主要内容

视觉感知

使用机器学习和深度学习的车道边界、行人、车辆和其他物体检测

你可以使用机器学习和深度学习技术来检测物体。您还可以使用随机样本共识(RANSAC)算法对抛物线或立方车道边界进行分段、检测和建模。在检测对象之后,使用自动驾驶工具箱™功能评估和可视化检测结果。

功能

全部展开

peopleDetectorACF 使用聚合通道特性检测人员
vehicleDetectorACF 使用聚合通道特性的负载车辆检测器
acfObjectDetector 使用聚合通道特性检测对象
configureDetectorMonoCamera 配置目标检测器使用校准单目相机
acfObjectDetectorMonoCamera 利用聚合通道特征检测单目摄像机中的目标
trainACFObjectDetector 训练ACF对象检测器
objectDetectorTrainingData 创建对象检测器的训练数据
愿景。PeopleDetector 使用HOG特征检测正直的人
愿景。CascadeObjectDetector 使用Viola-Jones算法检测对象
trainCascadeObjectDetector 训练级联对象检测器模型
vehicleDetectorFasterRCNN 使用Faster R-CNN检测车辆
fastRCNNObjectDetector 使用Fast R-CNN深度学习检测器检测对象
fasterRCNNObjectDetector 使用Faster R-CNN深度学习检测器检测对象
configureDetectorMonoCamera 配置目标检测器使用校准单目相机
fastRCNNObjectDetectorMonoCamera 使用Fast R-CNN深度学习检测器检测单目摄像机中的物体
fasterRCNNObjectDetectorMonoCamera 使用Faster R-CNN深度学习检测器检测单目摄像机中的物体
ssdObjectDetectorMonoCamera 利用SSD深度学习检测器检测单目摄像机中的物体
yolov2ObjectDetectorMonoCamera 利用YOLO v2深度学习检测器检测单目摄像机中的物体
yolov4ObjectDetectorMonoCamera 利用YOLO v4深度学习检测器检测单目摄像机中的物体
trainFasterRCNNObjectDetector 训练一个更快的R-CNN深度学习对象检测器
trainFastRCNNObjectDetector 训练一个快速R-CNN深度学习对象检测器
vehicleDetectorYOLOv2 使用YOLO v2网络检测车辆
trainYOLOv2ObjectDetector 训练YOLO v2对象检测器
objectDetectorTrainingData 创建对象检测器的训练数据
segmentLaneMarkerRidge 检测灰度强度图像中的车道
findParabolicLaneBoundaries 用抛物线模型求边界
parabolicLaneBoundary 抛物线车道边界模型
findCubicLaneBoundaries 用立方模型求边界
cubicLaneBoundary 立方车道边界模型
computeBoundaryModel 获得y-给出的车道边界坐标x坐标
insertLaneBoundary 在图像中插入车道边界
fitPolynomialRANSAC 用RANSAC将多项式拟合到点上
ransac 模型拟合噪声数据
evaluateDetectionPrecision 评估目标检测的精度度量
evaluateDetectionMissRate 评估目标检测的漏失率指标
evaluateLaneBoundaries 根据实际情况评估车道边界模型
insertText 在图像或视频中插入文本
insertShape 在图像或视频中插入形状
insertMarker 在图像或视频中插入标记
insertLaneBoundary 在图像中插入车道边界
insertObjectAnnotation 注释真彩色或灰度图像或视频流
愿景。DeployableVideoPlayer 显示视频
愿景。放像机 播放视频或显示图像