kategori: Görüntü İşleme ve Bilgisayarlı Görü

Medical Imaging Toolbox, iki ve üç boyutlu tıbbi görüntüleri görselleştirmenizi, hizalamanızı, bölütlemenizi ve etiketlemenizi sağlar.

Medical Imaging Toolbox, tıbbi görüntülerin görselleştirilmesi, hizalanması, bölütlenmesi ve etiketlenmesi için hazırlanmış araç kutusudur. Üç boyutlu görselleştirme ve hacim gösterimi yaparsınız; desteklenen görüntüleme yöntemleri röntgen, bilgisayarlı tomografi, manyetik rezonans, ultrason, PET, SPECT ve mikroskopidir. Veri alışverişi DICOM, NIfTI, NRRD ve tam slayt görüntüleme biçimleriyle yürür. Fonksiyon listesini MathWorks dokümantasyonunda bulursunuz.

Etiketleme ve bölütleme tarafında Medical Image Labeler uygulaması etkileşimli işaretleme sağlar; yarı otomatik ve otomatik seçenekler MedSAM ile MONAI Label tümleşmesi üzerinden çalışır, dolayısıyla her kesiti elle çizmek zorunda kalmazsınız. Hizalama tarafında Medical Registration Estimator uygulaması çok yöntemli görüntüleri iki boyutlu, üç boyutlu yüzey ve hacimsel veri kümelerinde birbirine oturtur. Analiz tarafında tümör sınıflandırması için radyomik öznitelik çıkarımı bulunur; derin öğrenme ağlarını Deep Learning Toolbox üzerinden eğitirsiniz. Mikroskopi görüntülerinde hücre algılama için Cellpose kitaplığı tümleşiktir. Araç kutusu böylece bilgisayar destekli tanı ve tıbbi görüntü analizi uygulamaları için uçtan uca bir ortam sunar.

Medical Imaging Toolbox Temel Yetenekleri

Görüntü Yöntemleri

Röntgen, bilgisayarlı tomografi, manyetik rezonans, ultrason, PET, SPECT ve mikroskopi görüntülerini işlersiniz. Üç boyutlu hacim gösterimi yaparsınız.

Böylece farklı yöntemleri tek ortamda değerlendirirsiniz.

Hacim Görselleştirme

Tomografi kesitlerini üç boyutlu hacim olarak görüntülersiniz. Pencere ayarlarıyla doku kontrastını değiştirirsiniz.

Dolayısıyla anatomiyi kesit kesit incelemek zorunda kalmazsınız.

Gürültü Giderme

Düşük dozlu taramalardaki gürültüyü giderirsiniz. Sonucu özgün görüntüyle yan yana karşılaştırırsınız.

Yani düşük doz protokollerinde görüntü kalitesini korursunuz.

Etiketleme

Medical Image Labeler uygulamasıyla etkileşimli işaretleme yaparsınız. Yarı otomatik ve otomatik seçenekler MedSAM ile MONAI Label tümleşmesi üzerinden çalışır.

Ayrıca sonuçları dosya olarak dışa aktarırsınız.

Görüntü Hizalama

Medical Registration Estimator uygulaması çok yöntemli görüntüleri birbirine oturtur. İki boyutlu, üç boyutlu yüzey ve hacimsel veri kümeleri desteklenir.

Böylece farklı taramaları ortak koordinatta karşılaştırırsınız.

Radyomik Analiz

Tümör sınıflandırması için radyomik öznitelik çıkarımı yaparsınız. Seçilen öznitelikleri model eğitimine verirsiniz.

Ardından sınıflandırma başarımını değerlendirirsiniz.

Hücre Algılama

Mikroskopi görüntülerinde hücre çekirdeklerini algılarsınız. Cellpose kitaplığı tümleşik olarak gelir.

Örneğin hematoksilen ve eozin boyalı doku kesitlerini çözümlersiniz.

Medical Imaging Toolbox Nasıl Çalışır?

1. Görüntüyü alın Öncelikle DICOM, NIfTI ya da NRRD verisini araç kutusuna aktarın.
2. Etiketleyin Ardından Medical Image Labeler ile yapıları işaretleyin.
3. Hizalayın Farklı yöntemlerden gelen görüntüleri ortak koordinata oturtun.
4. Analiz edin Son olarak radyomik öznitelikleri çıkarıp modeli eğitin.

Kullanım Alanları

Görüntü İşleme ve Bilgisayarlı Görü

Tıbbi görüntüleri işler ve bölütler, ardından niceliksel ölçüm alırsınız.

Hesaplamalı Biyoloji

Mikroskopi görüntülerinde hücreleri algılar, böylece biyolojik ölçümleri otomatikleştirirsiniz.

Yapay Zekâ

Bölütleme ve sınıflandırma ağlarını tıbbi veriyle eğitir, dolayısıyla tanıya destek üretirsiniz.

Gömülü Yapay Zekâ

Eğitilen modelleri cihaz üzerinde çalıştırır, ardından görüntüyü yerinde çözümlersiniz.

Test ve Ölçüm

Görüntüleme protokollerini karşılaştırır, örneğin düşük doz sonuçlarını değerlendirirsiniz.

Sıkça Sorulan Sorular

Hangi görüntüleme yöntemleri destekleniyor?

Röntgen, bilgisayarlı tomografi, manyetik rezonans, ultrason, PET, SPECT ve mikroskopi desteklenir.

Hangi dosya biçimleri okunuyor?

DICOM, NIfTI, NRRD ve tam slayt görüntüleme biçimleri okunur ve yazılır.

Etiketlemeyi otomatikleştirebilir miyim?

Evet. Medical Image Labeler uygulamasında yarı otomatik ve otomatik seçenekler MedSAM ile MONAI Label tümleşmesi üzerinden çalışır.

Farklı taramaları nasıl hizalarım?

Medical Registration Estimator uygulaması çok yöntemli görüntüleri iki boyutlu, üç boyutlu yüzey ve hacimsel veri kümelerinde birbirine oturtur.

Radyomik analiz ne sağlar?

Tümör sınıflandırması için öznitelik çıkarımı yapar; bu öznitelikleri makine öğrenmesi ve derin öğrenme modellerine verirsiniz.

Mikroskopi görüntülerinde hücre algılama var mı?

Evet. Cellpose kitaplığı tümleşiktir, hücre çekirdeklerini boyalı doku kesitlerinde algılarsınız.

Lidar Toolbox, lidar işleme sistemlerini tasarlamanızı, çözümlemenizi ve sınamanızı sağlar.

Lidar Toolbox, lidar verisiyle çalışan sistemlerin tasarım, analiz ve test adımlarını kapsayan araç kutusudur. Veri tarafında Velodyne lidar algılayıcılarından canlı nokta bulutlarını akıtırsınız; PCAP, LAS, Ibeo, PCD ve PLY gibi farklı dosya biçimlerini okursunuz. Ön işleme tarafında düzensiz nokta bulutunu düzenli biçime çevirme, zemin bölütleme, downsampling, nokta bulutu dönüşümü ve öznitelik çıkarımı fonksiyonları bulunur. Görselleştirme ve analiz için Point Cloud Analyzer uygulamasını kullanırsınız. Fonksiyon listesini MathWorks dokümantasyonunda bulursunuz.

Derin öğrenme tarafı geniştir. Anlamsal bölütleme ağlarını lidar verisi üzerinde eğitir, test eder ve değerlendirirsiniz; PointNet++, PointSeg ve SqueezeSegV2 desteklenir. Nesne algılamada PointPillars gibi algılayıcılarla nokta bulutundaki nesnelerin çevresine yönlendirilmiş sınırlayıcı kutular oturtursunuz. Model eğitimi için veri hazırlamak üzere Lidar Labeler uygulamasını kullanırsınız; elle ve yarı otomatik etiketleme desteklenir. Kalibrasyon tarafında üç boyutlu lidar algılayıcısı ile kamera arasındaki katı dönüşümü kestirirsiniz, dolayısıyla iki algılayıcıyı ortak koordinat sisteminde birleştirirsiniz. SLAM ve kayıt tarafında yer ile hava lidar verisinden gelen nokta bulutu dizilerini birleştirerek üç boyutlu SLAM algoritmaları kurarsınız. Desteklenen algılayıcılar Velodyne, Ouster, Hokuyo ve Hesai’dir. Araç kutusu algoritmalarının çoğu C ve C++ kod üretimini destekler, bir bölümü CUDA kod üretimine de uygundur.

Lidar Toolbox Temel Yetenekleri

Veri Akışı ve Okuma

Velodyne algılayıcılarından canlı nokta bulutlarını akıtırsınız. PCAP, LAS, Ibeo, PCD ve PLY biçimlerini okursunuz.

Böylece mevcut kayıtlarınızı dönüştürmeden kullanırsınız.

Zemin Bölütleme

Hava lidar verisini zemin ve zemin dışı noktalara ayırırsınız. Ön işleme adımları düzenli biçime çevirmeyi ve downsampling’i kapsar.

Dolayısıyla analiz öncesinde veriyi sadeleştirirsiniz.

Point Cloud Analyzer

Lidar verisini görselleştirir, çözümler ve ön işleme işlemlerini uygularsınız. Uygulama geniş veri kümelerinde gezinmeyi kolaylaştırır.

Yani veriyi kod yazmadan incelersiniz.

Anlamsal Bölütleme

Anlamsal bölütleme ağlarını lidar verisi üzerinde eğitir, test eder ve değerlendirirsiniz. PointNet++, PointSeg ve SqueezeSegV2 desteklenir.

Örneğin hava verisini bina, bitki örtüsü ve zemin sınıflarına ayırırsınız.

Lidar Etiketleme

Lidar Labeler uygulamasıyla nokta bulutlarını elle ve yarı otomatik etiketlersiniz. Etiketli veriyi model eğitimine verirsiniz.

Ayrıca sürüş senaryolarını kare kare işaretlersiniz.

Lidar Kamera Kalibrasyonu

Üç boyutlu lidar algılayıcısı ile kamera arasındaki katı dönüşümü kestirirsiniz. Dama tahtası deseni kalibrasyonu kolaylaştırır.

Böylece iki algılayıcıyı ortak koordinat sisteminde birleştirirsiniz.

SLAM ve Kayıt

Yer ile hava lidar verisinden gelen nokta bulutu dizilerini birleştirerek üç boyutlu SLAM algoritmaları kurarsınız. Ortam haritasını ve robot yörüngesini birlikte üretirsiniz.

Dolayısıyla konumlandırma ile haritalamayı tek adımda yaparsınız.

Lidar Toolbox Nasıl Çalışır?

1. Veriyi alın Öncelikle canlı akışı ya da kayıtlı dosyayı okuyup nokta bulutunu oluşturun.
2. Ön işleyin Ardından zemin bölütleme ve downsampling ile veriyi sadeleştirin.
3. Modeli eğitin Lidar Labeler ile etiketleyip bölütleme ya da algılama ağını eğitin.
4. Haritalayın Son olarak nokta bulutu dizilerini birleştirip SLAM akışını kurun.

Kullanım Alanları

Görüntü İşleme ve Bilgisayarlı Görü

Nokta bulutunu kamera verisiyle birleştirir, ardından algılamayı zenginleştirirsiniz.

Otonom Sürüş

Sürüş senaryolarını etiketler, böylece algılama ağlarını gerçek veriyle eğitirsiniz.

Robotik Çözümler

Üç boyutlu SLAM ile ortam haritası çıkarır, dolayısıyla navigasyonu kurarsınız.

Yapay Zekâ

Anlamsal bölütleme ağlarını nokta bulutu verisiyle eğitir, ardından başarımı değerlendirirsiniz.

Gömülü Sistemler

Algoritmayı C ve CUDA koduna çevirir, örneğin araç bilgisayarında çalıştırırsınız.

Sıkça Sorulan Sorular

Hangi lidar algılayıcıları destekleniyor?

Velodyne, Ouster, Hokuyo ve Hesai algılayıcıları desteklenir. Canlı nokta bulutu akışı Velodyne algılayıcılarından yapılır.

Hangi dosya biçimleri okunuyor?

PCAP, LAS, Ibeo, PCD ve PLY biçimleri okunur.

Hangi bölütleme ağları var?

PointNet++, PointSeg ve SqueezeSegV2 anlamsal bölütleme ağları desteklenir. Bunları lidar verisi üzerinde eğitir, test eder ve değerlendirirsiniz.

Etiketleme nasıl yapılır?

Lidar Labeler uygulamasıyla nokta bulutlarını elle ve yarı otomatik etiketlersiniz. Etiketli veriyi derin öğrenme ve makine öğrenmesi modellerinin eğitiminde kullanırsınız.

Lidar ile kamerayı nasıl hizalarım?

Üç boyutlu lidar algılayıcısı ile kamera arasındaki katı dönüşümü kestirirsiniz, böylece iki algılayıcıyı ortak koordinat sisteminde birleştirirsiniz.

Kod üretimi destekleniyor mu?

Evet. Araç kutusu algoritmalarının çoğu C ve C++ kod üretimini destekler; bir bölümü CUDA kod üretimine de uygundur.

Image Processing Toolbox, görüntü işleme, görselleştirme ve analiz için referans nitelikli algoritmalar ile iş akışı uygulamaları sunar.

Image Processing Toolbox, görüntü üzerinde ölçüm, analiz ve algoritma geliştirme için kullanılan bir araç kutusudur. İki boyutlu görüntüleri, üç boyutlu hacimleri ve belleğe sığmayacak kadar büyük görüntüleri işler. Klasik yöntemlerle derin öğrenme yaklaşımlarını aynı ortamda kullanırsınız. Şekil bulma, nesne sayma, renk belirleme ve nesne özelliklerini ölçme gibi işleri hazır fonksiyonlarla yaparsınız. Fonksiyon listesini MathWorks dokümantasyonunda bulursunuz.

Araç kutusu iş akışı uygulamalarıyla birlikte gelir. Color Thresholder, Image Region Analyzer, Image Registration ve Image Segmenter uygulamaları keşif aşamasını hızlandırır; Image Segmenter ayrıca Segment Anything modelini destekler. Bölütlemede otomatik eşikleme, kenar tabanlı yöntemler ve morfoloji tabanlı yaklaşımlardan birini seçersiniz. Registration tarafında ise yoğunluk tabanlı, çok modlu ve esnek hizalama yöntemlerini kullanırsınız. Hiperspektral veriyi okur, yazar ve NDVI gibi spektral indekslerle işlersiniz. Son olarak algoritmayı C, C++, CUDA ve HDL koduna çevirir; CPU, GPU, FPGA ve ASIC hedeflerine dağıtırsınız.

Image Processing Toolbox Temel Yetenekleri

Görüntü Analizi

Şekil bulma, nesne sayma, renk belirleme ve nesne özelliklerini ölçme işlerini hazır fonksiyonlarla yaparsınız. Ayrıca nesne sınırlarını otomatik çıkarırsınız.

Böylece ölçüm sonuçlarını sayısal olarak raporlarsınız.

Bölütleme

Otomatik eşikleme, kenar tabanlı yöntemler ve morfoloji tabanlı yaklaşımlarla bölge sınırlarını belirlersiniz. Örneğin watershed yöntemi birbirine değen nesneleri ayırır.

Ayrıca Image Segmenter uygulaması Segment Anything modelini destekler.

Registration

Aynı nesnenin farklı açılardan çekilmiş görüntülerini otomatik hizalarsınız. Ayrıca yoğunluk tabanlı, çok modlu ve esnek hizalama yöntemlerinden birini seçersiniz.

Dolayısıyla nicel karşılaştırma yapmadan önce görüntüleri aynı çerçeveye getirirsiniz.

Ön İşleme ve İyileştirme

Kontrastı artırır, gürültüyü giderir ve bulanıklığı düzeltirsiniz. Bunun için kontrast ayarı ve morfolojik operatörleri kullanırsınız.

Örneğin düşük ışıklı bir iç mekân görüntüsünü ters çevirerek okunabilir hâle getirirsiniz.

Keşif Uygulamaları

Image Browser ile bir klasördeki ya da datastore’daki görüntüleri toplu görüntülersiniz. Üstelik Color Thresholder ve Image Region Analyzer keşfi hızlandırır.

Böylece algoritma yazmadan önce veriyi tanırsınız.

Hızlandırma ve Dağıtım

Algoritmayı C, C++, CUDA ve HDL koduna çevirirsiniz. Hedef olarak CPU, GPU, FPGA ya da ASIC seçersiniz.

Örneğin araç algılama algoritmasını gömülü karta indirip gerçek zamanlı çalıştırırsınız.

Image Processing Toolbox Nasıl Çalışır?

1. Veriyi tanıyın Öncelikle görüntüleri Image Browser ile inceleyip ön işleme ihtiyacını belirleyin.
2. Ön işleme yapın Ardından kontrastı ayarlayın, gürültüyü giderin ve gerekiyorsa görüntüleri hizalayın.
3. Bölütleyin ve ölçün Nesne sınırlarını çıkarıp özelliklerini sayısal olarak ölçün.
4. Dağıtın Son olarak C, CUDA ya da HDL kodu üretip hedef donanıma taşıyın.

Kullanım Alanları

Görüntü İşleme ve Bilgisayarlı Görü

Ön işlemeden ölçüme uzanan görüntü akışını tek ortamda yürütür, klasik ve yapay zeka yöntemlerini karşılaştırırsınız.

Kestirimci Bakım

Yüzey kusurlarını görüntüden ölçer, böylece bakım kararını sayısal bir eşiğe bağlarsınız.

Otonom Sürüş

Kamera görüntüsünü ön işler, ardından araç ve şerit algılama algoritmalarını besler.

Gömülü Yapay Zekâ

Görüntü ön işleme ve bölütleme zincirini gömülü donanıma taşır, ardından yerinde çalıştırırsınız.

Hesaplamalı Biyoloji

Mikroskop ve tıbbi görüntülerde doku sınırlarını çıkarır, ardından nicel analiz yaparsınız.

Sıkça Sorulan Sorular

Üç boyutlu hacimleri işleyebilir miyim?

Evet. İki boyutlu görüntülerin yanı sıra üç boyutlu hacimler ve belleğe sığmayacak kadar büyük görüntüler desteklenir. Üç boyutlu iş akışlarını görselleştirme dahil uçtan uca yürütürsünüz.

Derin öğrenme zorunlu mu?

Hayır. Bölütleme, registration, ön işleme ve ölçüm işleri klasik yöntemlerle yürür. Ancak gürültü giderme, görüntüden görüntüye çeviri ve ağ tabanlı bölütleme için Deep Learning Toolbox gerekir.

Hiperspektral veri destekleniyor mu?

Evet. Hiperspektral veriyi okur, yazar ve görselleştirirsiniz. Ayrıca Smile düzeltmesi, NDVI ve diğer spektral indeks algoritmalarını kullanırsınız.

Hangi uygulamalar geliyor?

Color Thresholder, Image Region Analyzer, Image Registration, Image Segmenter ve Image Browser bulunur. Image Segmenter ayrıca Segment Anything modelini destekler; böylece bölütlemeyi tek tıkla başlatırsınız.

Algoritmayı donanıma taşıyabilir miyim?

Evet. C, C++, CUDA ve HDL kodu üretilir; hedef olarak CPU, GPU, FPGA ve ASIC kullanılır. Ancak her hedef için ilgili kod üretim ürünü gerekir.

Computer Vision Toolbox ile farkı nedir?

Image Processing Toolbox ölçüm, iyileştirme ve bölütleme gibi temel görüntü işlerine odaklanır. Computer Vision Toolbox ise nesne tespiti, izleme, kamera kalibrasyonu ve SLAM gibi görü akışlarını ekler. İkisi sık birlikte kullanılır.

Computer Vision Toolbox, bilgisayarlı görü sistemlerini tasarlamanız ve test etmeniz için algoritmalar, uygulamalar ve önceden eğitilmiş modeller sunar.

Computer Vision Toolbox, görüntü ve video üzerinde çalışan algoritmalar geliştirmek için kullanılan bir araç kutusudur. İş akışı etiketlemeyle başlar: Video Labeler ve Image Labeler uygulamaları nesne tespiti, anlamsal bölütleme, örnek bölütleme ve sahne sınıflandırma için etiketleme işini otomatikleştirir. Ardından önceden eğitilmiş ağları kullanır ya da dilerseniz kendi ağınızı eğitirsiniz. Fonksiyon ve uygulama listesini MathWorks dokümantasyonunda bulursunuz.

Araç kutusu klasik görü yöntemlerini de kapsar. Tek kamera, balık gözü, çift kamera ve çoklu kamera düzenekleri için kalibrasyon yapar; iç, dış ve mercek bozulma parametrelerini kestirirsiniz. Görsel SLAM ile çok sayıda iki boyutlu görüntüden üç boyutlu sahne yapısı çıkarır, kamera duruşunu bundle adjustment ve pose graph optimization ile iyileştirirsiniz. Lidar ve nokta bulutu tarafında bölütleme, kümeleme, downsampling, gürültü giderme ve geometrik şekil oturtma yürütülür. Son olarak algoritmayı C, C++, CUDA ve HDL koduna çevirir, OpenCV tabanlı projeleri MATLAB ile Simulink’e tümleştirirsiniz.

Computer Vision Toolbox Temel Yetenekleri

Etiketleme ve Referans Veri

Video Labeler ve Image Labeler uygulamalarıyla nesne tespiti, anlamsal bölütleme ve örnek bölütleme için etiketleme yaparsınız. Üstelik Segment Anything modeli otomatik bölütlemeyi destekler.

Böylece eğitim veri kümesini elle kutu çizerek hazırlamak zorunda kalmazsınız.

Otomatik Görsel Muayene

Automated Visual Inspection kitaplığı üretim kalite kontrolünde kusur ve anormallik tespiti yapar. Ayrıca nesne sayımı yeteneği de sunar.

Örneğin hap üretiminde yüzey kusurlarını işaretleyerek ayıklama kararını desteklersiniz.

Kamera Kalibrasyonu

Tek kamera, balık gözü, çift kamera ve çoklu kamera düzeneklerini kalibre edersiniz. Ayrıca iç, dış ve mercek bozulma parametrelerini uygulamalarla ya da fonksiyonlarla kestirirsiniz.

Dolayısıyla ölçüm doğruluğunu daha algoritma yazmadan sağlarsınız.

Görsel SLAM ve 3B Görü

Çok sayıda iki boyutlu görüntüden üç boyutlu sahne yapısı çıkarırsınız. Kamera duruşunu bundle adjustment ve pose graph optimization ile iyileştirirsiniz.

Üstelik yoğun sahne yeniden yapılandırması ile ortamın haritasını kurarsınız.

Öznitelik Tespiti ve Eşleştirme

Blob, kenar ve köşe gibi öznitelikleri tespit eder, görüntüler arasında eşleştirirsiniz. Böylece registration ve sınıflandırma akışlarının temelini kurarsınız.

Örneğin bir nesneyi daha geniş bir sahne içinde bulursunuz.

Çok Nesneli İzleme

Video dizilerinde birden çok nesneyi izler, hareketi kestirirsiniz. Ayrıca DeepSORT algoritmasını da kullanabilirsiniz.

Böylece kamera görüntüsünde yayaları ilgi alanı içinde ayrı ayrı takip edersiniz.

Computer Vision Toolbox Nasıl Çalışır?

1. Veriyi etiketleyin Öncelikle görüntü ve videoları Labeler uygulamalarıyla etiketleyip referans veri kümesini kurun.
2. Modeli seçin ya da eğitin Ardından önceden eğitilmiş bir ağ kullanın veya kendi ağınızı eğitin.
3. Başarımı ölçün Ağın başarımını değerlendirip klasik yöntemlerle karşılaştırın.
4. Dağıtın Son olarak C, C++, CUDA ya da HDL kodu üretip hedef donanıma taşıyın.

Kullanım Alanları

Görüntü İşleme ve Bilgisayarlı Görü

Etiketlemeden dağıtıma uzanan görü akışını tek ortamda yürütür, klasik ve yapay zeka yöntemlerini karşılaştırırsınız.

Otonom Sürüş

Kamera görüntüsünden yaya ve araç tespit eder, ardından çok nesneli izlemeyle takip edersiniz.

Robotik Çözümler

Görsel SLAM ile ortamın haritasını çıkarır, robotun konumunu kamera verisinden kestirirsiniz.

Gömülü Yapay Zekâ

Görü ağlarını C, CUDA ya da HDL koduna çevirir, böylece kamera yanındaki donanımda çalıştırırsınız.

Kestirimci Bakım

Görsel muayeneyle yüzey kusurlarını tespit eder, böylece bakım kararını bu bulguya bağlarsınız.

Sıkça Sorulan Sorular

Etiketleme işini otomatikleştirebilir miyim?

Evet. Video Labeler ve Image Labeler uygulamaları otomatik etiketleme algoritmalarıyla çalışır. Ayrıca Segment Anything modeli otomatik bölütlemeyi destekler; böylece elle kutu çizme yükü belirgin biçimde azalır.

Derin öğrenme zorunlu mu?

Hayır. Öznitelik tespiti, kamera kalibrasyonu, görsel SLAM ve nokta bulutu işleme gibi klasik yöntemler ağ eğitimi gerektirmez. Ancak nesne tespiti ve bölütlemede yapay zeka yaklaşımları için Deep Learning Toolbox gerekir.

Hangi kamera düzenekleri kalibre edilebilir?

Tek kamera, balık gözü, çift kamera ve çoklu kamera düzenekleri desteklenir. İç, dış ve mercek bozulma parametrelerini kestirirsiniz. Kalibrasyon hem uygulamayla hem fonksiyonlarla yürütülür.

Algoritmayı gömülü donanıma taşıyabilir miyim?

Evet. C, C++, CUDA ve HDL kodu üretilir. CUDA için GPU Coder, taşınabilir C için MATLAB Coder, FPGA hedefleri için Vision HDL Toolbox kullanılır.

OpenCV projelerimi kullanabilir miyim?

Evet, OpenCV tabanlı projeleri MATLAB ve Simulink ortamına tümleştirirsiniz. Böylece mevcut kod tabanınızı yeniden yazmadan yeni akışlara bağlarsınız.

Lidar verisi işleyebilir miyim?

Evet. Nokta bulutlarını bölütler, kümeler, downsampling ile seyreltir, gürültüsünü giderir, çakıştırır ve geometrik şekil oturtursunuz. Daha ileri üç boyutlu yetenekler için Lidar Toolbox kullanılır.