サクサク読めて、
アプリ限定の機能も多数！
アプリで開く
この記事は「自動運転システムをエッジデバイスに組み込むための技術」を3回に分けて紹介するTURINGのテックブログ連載の第3回の記事「詳解V4L2 (video forlinux2)」です。 第1回の「C++でOpenCV完全入門！」、第2回の「OpenCVをNPPにした結果→10倍高速に！」もぜひご覧ください！ はじめに こんにちは。TURING株式会社（以下、TURING）で、インターンをしている東大B3の中村です。TURINGは、完全自動運転EVを作ることを目的に設立されたベンチャー企業です。自動運転システムとそれを搭載したEV車の開発を行っています。TURINGの自動運転システムは、カメラからの映像入力を肝としています。これまではOpenCVを入力のインターフェイスとして利用していました。OpenCVを使用していたのは、buildや使用法についての情報が多い コードが簡単に
この記事は「自動運転システムをエッジデバイスに組み込むための技術」を3回に分けて紹介するTURINGのテックブログ連載の第2回の記事「OpenCVをNPPにした結果→10倍高速に！」です。 第1回の「C++でOpenCV完全入門！」、第3回の「詳解V4L2 (video forlinux 2)」もぜひご覧ください！ はじめにTURINGで働いている木更津高専の越智です。TURINGでは「We Overtake Tesla」を目標に掲げて、完全自動運転EVの開発・製造を行っています。TURINGでは、社内で使っている自動運転ソフトウェアにおいて、画像処理部分のライブラリをOpenCVからNVIDIA Performance Primitives(NPP)に変更するプロジェクトに取り組んでいました。これによって、CPUで動かしていた画像処理をGPUバックエンドで動かすことができるようにな
この記事は「自動運転システムをエッジデバイスに組み込むための技術」を3回に分けて紹介するTURINGのテックブログ連載の第1回の記事「C++でOpenCV完全入門！」です。 第2回の「OpenCVをNPPにした結果→10倍高速に！」、第3回の「詳解V4L2 (video forlinux 2)」もぜひご覧ください！ はじめに こんにちは。完全自動運転EVを開発するベンチャー企業、TURING株式会社でインターンをしている東大工学部3年の井上信多郎です。 我々人類は、車を運転するにあたって多くの情報を目から取り入れています。目から取り入れた情報を元に、アクセル・ブレーキ・ハンドルを操作しています。 自動運転の場合、その目に相当するセンサがカメラであり、カメラから得た情報を元に車を運転することになります。カメラから得る情報とは、ずばり画像です。画像の中から信号、標識、前方車両などの必要なもの
「OpenCV 4.7.0」では、ArUcoとChArUcoがメインリポジトリのobjdetectモジュールに移動されたほか、スケーラブルなベクトル命令（RISC-V RVV）用の新たなユニバーサル組み込みバックエンドが導入されるとともに、CUDA 12およびNVIDIA Video Codec SDKのサポートが追加されている。 また、dnnモジュールの改善として、複数の新たな演算とネットワークアーキテクチャがサポートされたほか、畳み込み演算のパフォーマンス最適化、Huawei CANNバックエンドの追加、OpenVINO2022.1サポートの改善、OpenVINOランタイムに基づく動的にロードされるバックエンドの実験的なサポートが追加された。 さらに、画像とビデオのコーデックにおける新機能・機能改善として、マルチページの画像フォーマット向けとなるイテレータベースAPIの導入、組み込み
対象物とカメラの情報を事前準備 下記の情報を事前に準備しておきましょう！ イメージセンサーって何？？ってなる人も多いかもしれません。イメージセンサーとは、アナログカメラで言うとフィルム部分のことです。今回のカメラで言うと、縦3mm×横4mmのイメージセンサーを使っていて、その中に800万画素分の微小な半導体センサーが付いた四角い板になります。 イメージセンサーはこんな感じのモノです。 距離推定の原理_ピンホールカメラモデル ピンホールカメラという極小な穴を開けたカメラモデルを用いて、下記のように距離を推定します。 h：実物の大きさ d：カメラから実物までの距離 h’：イメージセンサ上に写った大きさ d’：焦点距離 上記のように、d, h と d’ h’の間に相似関係が成り立ちます。 今回は自動車(VOXY)を写していますのでこんな感じです。 上の図でいくと、今回はカメラと自動車間の距離であ
概要OpenCVはコンピュータビジョン分野でもっとも利用されているオープンソースフレームワークです。近年の人工知能ブームに呼応する形で機械学習やディープラーニングAPIが強化され、物体の名称と位置を認識するオブジェクト検出（Object Detection）といったタスクも容易に扱えるようになりました。 とはいえ、画像認識タスクがすべてディープラーニングによる手法に置き換わるわけではありません。これまでに培った手法を選択した方が堅実な場面もあるため、本書では現時点で重要とされる画像処理手法を整理します。OpenCVの基礎的な解説からはじめ、dnnモジュールを用いたディープラーニングによる画像認識についても解説していきます。 サンプルコードにはPythonを利用し、OpenCV 4.5.Xに対応しています。 目次 はじめに本書の構成本書で扱わないこと、参考文献API の解説 サンプル
こんにちは、CX事業本部 IoT事業部の若槻です。 前回のエントリではOpenCV（Python）のHigh-levelGUIを使用して画像をウィンドウで開いてみました。OpenCV（Python）で画像をウィンドウで開いたり閉じたりする | DevelopersIO 今回は、OpenCVPython）でTemplate Matchingを使用して画像内の検索（物体検出）をしてみました。 環境 $ sw_vers ProductName:macOS ProductVersion: 11.6BuildVersion: 20G165 $pythonPython 3.9.6 (default, Jun 29 2021, 06:20:32) [Clang 12.0.0 (clang-1200.0.32.29)] on darwin Type "help", "copyright", "
この記事はOpenCV Advent Calendar 2021の 23 日目の記事です。 はじめに 3 日目の記事で紹介されているように、OpenCV 4.5.4 では新しく顔検出/顔認識のAPI が実装されました。この記事ではこの顔検出API をブラウザから呼んでみることにします。ブラウザから呼び出すにあたって、先にきちんとパフォーマンスを確認して使用する解像度を決めます。更に高速化のためにSIMD とマルチスレッドを使ったOpenCV のWasm バイナリを作ります。その後、実用的な環境を想定してReact のフロントエンドから呼び出すようにしてみます。ついでに WebRTC で実際に加工した画像が送信できることのデモまで行います。OpenCV.js での新機能の扱いOpenCV.js でJavaScript から呼び出せる機能はホワイトリスト形式になっており、ビル
まとめ 寸法測定結果は下図のようになります。 右下の赤枠が測定結果で75mm角のサンプルに対し 幅 ：76.3mm 高さ：76.0mm の結果となりました。 リアルタイム測定のため、ノイズによって75±1.5mm程度誤差が見られました。 はじめに 検査対象について説明します。 検査対象はA4サイズのシート状の製品です。 測定精度の目標値は±1mm、予算は一台当たり10万円以下を想定しました。 製品は網目状になっています。 人の手での搬送を想定して流れ方向における製品の傾きはバラバラとしました。 検証用テストピースとしてパワポで7.5cmに印刷したサンプルを作りました。 テストピース① テストピース②（製品想定） 環境 今回はPCにUSBカメラを繋いで実行しました。（将来的にはラズパイで実装予定） OS：windows10python：3.6.8 numpy：1.17.5opencv-c
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
