计算机视觉工具箱
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™提供用于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。可以进行目标检测和跟踪，也可以进行特征检测、提取和匹配。您可以自动校准工作流程的单，立体，鱼眼相机。对于3D视觉，工具箱支持视觉和点云SLAM、立体视觉、金宝app运动结构和点云处理。计算机视觉应用程序自动地面真相标记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。这个工具箱提供了目标检测和分割算法，用于分析太大而无法放入内存的图像。预先训练好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上运行算法来加速算法。工具箱算法支持C/C++代码生成，以便与现有代码、桌面原型和嵌入式视觉系统部署集成。金宝app
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、评估和部署目标探测器，如YOLO v2、更快的R-CNN、ACF和Viola Jones。使用可视文字包和OCR执行对象识别。使用预训练模型检测人脸、行人和其他常见对象。
使用更快的R-CNN进行目标检测。
语义分割
通过使用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体积。使用实例分割生成分割贴图并检测对象的唯一实例。
使用Mask R-CNN进行实例分割。
地面实况标签
使用Video Labeler和Image Labeler应用程序自动标记对象检测、语义分割、实例分割和场景分类。
地面真相标签与视频标签应用程序。
立体摄像机标定
校准立体对以计算深度并重建3D场景。
多视图结构从运动。
视觉SLAM的特征检测与匹配。
使用立体视觉估计场景中点的相对深度。
激光雷达与三维点云处理
分割，聚类，下采样，去噪，配准，并用激光雷达或三维点云数据拟合几何形状。激光雷达工具箱™提供额外的功能来设计、分析和测试激光雷达处理系统。
使用点云查看器可视化流式点云数据。
使用点云分割识别点云中的簇。
特征检测、提取和匹配
跨多幅图像检测、提取和匹配感兴趣的特征，如斑点、边缘和角点。
利用点特征检测、提取和匹配来检测杂波场景中的目标。
基于特征图像配准
匹配特征跨多个图像，估计图像之间的几何变换和配准图像序列。
使用基于特征的注册创建全景。
痕迹表示被跟踪物体的轨迹。
用固定摄像机检测运动物体。
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。
