Computer Vision Toolbox 快速入门
Computer Vision Toolbox™ 提供用于设计和测试计算机视觉系统的算法和 App。您可以执行视觉检查、目标检测和跟踪，以及特征检测、提取和匹配。您可以自动化单目相机、鱼眼相机、立体相机和多相机配置的标定工作流。对于三维视觉，工具箱支持立体视觉、点云处理、运动重建以及实时视觉和点云 SLAM。计算机视觉 App 支持基于团队的真实值自动标注，以及相机标定。
工具箱提供了多种 AI 技术，包括预训练卷积神经网络 (CNN)、视觉变换器和视觉语言模型。使用开箱即用的模型来执行图像分类、目标检测、分割、位姿估计、图像描述和光学字符识别 (OCR) 等任务，或通过迁移学习进一步自定义这些模型。
您可以生成 C、C++ 代码、用于 GPU 执行的代码以及硬件描述语言 (HDL) 代码。
教程
- 什么是相机标定？
估计图像或视频相机的镜头与图像传感器的参数。
- What Is Structure from Motion?
Estimate three-dimensional structures from two-dimensional image sequences.
- 使用深度学习入门目标检测
使用 YOLOX、YOLO v4、RTMDet 和 SSD 等深度学习神经网络进行目标检测。
- Get Started with Semantic Segmentation Using Deep Learning
Segment objects by class using deep learning networks such as U-Net and DeepLab v3+.
- Get Started with Code Generation, Deployment, GPU, and OpenCV Support
C/C++ and GPU code generation and acceleration, HDL code generation, and OpenCV interface for MATLAB and Simulink.
- Computer Vision Toolbox with Simulink
Simulink® support for computer vision applications.
App 和工作流决策指南
- 选择用于标注真值数据的 App
决定使用哪个 App 来标注真实值数据：图像标注器、视频标注器、真实值标注器、激光雷达标注器、信号标注器或医学图像标注器。
- Choose an Object Detector
Compare object detection deep learning models, such as YOLOX, YOLO v4, RTMDet, and SSD.
- Choose SLAM Workflow Based on Sensor Data
Choose the right simultaneous localization and mapping (SLAM) workflow and find topics, examples, and supported features.
- 选择一个点云查看器
比较可视化函数。
精选示例
使用深度学习进行语义分割
此示例说明如何使用语义分割网络来分割图像。
Monocular Visual Simultaneous Localization and Mapping
Visual simultaneous localization and mapping (vSLAM).
Multiclass Object Detection Using YOLO v2 Deep Learning
Train a YOLO v2 multiclass object detector and evaluate object detector performance across selected classes and overlap thresholds.
多视图运动重建
利用增量式运动重建方法，根据一组二维视图推断场景的三维结构。
三维点云配准与拼接
此示例说明如何使用迭代最近点 (ICP) 算法组合多个点云以重新构造三维场景。然后，它说明如何利用点云中可用的颜色信息提升场景的准确度。
利用图像点特征在杂乱场景中定位对象
本示例演示了如何在杂乱的场景中，根据该目标的参考图像来检测特定目标。
使用经标定的相机测量平面目标
使用一台经过标定的相机，以世界单位为单位测量硬币的直径。
自动检测图像旋转和缩放
本示例演示了如何自动确定两个图像之间的几何变换。具体来说，当一个图像因旋转和缩放而相对于另一个图像发生畸变时，可以利用函数 detectSIFTFeatures 和 estgeotform2d 来确定旋转角度和缩放因子。随后，可以利用这些参数将畸变的图像还原为原始外观。
Motion-Based Multiple Object Tracking
Perform automatic detection and motion-based tracking of moving objects in a video from a stationary camera.
创建全景图
本示例演示了如何将多个图像自动拼接成全景图。图像拼接的流程是基于特征的图像配准的延伸。与仅对单组图像进行配准不同，该方法将多组图像对依次相互配准，从而形成全景图。
交互式学习
计算机视觉入门之旅
了解如何使用 Computer Vision Toolbox 进行目标检测和跟踪。
视频
什么是计算机视觉？
了解计算机视觉如何应用于目标检测、跟踪和识别等各种应用领域。
MATLAB 中的相机标定
使用相机标定器自动检测棋盘格并标定针孔和鱼眼相机
教学资源
计算机视觉基础知识
学习计算机视觉中图像分割的基础知识。
