Lidar Toolbox
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.


Lidar Toolbox Lidar Toolbox

Глубокое обучение для лидарных датчиков

Семантическая сегментация с использованием SqueezeSegV2.
Семантическая сегментация с использованием SqueezeSegV2.
Семантическая сегментация с использованием SqueezeSegV2. Семантическая сегментация с использованием SqueezeSegV2.

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.


Калибровка лидар-камеры

Преобразование ограничивающего прямоугольника из изображения в облака точек лидара.
Преобразование ограничивающего прямоугольника из изображения в облака точек лидара.

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.

Преобразование ограничивающего прямоугольника из изображения в облака точек лидара. Преобразование ограничивающего прямоугольника из изображения в облака точек лидара.

Обработка лидарных данных

Оцените нормали для облаков точек лидара.
Оцените нормали для облаков точек лидара.
Оцените нормали для облаков точек лидара. Оцените нормали для облаков точек лидара.

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

Создайте систему предупреждения о столкновении с 2D-лидаром, используя MATLAB
Создайте систему предупреждения о столкновении с 2D-лидаром, используя MATLAB

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.

Создайте систему предупреждения о столкновении с 2D-лидаром, используя MATLAB Создайте систему предупреждения о столкновении с 2D-лидаром, используя MATLAB

Потоковая передача, чтение и запись данных лидара

Чтение данных лидарного облака точек в формате LAS.
Чтение данных лидарного облака точек в формате LAS.
Чтение данных лидарного облака точек в формате LAS. Чтение данных лидарного облака точек в формате LAS.

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

Извлечение и сопоставление объектов из облаков точек лидара.
Извлечение и сопоставление объектов из облаков 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.

Извлечение и сопоставление объектов из облаков точек лидара. Извлечение и сопоставление объектов из облаков точек лидара.

${message}

${message}