Exponenta Banner

Визуальное восприятие

Контур маршрута, пешеходный, транспортный и другие обнаружения объектов с использованием машинного обучения и глубокого обучения

Можно обнаружить объекты с помощью машинного обучения и глубоких методов обучения. Можно также сегментировать, обнаруживать и модель параболические или кубические контуры маршрута с помощью алгоритма консенсуса случайной выборки (RANSAC). После обнаружения объектов используйте функции Automated Driving Toolbox™, чтобы оценить и визуализировать обнаружения.

Функции

расширить все

peopleDetectorACFОбнаружение людей с помощью совокупных функций канала
vehicleDetectorACFЗагрузите детектор транспортного средства, используя совокупные функции канала
acfObjectDetectorОбнаружение объектов с помощью совокупных функций канала
configureDetectorMonoCameraСконфигурируйте детектор объектов для использования калиброванной монокулярной камеры
acfObjectDetectorMonoCameraОбнаружение объектов в монокулярной камере с помощью совокупных функций канала
trainACFObjectDetectorОбучите детектор объектов ACF
objectDetectorTrainingDataСоздайте обучающие данные для детектора объектов
vision.PeopleDetectorОбнаружение вертикальных людей с использованием функций HOG
vision.CascadeObjectDetectorОбнаружение объектов с помощью алгоритма Виолы-Джонса
trainCascadeObjectDetectorTrain каскад детектора объектов модель
vehicleDetectorFasterRCNNОбнаружение транспортных средств с помощью Faster R-CNN
fastRCNNObjectDetectorОбнаружение объектов с помощью детектора глубокого обучения Fast R-CNN
fasterRCNNObjectDetectorОбнаружение объектов с помощью детектора глубокого обучения Faster R-CNN
configureDetectorMonoCameraСконфигурируйте детектор объектов для использования калиброванной монокулярной камеры
fastRCNNObjectDetectorMonoCamera Обнаружение объектов в монокулярной камере с помощью детектора глубокого обучения Fast R-CNN
fasterRCNNObjectDetectorMonoCameraОбнаружение объектов в монокулярной камере с помощью детектора глубокого обучения Faster R-CNN
ssdObjectDetectorMonoCameraОбнаружение объектов в монокулярной камере с помощью детектора глубокого обучения SSD
yolov2ObjectDetectorMonoCameraОбнаружение объектов в монокулярной камере с помощью детектора глубокого обучения YOLO v2
trainFasterRCNNObjectDetectorОбучите детектор объектов глубокого обучения Faster R-CNN
trainFastRCNNObjectDetectorОбучите детектор объектов глубокого обучения Fast R-CNN
vehicleDetectorYOLOv2Обнаружение транспортных средств с помощью YOLO v2 Network
trainYOLOv2ObjectDetectorОбучите детектор объектов YOLO v2
objectDetectorTrainingDataСоздайте обучающие данные для детектора объектов
segmentLaneMarkerRidgeОбнаружение полос в изображении интенсивности полутонового цвета
findParabolicLaneBoundariesНайдите контуры с помощью параболической модели
parabolicLaneBoundaryПараболическая краевая модель маршрута
findCubicLaneBoundariesНайдите контуры с помощью кубической модели
cubicLaneBoundaryМодель контура кубического маршрута
computeBoundaryModelПолучение y -координатов контуров маршрута, заданных x -координатов
insertLaneBoundaryВставьте контур маршрута в изображение
fitPolynomialRANSACПодгонка полинома к точкам с помощью RANSAC
ransacПодгонка модели к зашумленным данным
evaluateDetectionPrecisionОцените точность метрики для обнаружения объектов
evaluateDetectionMissRateОцените метрику скорости промаха для обнаружения объектов
evaluateLaneBoundariesОцените модели контура маршрута относительно основной истины
insertTextВставка текста в изображение или видео
insertShapeВставка фигур в изображение или видео
insertMarkerВставка маркеров в изображение или видео
insertLaneBoundaryВставьте контур маршрута в изображение
insertObjectAnnotationАннотировать труколор или полутоновое изображение или видеопоток
vision.DeployableVideoPlayerОтобразите видео
vision.VideoPlayerВоспроизведение видео или отображение изображения

Рекомендуемые примеры

Visual Perception Using Monocular Camera

Визуальное восприятие с использованием монокулярной камеры

Создайте симуляцию монокулярного датчика камеры, способную к контурам маршрута и обнаружениям транспортного средства.

Открыть Live Script
Generate Code for Lane Marker Detector

Сгенерируйте код для детектора маркера маршрута

Протестируйте детектор маркера маршрута на основе монокулярной камеры и сгенерируйте код С++ для приложений реального времени на предварительно созданной сцене 3D из среды симуляции вождения Unreal Engine ®. Этот пример подтверждает алгоритм детектора маркеров маршрута с помощью метрик и проверяет сгенерированный код С++ с помощью симуляции цикл.

Открыть скрипт
Automate Testing for Lane Marker Detector

Автоматическая проверка для детектора маркера маршрута

Автоматизируйте проверку алгоритма детектора маркера маршрута и сгенерированного кода с помощью Simulink Test™. В этом примере вы будете: Оценить поведение алгоритма детектора маркера маршрута на различных сценариях тестирования с различными требованиями к тесту.

Открыть скрипт
Train a Deep Learning Vehicle Detector

Обучите детектор транспортного средства глубокого обучения

Обучите детектор транспортных средств на основе зрения с помощью глубокого обучения.

Открыть Live Script
Generate Code for Vision Vehicle Detector

Сгенерируйте код для детектора транспортного средства зрения

Протестируйте детектор транспортного средства на основе монокулярной камеры и сгенерируйте развертываемый код для приложений реального времени на предварительно созданной сцене 3D из среды симуляции вождения Unreal Engine ®.

Открытый пример
Track Multiple Vehicles Using a Camera

Отслеживайте несколько транспортных средств с помощью камеры

Обнаружение и отслеживание нескольких транспортных средств с помощью монокулярной камеры, установленной в транспортном средстве.

Открыть Live Script

Документация по Automated Driving Toolbox

Поддержка