Main Content

Die Übersetzung dieser Seite ist veraltet. Klicken Sie hier, um die neueste Version auf Englisch zu sehen.

Computer Vision Toolbox

Entwickeln und Testen von Computer-Vision-Systemen

Computer Vision Toolbox™ stellt Algorithmen und Apps für das Entwickeln und Testen von Computer-Vision-Systemen bereit. Sie können die visuelle Inspektion, die Erkennung und das Tracking von Objekten sowie die Erkennung, die Extraktion und den Abgleich von Merkmalen durchführen. Sie können Workflows für die Kalibrierung von Einzel-, Stereo- und Fischaugenkameras automatisieren. Im Bereich 3D Vision unterstützt die Toolbox Stereo-Vision, Punktwolken-Verarbeitung, Strukturen aus Bewegungen (Structure from Motion) sowie visuelle Echtzeit -und Punktwolken-SLAM. Computer-Vision-Apps ermöglichen eine Automatisierung teambasierter Workflows für Ground Truth-Kennzeichnung und Kamerakalibrierung.

Sie können vortrainierte Objektdetektoren verwenden oder benutzerdefinierte Detektoren mit Deep-Learning- und Machine-Learning-Algorithmen, wie zum Beispiel YOLO, SSD und ACF, trainieren. Für semantische Segmentierung und Instanzsegmentierung können Sie Deep-Learning-Algorithmen wie zum Beispiel U-Net, SOLO und Mask R-CNN verwenden. Mithilfe von Vision-Transformern wie ViT können Sie eine Bildklassifizierung vornehmen. Mit vortrainierten Modellen können Sie Gesichter und Fußgänger erkennen, optische Zeichenerkennung (OCR) durchführen und weitere gängige Objekte erkennen.

Sie können Ihre Algorithmen beschleunigen, indem Sie sie auf Mehrkernprozessoren und GPUs ausführen. Die Algorithmen der Toolbox unterstützen die Generierung von C/C++ Code für die Integration von vorhandenem Code, Desktop-Prototyperstellung und Bereitstellung auf Embedded-Vision-Systemen.

Erste Schritte mit Computer Vision Toolbox

Lernen Sie die Grundlagen von Computer Vision Toolbox

Merkmaldetektion und -Extraktion

Bildregistrierung, Interessenfokus-Detektion, Merkmaldeskriptor-Extraktion, Punkt-Merkmal-Abgleich und Bildabruf

Ground-Truth-Kennzeichnung bei Bildern und Videos

Interaktives Kennzeichnen von Bildern und Videos, Erstellen von Trainingsdaten für Deep Learning mit Objekterkennung, semantische Segmentierung, Instance Segmentation und Bildklassifizierung

Erkennung, Objekterkennung und semantische Segmentierung

Erkennung, Klassifizierung, semantische Bildsegmentierung, Instance Segmentation, Objekterkennung anhand von Merkmalen und Deep-Learning-Objekterkennung mithilfe von CNNs, YOLO und SSD

Kamerakalibrierung

Kalibrieren Sie Einzel- oder Stereo-Kameras und schätzen Sie intrinsische und extrinsische Eigenschaften sowie Verzerrungsparameter von Kameras mithilfe von Lochkamera- und Fisheye-Kamera-Modellen

Structure from Motion und Visual SLAM

Stereo-Vision, Triangulierung, 3D-Rekonstruktion und vSLAM (Visual SLAM, visuelle simultane Lokalisierung und Kartierung)

Punktwolkenverarbeitung

Vorverarbeitung, Visualisierung, Registrierung, Anpassung geometrischer Formen, Kartenerstellung, Implementierung von SLAM-Algorithmen und Nutzung von Deep Learning für 3D-Punktwolken

Tracking und Bewegungsschätzung

Optischer Fluss, Aktivitätserkennung, Bewegungsschätzung, Objekt-Reidentifizierung und Tracking

Codegenerierung, GPU und Drittanbieter-Unterstützung

C/C++ und GPU-Codegenerierung und Beschleunigung, HDL-Codegenerierung und OpenCV-Schnittstelle für MATLAB und Simulink

Computer Vision mit Simulink

Simulink®-Unterstützung für Computer-Vision-Anwendungen