Визуальное восприятие

Контур маршрута, пешеход, транспортное средство и другие обнаружения объектов с помощью машинного обучения и глубокого обучения

Можно обнаружить объекты с помощью методов глубокого обучения и машинного обучения. Можно также сегментировать, обнаружить, и параболические или кубические контуры маршрута модели при помощи согласия случайной выборки (RANSAC) алгоритм. После вашего обнаруживать объекты, используйте функции Automated Driving Toolbox™, чтобы оценить и визуализировать обнаружения.

Функции

развернуть все

peopleDetectorACFОбнаружьте людей, использующих совокупные функции канала
vehicleDetectorACFЗагрузите детектор транспортного средства, использующий совокупные функции канала
acfObjectDetectorОбнаружьте объекты, использующие совокупные функции канала
configureDetectorMonoCameraСконфигурируйте детектор объектов для использования калиброванной монокулярной камеры
acfObjectDetectorMonoCameraОбнаружьте объекты в монокулярной камере, использующей совокупные функции канала
trainACFObjectDetectorОбучите детектор объектов ACF
objectDetectorTrainingDataСоздание обучающих данных для детектора объектов
vision.PeopleDetectorОбнаружение людей в вертикальной позиции , с использованием функции направленного градиента (HOG)
vision.CascadeObjectDetectorОбнаружьте объекты с помощью алгоритма Виолы - Джонса
trainCascadeObjectDetectorОбучите каскадную модель детектора объектов
vehicleDetectorFasterRCNNОбнаружьте транспортные средства с помощью Faster R-CNN
fastRCNNObjectDetectorОбнаружьте объекты с помощью Быстрого детектора глубокого обучения R-CNN
fasterRCNNObjectDetectorОбнаружьте объекты с помощью детектора глубокого обучения Faster R-CNN
configureDetectorMonoCameraСконфигурируйте детектор объектов для использования калиброванной монокулярной камеры
fastRCNNObjectDetectorMonoCamera Обнаружьте объекты в монокулярной камере с помощью Быстрого детектора глубокого обучения R-CNN
fasterRCNNObjectDetectorMonoCameraОбнаружьте объекты в монокулярной камере с помощью детектора глубокого обучения Faster R-CNN
yolov2ObjectDetectorMonoCameraОбнаружьте объекты в монокулярной камере с помощью детектора YOLO v2 глубокого обучения
trainFasterRCNNObjectDetectorОбучите детектор объектов глубокого обучения Faster R-CNN
trainFastRCNNObjectDetectorОбучите Быстрый детектор объектов глубокого обучения R-CNN
trainYOLOv2ObjectDetectorОбучите детектор объектов YOLO v2
objectDetectorTrainingDataСоздание обучающих данных для детектора объектов
segmentLaneMarkerRidgeОбнаружьте маршруты в полутоновом изображении интенсивности
findParabolicLaneBoundariesНайдите контуры с помощью параболической модели
parabolicLaneBoundaryПараболическая модель контура маршрута
findCubicLaneBoundariesНайдите контуры с помощью кубической модели
cubicLaneBoundaryКубическая модель контура маршрута
computeBoundaryModelПолучите y-координаты контуров маршрута, данных x-координаты
insertLaneBoundaryВставьте контур маршрута в изображение
fitPolynomialRANSACСоответствуйте полиному к точкам с помощью RANSAC
ransacПодбирайте модель к зашумленным данным
evaluateDetectionPrecisionОцените метрику точности для обнаружения объектов
evaluateDetectionMissRateОцените метрику коэффициента непопаданий для обнаружения объектов
evaluateLaneBoundariesОцените модели контура маршрута против основной истины
insertTextВставьте текст в изображение или видео
insertShapeВставьте фигуры в изображение или видео
insertMarkerВставьте маркеры в изображение или видео
insertLaneBoundaryВставьте контур маршрута в изображение
insertObjectAnnotationАннотируйте истинный цвет или полутоновое изображение или видеопоток
vision.DeployableVideoPlayerВидео отображения
vision.VideoPlayerПроигрывайте видеоизображение или изображение на дисплее

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте