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

Обнаружение объектов с машинным обучением

`peopleDetectorACF`	Обнаружьте людей, использующих совокупные функции канала
`vehicleDetectorACF`	Загрузите детектор транспортного средства, использующий совокупные функции канала
`acfObjectDetector`	Обнаружьте объекты, использующие совокупные функции канала
`configureDetectorMonoCamera`	Сконфигурируйте детектор объектов для использования калиброванной монокулярной камеры
`acfObjectDetectorMonoCamera`	Обнаружьте объекты в монокулярной камере, использующей совокупные функции канала
`trainACFObjectDetector`	Обучите детектор объектов ACF
`objectDetectorTrainingData`	Создание обучающих данных для детектора объектов
`vision.PeopleDetector`	Обнаружение людей в вертикальной позиции , с использованием функции направленного градиента (HOG)
`vision.CascadeObjectDetector`	Обнаружьте объекты с помощью алгоритма Виолы - Джонса
`trainCascadeObjectDetector`	Обучите каскадную модель детектора объектов

Обнаружение объектов с глубоким обучением

`vehicleDetectorFasterRCNN`	Обнаружьте транспортные средства с помощью Faster R-CNN
`fastRCNNObjectDetector`	Обнаружьте объекты с помощью Быстрого детектора глубокого обучения R-CNN
`fasterRCNNObjectDetector`	Обнаружьте объекты с помощью детектора глубокого обучения Faster R-CNN
`configureDetectorMonoCamera`	Сконфигурируйте детектор объектов для использования калиброванной монокулярной камеры
`fastRCNNObjectDetectorMonoCamera`	Обнаружьте объекты в монокулярной камере с помощью Быстрого детектора глубокого обучения R-CNN
`fasterRCNNObjectDetectorMonoCamera`	Обнаружьте объекты в монокулярной камере с помощью детектора глубокого обучения Faster R-CNN
`ssdObjectDetectorMonoCamera`	Обнаружьте объекты в монокулярной камере с помощью детектора глубокого обучения SSD
`yolov2ObjectDetectorMonoCamera`	Обнаружьте объекты в монокулярной камере с помощью детектора YOLO v2 глубокого обучения
`trainFasterRCNNObjectDetector`	Обучите детектор объектов глубокого обучения Faster R-CNN
`trainFastRCNNObjectDetector`	Обучите Быстрый детектор объектов глубокого обучения R-CNN
`vehicleDetectorYOLOv2`	Обнаружьте транспортные средства с помощью Сети YOLO v2
`trainYOLOv2ObjectDetector`	Обучите детектор объектов YOLO v2
`objectDetectorTrainingData`	Создание обучающих данных для детектора объектов

Обнаружение контура маршрута и моделирование

`segmentLaneMarkerRidge`	Обнаружьте маршруты в полутоновом изображении интенсивности
`findParabolicLaneBoundaries`	Найдите контуры с помощью параболической модели
`parabolicLaneBoundary`	Параболическая модель контура маршрута
`findCubicLaneBoundaries`	Найдите контуры с помощью кубической модели
`cubicLaneBoundary`	Кубическая модель контура маршрута
`computeBoundaryModel`	Получите y - координаты контуров маршрута, данных x - координаты
`insertLaneBoundary`	Вставьте контур маршрута в изображение
`fitPolynomialRANSAC`	Соответствуйте полиному к точкам с помощью RANSAC
`ransac`	Подбирайте модель к зашумленным данным

Оцените обнаружения

`evaluateDetectionPrecision`	Оцените метрику точности для обнаружения объектов
`evaluateDetectionMissRate`	Оцените метрику коэффициента непопаданий для обнаружения объектов
`evaluateLaneBoundaries`	Оцените модели контура маршрута против основной истины

Визуализируйте обнаружения

`insertText`	Вставьте текст в изображение или видео
`insertShape`	Вставьте фигуры в изображение или видео
`insertMarker`	Вставьте маркеры в изображение или видео
`insertLaneBoundary`	Вставьте контур маршрута в изображение
`insertObjectAnnotation`	Аннотируйте истинный цвет или полутоновое изображение или видеопоток
`vision.DeployableVideoPlayer`	Видео отображения
`vision.VideoPlayer`	Проигрывайте видеоизображение или изображение на дисплее

Рекомендуемые примеры

Visual Perception Using Monocular Camera

Визуальное восприятие Используя монокулярную камеру

Создайте монокулярную симуляцию датчика камеры, способную к контуру маршрута и обнаружениям транспортного средства.

Скрипт Open Live Script

Сгенерируйте код для детектора маркера маршрута

Протестируйте основанный на монокуляре-камерой детектор маркера маршрута и сгенерируйте Код С++ для приложений реального времени на предварительно созданной 3D сцене из Нереального Engine® ведущая среда симуляции. Этот пример подтверждает алгоритм детектора маркера маршрута с помощью метрик и проверяет сгенерированный Код С++ при помощи программного обеспечения в симуляции цикла.

Открытый пример

Automate Testing for Lane Marker Detector

Автоматизируйте тестирование на детектор маркера маршрута

Автоматизируйте тестирование алгоритма детектора маркера маршрута и сгенерированного кода при помощи Simulink Test™. В этом примере вы будете: Оцените поведение алгоритма детектора маркера маршрута на различных сценариях тестирования с различными тестовыми требованиями.

Открытый пример

Обучите детектор транспортного средства глубокого обучения

Обучите основанный на видении детектор транспортного средства с помощью глубокого обучения.

Скрипт Open Live Script

Generate Code for Vision Vehicle Detector

Сгенерируйте код для детектора транспортного средства видения

Протестируйте основанный на монокуляре-камерой детектор транспортного средства и сгенерируйте развертываемый код для приложений реального времени на предварительно созданной 3D сцене из Нереального Engine® ведущая среда симуляции.

Открытый пример