电脑视觉工具箱
컴퓨터비전，3D비전및비디오처리시스템을설계하고테스트할수있습니다。
计算机视觉工具箱™는컴퓨터비전，3D비전，비디오처리시스템을설계하고테스트하기위한알고리즘，함수및앱을제공합니다。특징검출，특징추출및특징매칭과더불어객체검출및객체추적을수행할수있습니다。단일카메라，스테레오카메라，어안카메라의보정워크플로를자동화할수있습니다。3D비전의경우，이툴박스는시각적SLAM과포인트클라우드SLAM，스테레오비전，움직임기반구조，포인트클라우드처리를지원합니다。컴퓨터비전앱을통해실측데이터레이블지정과카메라보정워크플로를자동화할수있습니다。
YOLO V2，SSD，ACF등의딥러닝및머신러닝알고리즘을사용하여사용자지정객체검출기를훈련시킬수있습니다。의미론적분할과인스턴스분할의경우，U-Net的및面膜R-CNN같은딥러닝알고리즘을사용할수있습니다。이툴박스는메모리에담을수없을정도로큰영상을분석할때사용할수있는객체검출알고리즘과분할알고리즘을제공합니다。사전훈련된모델로얼굴，보행자，기타일반객체를검출할수있습니다。
알고리즘을멀티코어프로세서와GPU에서실행하여가속화할수있습니다。툴박스알고리즘은기존코드와의통합，데스크탑프로토타이핑，임베디드비전시스템배포를위한C / C ++코드생성을지원합니다。
시작하기：
计算机视觉工具箱활용사례
객체검출및인식
YOLO V2，更快的R-CNN，ACF，维奥拉 - 琼斯와같은객체검출기를훈련，평가，배포할수있습니다。OCR과BoVW（시각적단어가방）로객체인식을수행할수있습니다。사전훈련된모델을사용하여얼굴，보행자，기타일반적인객체를검출할수있습니다。
更快的R-CNN을이용한객체검출。
의미론적분할
SegNet，FCN，掌中宽带，DeepLab V3 +등의신경망으로개별픽셀과복셀을분류하여영상과3D볼륨을분할할수있습니다。인스턴스분할을사용하여분할지도를작성하고고유한객체의인스턴스를검출할수있습니다。
面膜R-CNN을사용한인스턴스분할。
실측데이터레이블지정
视频贴标앱과图片标注앱을사용하여객체검출，의미론적분할，인스턴스분할，장면분류의레이블지정을자동화할수있습니다。
视频贴标앱을사용한실측데이터레이블지정。
단일카메라보정
相机校准앱을사용하여체커보드검출을자동화하고핀홀카메라와어안카메라를보정할수있습니다。
스테레오카메라보정
스테레오쌍을보정하여깊이를계산하고3D장면을재구성할수있습니다。
시각적SLAM및시각적주행거리측정
움직임기반구조및시각적주행거리측정값을추출할수있습니다。
다시점움직임기반구조。
시각적SLAM을위한특징검출과매칭。
스테레오비전을사용하여장면에있는점의상대적심도추정。
라이다및3D포인트클라우드처리
라이다데이터또는3D포인트클라우드데이터로기하학적형상에대해분할，군집，다운샘플，잡음제거，정합，피팅을수행할수있습니다。激光雷达工具箱™는라이다처리시스템을설계，분석，테스트하기위한추가기능을제공합니다。
포인트클라우드뷰어를사용하여스트리밍포인트클라우드데이터를시각화합니다。
포인트클라우드정합
NDT（普通-分布变换），ICP（迭代最近点），CPD（相干点漂移）알고리즘을사용하여3D포인트클라우드를정합할수있습니다。
분할및형상맞춤
포인트클라우드를클러스터로분할하고기하학적형상을포인트클라우드에피팅할수있습니다。자율주행및로봇공학응용분야를위해라이다데이터의지상평면을분할할수있습니다。
포인트클라우드분할을사용하여포인트클라우드에서클러스터를식별합니다。
특징검출，추출，매칭
다수의영상에서블롭，모서리，코너등흥미로운특징들을검출，추출하고매칭할수있습니다。
혼잡한장면에서점특징검출，추출，매칭을이용한객체검출。
특징기반영상정합
여러영상에걸쳐특징들을매칭시켜영상간의기하학적변환을추정하고영상시퀀스를정합할수있습니다。
특징기반정합으로만든파노라마。
객체추적
비디오시퀀스에서프레임별로객체궤적을추적할수있습니다。
추적중인객체의궤적을점선으로표시합니다。
모션추정
광학흐름，블록매칭，형판매칭을사용하여비디오프레임간의움직임을추정할수있습니다。
고정카메라를사용한움직이는객체의검출。
코드생성
툴박스함수，클래스，시스템객체，블록에대해C / C ++코드，CUDA코드，MEX함수를생성할수있습니다。
