Lidar Toolbox
Lidar Toolbox ™ предоставляет алгоритмы, функции и приложения для проектирования, анализа и тестирования лидар-обрабатывающих систем. Вы можете выполнять обнаружение и отслеживание объектов, семантическую сегментацию, подгонку формы, регистрацию лазерного дальномера и обнаружение препятствий. Lidar Toolbox поддерживает кросс-калибровку лазерного дальномера и камеры для рабочих процессов, сочетающих в себя компьютерное зрение и обработку данных лазерного дальномера.
Вы можете обучать пользовательские модели обнаружения и семантической сегментации, используя алгоритмы глубокого обучения и машинного обучения, такие как PointSeg, PointPillars и SqueezeSegV2. Приложение Lidar Labeler поддерживает ручную и полуавтоматическую маркировку облаков точек лидара для обучения моделей глубокого обучения и машинного обучения. Набор инструментов позволяет передавать данные с лидаров Velodyne® и считывать данные, записанные лидарными датчиками Velodyne и IBEO.
Lidar Toolbox предоставляет справочные примеры, иллюстрирующие использование лидарной обработки для рабочих процессов восприятия и навигации. Большинство алгоритмов набора инструментов поддерживают создание кода C/C++ для интеграции с существующим кодом, создания прототипов для настольных компьютеров и развертывания.
Глубокое обучение для лидарных датчиков
Применяйте алгоритмы глубокого обучения для обнаружения объектов и семантической сегментации лидарных данных.
Семантическая сегментация лидаров
Обучайте, оценивайте и развертывайте сети семантической сегментации, включая PointSeg и SqueezeSegV2 на лидарных данных.
Обнаружение объектов на облаке точек лидара
Обнаружение и подгонка ориентированных ограничивающих рамок вокруг объектов в облаке точек лидара. Проектируйте, обучайте и оценивайте надежные детекторы, такие как сети PointPillars.
Лидарная маркировка
Применяйте встроенные или настраиваемые алгоритмы для автоматизации маркировки облака точек с помощью приложения Lidar Labeler и оценивайте производительность алгоритмов автоматизации.
Семантическая сегментация облака точек лидаров с использованием сети глубокого обучения SqueezeSegV2.
Обнаружение объектов на облаках точек лидара с использованием глубокого обученияКалибровка лидар-камеры
Калибровка лидара и камеры
Выполните перекрестную калибровку лидара и камеры, чтобы оценить преобразования лидар-камера для объединения данных камеры и лидара.
Интеграция лидар-камеры
Объединяйте данные лидара и камеры для проецирования лидарных точек на изображения, объединяйте информацию о цвете в облаке лидарных точек и оценивайте трехмерные ограничивающие рамки в лидаре с помощью двухмерных ограничивающих рамок с совместно расположенной камеры.
Обработка лидарных данных
Применяйте предварительную обработку, чтобы улучшить качество данных облака точек лидара и извлеките из них основную информацию.
Алгоритмы лидарной обработки
Применяйте функции и алгоритмы для понижающей дискретизации, медианной фильтрации, нормальной оценки, преобразования облаков точек и извлечения функций облака.
2D-лидарная обработка
Оцените местоположение и создайте заполненные карты с помощью 2D-лидарного сканирования.
2D-лидар SLAM
Реализуйте алгоритмы одновременной локализации и картографии (SLAM) на основе 2D-лидарных сканирований. Оцените позиции и создайте заполненные двоичные или вероятностные сетки, используя реальные или смоделированные показания датчиков.
Потоковая передача, чтение и запись данных лидара
Чтение и запись данных облака точек лидара и потоковая передача данных с датчиков в реальном времени.
Обнаружение датчиков Velodyne Lidar
Получите лидарные облака точек в режиме реального времени от датчиков Velodyne Lidar, визуализируйте их в MATLAB и разработайте приложения для измерения данных лидаров.
Чтение и запись данных облака точек лидара
Чтение данных лидара в различных форматах файлов, включая PCAP, LAS, ibeo, PCD и PLY. Запись лидарных данных в файлы PLY и PCD.
Извлечение объектов из облака точек лидара
Особенности извлечения и регистрации
Зарегистрируйте лидарные облака точек и создавайте 3D-карты, используя одновременную локализацию и картографию (SLAM).
Регистрация облака точек лидара
Реализуйте алгоритмы трехмерного SLAM, объединяя последовательности облаков точек на основе данных наземного и воздушного лидарных датчиков.
