Computer Vision Toolbox nedir?
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.