Computer Vision Toolbox 入門

コンピュータービジョンシステムの設計とテスト

Computer Vision Toolbox™ は、コンピュータービジョンシステムを設計し、テストするためのアルゴリズムとアプリを提供します。外観検査、オブジェクトの検出と追跡、および特徴の検出、抽出、マッチングを実行できます。単一カメラ、ステレオカメラ、魚眼カメラのキャリブレーションワークフローを自動化できます。3 次元ビジョン向けの機能として、ツールボックスでは、ステレオビジョン、点群処理、structure from motion、およびリアルタイムでの Visual SLAM と点群 SLAM をサポートします。コンピュータービジョンアプリを使用すると、自動化を使ってチームベースでグラウンドトゥルースをラベル付けできるだけでなく、カメラのキャリブレーションを行うことができます。

事前学習済みのオブジェクト検出器を使用することも、YOLO、SSD、ACF などの深層学習と機械学習のアルゴリズムを使用してカスタム検出器に学習させることもできます。セマンティックセグメンテーションとインスタンスセグメンテーションには、U-Net、SOLO、および Mask R-CNN などの深層学習アルゴリズムを利用できます。ViT などのビジョントランスフォーマーを使用してイメージ分類を実行できます。事前学習済みのモデルを使用して、顔や歩行者を検出したり、光学式文字認識 (OCR) を実行したり、その他の一般的なオブジェクトを認識したりできます。

マルチコアプロセッサや GPU で実行してアルゴリズムを高速化できます。ツールボックスアルゴリズムでは、既存のコード、デスクトッププロトタイピング、組み込みビジョンシステムの展開と統合するために C/C++ コード生成がサポートされています。

インストールと構成

Computer Vision Toolbox の基本設定

チュートリアル

カメラキャリブレーションとは

イメージまたはビデオカメラのレンズとイメージセンサーのパラメーターを推定します。
Structure from Motion とは

2 次元のイメージシーケンスから 3 次元構造を推定する。
グラウンドトゥルースデータにラベルを付けるためのアプリの選択

グラウンドトゥルースデータのラベル付けに、次のどのアプリを使用するかを決定します。イメージラベラー、ビデオラベラー、グラウンドトゥルースラベラー、LiDAR ラベラー、信号ラベラー、または医用画像ラベラー。
オブジェクト検出器の選択

YOLOX や YOLOv4 などのオブジェクト検出深層学習モデルを比較する。
Choose SLAM Workflow Based on Sensor Data

Choose the right simultaneous localization and mapping (SLAM) workflow and find topics, examples, and supported features.
Choose a Point Cloud Viewer

Compare visualization functions.
深層学習を使用したオブジェクト検出入門

深層学習ニューラルネットワークを使用してオブジェクト検出を実行する。
深層学習を使用したセマンティックセグメンテーション入門

深層学習を使用したオブジェクトのクラス別のセグメント化。
深層学習を使用した点群入門

深層学習に点群を使用する方法を理解します。
局所特徴の検出と抽出

局所特徴の検出と抽出の利点と用途の学習。

注目の例

深層学習を使用したセマンティックセグメンテーション

この例では、セマンティックセグメンテーションネットワークを使用してイメージをセグメント化する方法を説明します。

ライブスクリプトを開く

単眼の Visual Simultaneous Localization and Mapping

Visual simultaneous localization and mapping (vSLAM)。

ライブスクリプトを開く

2 つのビューからの structure from motion

一連の 2 次元イメージから 3 次元シーンの構造を推定します。

ライブスクリプトを開く

3 次元点群のレジストレーションと繋ぎ合わせ

この例では、反復最近接点 (ICP) アルゴリズムにより複数の点群を組み合わせて 3 次元シーンを再構成する方法を説明します。次に、点群で利用可能な色情報を活用してシーンの精度を向上させる方法を示します。

ライブスクリプトを開く

キャリブレートされたカメラによる平面オブジェクトの測定

キャリブレートされた単一のカメラを使ってコインの直径をワールド単位で測定する。

ライブスクリプトを開く

自動特徴マッチングを使用したイメージの回転とスケールの検出

この例では、イメージのペアの間に見られる幾何学的変換を自動的に判定する方法を説明します。あるイメージをもう 1 つのイメージと比べて回転とスケールによる歪みが見られる場合に、detectSURFFeatures および estgeotform2d を使用して回転角度と倍率を求めます。その後、歪んだイメージを変換して元のイメージを復元することができます。