puntos.
Registro de imágenes basado en características
Haga coincidir características en varias imágenes para calcular las transformaciones geométricas entre imágenes y registrar secuencias de imágenes.
Panorama creado mediante el registro basado en características.
Seguimiento de objetos y cálculo del movimiento
Calcule el movimiento y lleve a cabo el seguimiento de objetos en secuencias de vídeo e imágenes.
Seguimiento de objetos
Realice un seguimiento de las trayectorias de los objetos de un cuadro a otro en secuencias de vídeo.
Las estelas indican las trayectorias de los objetos seguidos.
Cálculo del movimiento
Calcule el movimiento entre distintos cuadros de vídeo mediante flujo óptico, coincidencia de bloques y coincidencia de plantillas.
Detección de objetos en movimiento con una cámara fija.
Interfaz OpenCV
Establezca una interfaz entre MATLAB y los proyectos basados en OpenCV.
Generación de código
Integre el desarrollo de algoritmos con flujos de trabajo de prototipado rápido, implementación y verificación.
Generación de código
Genere C/C++, código CUDA y funciones MEX para funciones, clases, System objects y bloques de toolbox.
Funcionalidades más recientes
App Video Labeler
Etiquetado interactivo y semiautomático de datos de validación (ground-truth) en un origen de datos de vídeo, de secuencias de imágenes o personalizado.
Detector de objetos YOLO v2
Entrene un detector de objetos “You Only Look Once” (YOLO) v2 de deep learning.
Segmentación semántica 3D
Clasifique regiones de píxeles en volúmenes 3D mediante deep learning.
Segmentación de lidar
Segmente puntos de tierra a partir de datos de lidar 3D organizados y organice las nubes de puntos en clusters.
Generación de código para procesamiento de nubes de puntos
Genere código C para funciones de procesamiento de nubes de puntos mediante MATLAB Coder.
Consulte las notas de la versión para obtener detalles sobre estas características y las funciones correspondientes.
