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™提供的算法，功能和应用程序的设计和测试计算机视觉，3D视觉和视频处理系统。您可以进行目标检测与跟踪，以及特征检测，提取和匹配。对于3D视觉，工具箱支持单，立体声和鱼眼相机校准;金宝app立体视觉;三维重建;和激光雷达和三维点云的处理。计算机视觉应用程式自动化地面实况标签和摄像机标定工作流程。
可以使用深度学习和机器学习算法，诸如YOLO V2，更快的R-CNN，和ACF培养自定义对象检测器。对于语义分割可以使用深度学习算法，如SegNet，U-Net和DeepLab。预训练模式让你侦测脸部，行人和其他常见的物体。
您可以通过在多核处理器和gpu上运行它们来加速算法。大多数工具箱算法支持C/ c++代码生成，以便与金宝app现有代码、桌面原型和嵌入式视觉系统部署集成。
开始:
对象检测与识别
用于培训、评估和部署对象检测器的框架，如YOLO v2、Faster R-CNN、ACF和Viola-Jones。对象识别能力包括视觉词包和OCR。预先训练的模型可以检测人脸、行人和其他常见物体。
使用更快的R-CNN物体检测。
地面真相标签与视频标签的应用程序。
对一系列点云进行配准和拼接。
分段激光雷达点云。
立体相机校准
校准一个立体对来计算深度和重建三维场景。
立体相机校准应用程序。
3D立体幻镜
结构由运动和视觉测程。
运动的多视图结构。
立体视差图表示相对深度。
特征检测，提取和匹配
跨多个图像检测、提取和匹配有趣的特性，如斑点、边缘和角。
使用点特征检测、提取和匹配来检测杂乱场景中的对象。
基于特征图像配准
匹配多幅图像的特征，估计图像之间的几何变换和注册图像序列。
全景与基于特征的注册创建的。
对象跟踪
在视频序列中跟踪物体从一帧到另一帧的轨迹。
轨迹表示被跟踪物体的轨迹。
检测与固定相机移动的物体。
代码生成
生成C / C ++，CUDA代码，和MEX功能工具箱函数，类，系统对象，和块。
点云深度学习
在三维点云中检测和分类对象
深度学习与大图
在非常大的图像上训练和使用深度学习对象检测器和语义分割网络
同时定位和地图创建（SLAM）
执行点云和相机拍摄
条形码阅读器
检测和解码1-d和2-d条形码
SSD对象检测
检测在使用单杆Multibox的对象检测器图像中的对象（SSD）
看到发布说明对任何这些特征和对应的功能的详细说明。
