Main Content

Computer Vision Toolbox

Concevoir et tester des systèmes de Computer Vision

Computer Vision Toolbox™ propose des algorithmes et des applications pour concevoir et tester des systèmes de Computer Vision. Vous pouvez procéder à une inspection visuelle, à la détection et au pistage d'objets, ainsi qu'à la détection, à l'extraction et à la mise en correspondance de caractéristiques. Vous pouvez automatiser les workflows de calibrage pour les caméras monoscopiques, stéréoscopiques et fisheye. Pour la vision 3D, la toolbox supporte la vision stéréo, le traitement de nuages de points, la structure acquise à partir du mouvement et les opérations de SLAM visuel et temps réel sur des nuages de points. Les applications de Computer Vision permettent d'automatiser la labélisation de données de vérité terrain en équipe, ainsi que la calibration des caméras.

Il est possible d'utiliser des détecteurs d'objets pré-entraînés ou d'entraîner des détecteurs personnalisés avec des algorithmes de Deep Learning et de Machine Learning tels que YOLO, SSD et ACF. Pour la segmentation sémantique et la segmentation d'instances, vous pouvez utiliser des algorithmes de Deep Learning comme U-Net, SOLO et Mask R-CNN. Vous pouvez effectuer une classification d'images en utilisant des transformateurs de vision tels que ViT. Des modèles pré-entraînés vous permettent de détecter les visages et les piétons, d'effectuer de la reconnaissance optique de caractères (OCR) et de reconnaître d'autres objets courants.

Vous pouvez accélérer vos algorithmes en les exécutant sur des GPU et des processeurs multicœurs. Les algorithmes de cette toolbox supportent la génération de code C/C++ pour l’intégration à du code existant, le prototypage sur PC et le déploiement de systèmes de vision embarqués.

Introduction à Computer Vision Toolbox

Apprendre les bases de Computer Vision Toolbox

Détection et extraction des caractéristiques

Recalage d’images, détection des points d’intérêt, extraction des descripteurs de caractéristiques, mise en correspondance de points d’intérêt et recherche d’images

Labélisation de données de vérité-terrain d'images et de vidéos

Labélisation interactive d’images et de vidéos, création de données d’apprentissage pour le Deep Learning avec la détection d’objets, la segmentation sémantique, la segmentation d’instances et la classification d’images

Reconnaissance, détection d’objets et segmentation sémantique

Reconnaissance, classification, segmentation sémantique d’images, segmentation d’instances, détection d’objets à l’aide de caractéristiques et détection d’objets avec le Deep Learning en utilisant CNN, YOLO et SSD

Calibrage de caméra

Calibrer des caméras monoscopiques ou stéréoscopiques et estimer leurs paramètres intrinsèques, extrinsèques et de distorsion avec des modèles à sténopé et fisheye

Structure acquise à partir du mouvement et du SLAM visuel

Vision stéréo, triangulation, reconstruction 3D et localisation et cartographie visuelles simultanées (vSLAM)

Traitement de nuages de points

Prétraiter, visualiser, recaler, ajuster des formes géométriques, créer des cartes, implémenter des algorithmes SLAM et utiliser le Deep Learning avec des nuages de points 3D

Pistage et estimation du mouvement

Flux optique, reconnaissance d’activité, estimation du mouvement, réidentification d’objets et pistage

Génération de code, GPU et support tiers

Génération et accélération de code C/C++ et GPU, génération de code HDL et interface OpenCV pour MATLAB et Simulink

Computer Vision avec Simulink

Support Simulink® pour les applications de Computer Vision