计算机视觉的工具箱
设计和测试计算机视觉，3D视觉和视频处理系统
计算机视觉工具箱™提供设计和测试计算机视觉、3D视觉和视频处理系统的算法、功能和应用程序。您可以进行目标检测和跟踪，以及特征检测、提取和匹配。您可以自动校准工作流程单，立体声，和鱼眼相机。对于3D视觉，工具箱支持视觉和点云SLAM、立体视觉、万博1manbetx运动结构和点云处理。计算机视觉应用程序自动标注地面真相和摄像机校准工作流程。
您可以使用深度学习和机器学习算法(如YOLO v2、SSD和ACF)训练自定义对象检测器。对于语义和实例分割，可以使用深度学习算法，如U-Net和Mask R-CNN。工具箱提供对象检测和分割算法，以分析图像太大，以适应内存。预先训练的模型可以让你检测人脸、行人和其他常见物体。
您可以通过在多核处理器和GPU上运行它们来加速您的算法。工具箱算法支持C / C ++代码生成万博1manbetx，用于与现有代码，桌面原型设计和嵌入式视觉系统部署集成。
开始:
了解其他人如何使用计算机视觉工具箱
目标检测与识别
培训，评估和部署对象探测器，如yolo v2，更快的R-CNN，ACF和Viola-Jones。用一袋视觉单词和OCR执行对象识别。使用佩带的模型来检测面部，行人和其他常见物体。
使用Faster R-CNN的目标检测。
语义细分
使用SegNet、FCN、U-Net和DeepLab v3+等网络对单个像素和体素进行分类，分割图像和3D体块。使用实例分段来生成分段映射并检测对象的唯一实例。
实例分割与面具R-CNN。
地面实况标签
自动标记的对象检测，语义分割，实例分割，和场景分类使用视频标签和图像标签应用程序。
使用Video Labeler应用进行地面真相标签。
立体相机标定
校准立体声对以计算深度并重建3D场景。
从运动的多视图结构。
面向视觉SLAM的特征检测与匹配。
用立体视觉估计场景中点的相对深度。
激光雷达和三维点云处理
对激光雷达或三维点云数据进行分割、聚类、下采样、去噪、配准、拟合几何形状。激光雷达工具箱™提供额外的功能，以设计，分析和测试激光雷达处理系统。
使用点云查看器可视化流点云数据。
利用点云分割识别点云中的簇。
特征检测，提取和匹配
检测，提取，并匹配有趣的特征，如斑点，边缘，角跨多个图像。
在一个杂乱的场景中使用点特征检测、提取和匹配来检测一个物体。
基于特征图像配准
通过多幅图像的特征匹配来估计图像之间的几何变换和图像序列的配准。
用基于特征的注册创建全景图。
指示被跟踪对象的轨迹的轨迹。
用固定的摄像机检测移动的物体。
代码生成
为工具箱函数，类，系统对象和块生成C / C ++代码，CUDA代码和MEX函数。
