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、车辆和其他目标检测

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一致性(RANSAC)算法分割、检测和建模抛物线或立方车道边界。在检测对象之后,使用自动驾驶工具箱™函数评估和可视化检测。

功能

全部展开

peopleDetectorACF 使用聚合通道特性检测人员
vehicleDetectorACF 负载车辆检测器使用聚合通道特征
acfObjectDetector 使用聚合通道特性检测对象
configureDetectorMonoCamera 配置对象探测器使用校准单目摄像机
acfObjectDetectorMonoCamera 利用聚合通道特征检测单目摄像机中的目标
trainACFObjectDetector 训练ACF物体检测器
objectDetectorTrainingData 为目标检测器创建训练数据
愿景。PeopleDetector 使用HOG特征检测直立的人
愿景。CascadeObjectDetector 使用Viola-Jones算法检测目标
trainCascadeObjectDetector 训练级联对象检测器模型
vehicleDetectorFasterRCNN 使用更快的R-CNN检测车辆
fastRCNNObjectDetector 使用快速R-CNN深度学习检测器检测对象
fasterRCNNObjectDetector 使用更快的R-CNN深度学习检测器检测对象
configureDetectorMonoCamera 配置对象探测器使用校准单目摄像机
fastRCNNObjectDetectorMonoCamera 使用Fast R-CNN深度学习检测器检测单目摄像机中的目标
fasterRCNNObjectDetectorMonoCamera 使用更快的R-CNN深度学习检测器检测单目摄像机中的目标
ssdObjectDetectorMonoCamera 使用SSD深度学习检测器检测单目摄像机中的目标
yolov2ObjectDetectorMonoCamera 使用YOLO v2深度学习检测器检测单目摄像机中的目标
trainFasterRCNNObjectDetector 训练一个更快的R-CNN深度学习对象检测器
trainFastRCNNObjectDetector 训练一个快速的R-CNN深度学习对象检测器
vehicleDetectorYOLOv2 使用YOLO v2网络检测车辆
trainYOLOv2ObjectDetector 火车YOLO v2物体探测器
objectDetectorTrainingData 为目标检测器创建训练数据
segmentLaneMarkerRidge 在灰度强度图像中检测车道
findParabolicLaneBoundaries 用抛物线模型求边界
parabolicLaneBoundary 抛物线道边界模型
findCubicLaneBoundaries 使用三次模型寻找边界
cubicLaneBoundary 三次道边界模型
computeBoundaryModel 获得y-给定的车道边界坐标x坐标
insertLaneBoundary 插入车道边界到图像
fitPolynomialRANSAC 用RANSAC拟合多项式到点
ransac 拟合模型到噪声数据
evaluateDetectionPrecision 评估目标检测的精度度量
evaluateDetectionMissRate 评估目标检测的缺失率度量
evaluateLaneBoundaries 评估车道边界模型与地面真实值
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 插入车道边界到图像
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

特色的例子