Lidar Toolbox
Lidar Toolbox ™ предоставляет алгоритмы, функции и приложения для проектирования, анализа и тестирования систем обработки лидарных данных. Вы можете выполнять обнаружение и отслеживание объектов, семантическую сегментацию, подгонку формы, регистрацию точек и обнаружение препятствий. Программный продукт предоставляет рабочие процессы и приложение для совместной калибровки лидара и камеры.
Продукт позволяет поточно принимать данные с лидаров Velodyne® и считывать записанные данные с сенсоров Velodyne и IBEO. Приложение Lidar Viewer позволяет интерактивно визуализировать и анализировать облака точек лидара. Вы можете обучать модели обнаружения, семантической сегментации и классификации с использованием алгоритмов машинного обучения и глубокого обучения, таких как PointPillars, SqueezeSegV2 и PointNet++. Приложение Lidar Labeler поддерживает ручную и полуавтоматическую маркировку облаков точек лидара для обучения моделей глубокого обучения и машинного обучения.
Lidar Toolbox предоставляет справочные примеры обработки данных лидара для задач восприятия и навигации. Большинство алгоритмов продукта поддерживают генерацию кода C/C++ для интеграции с существующим кодом, прототипирования на ПК и развертывания.
Потоковый приём и считывание лидарных данных из файлов
Принимайте облака точек лидара в реальном времени с датчиков Velodyne. Считывайте данные, записанные в различных форматах файлов, включая PCAP, LAS, Ibeo, PCD и PLY.
ДокументацияПредобработка лидарных данных
Применяйте функции и алгоритмы для преобразования неорганизованного облака точек в организованное, сегментации земной поверхности, децимации (прореживания) и преобразования облаков точек, а также для извлечения признаков из облаков точек.
Визуализация и анализ лидарных данных
Визуализируйте, анализируйте и выполняйте операции предварительной обработки лидарных данных с помощью приложения Lidar Viewer. Используйте встроенные или пользовательские алгоритмы предобработки для удаления земли, шумов, медианной фильтрации, обрезки и прореживания лидарных данных.
Лидарная семантическая сегментация
Применяйте алгоритмы глубокого обучения для сегментации облаков лидарных точек. Обучайте, тестируйте и оценивайте сети семантической сегментации, такие как Point Net++, Points и SqueezeSegV2, на лидарных данных. Генерируйте код C/C++ или CUDA ® для аппаратных платформ.
Обнаружение объектов в облаках лидарных точек
Обнаруживайте объекты и устанавливайте вокруг них направленные ограничительные рамки в облаках точек, используйте их для отслеживания объектов или для маркировки данных лидара. Проектируйте, обучайте и оценивайте надежные детекторы, такие как сети PointPillars, а также генерируйте код C/C++ или CUDA для аппаратных платформ.
Маркировка лидарных данных
Маркируйте облака лидарных точек для обучения моделей глубокого обучения. Применяйте встроенные или пользовательские алгоритмы для автоматизации маркировки облаков точек лидара с помощью приложения Lidar Labeler и оцените производительность алгоритма автоматизации.
Калибровка лидара и камеры
Совместная калибровка лидара и камеры для задачи слияния данных камеры и лидара. Используйте приложение Lidar Camera Calibrator, чтобы обнаруживать, извлекать и визуализировать признаки паттерна шахматной доски из изображений и облаков точек лидара. Оценивайте матрицу строгого преобразования между камерой и лидаром, используя результаты извлечения признаков.
Регистрация лидара и одновременная локализация и картографирование (SLAM)
Регистрируйте облака лидарных точек, извлекая и сопоставляя дескрипторы гистограммы быстрых точечных объектов (FPFH) или используя сопоставление сегментов. Реализуйте алгоритмы 3D SLAM, сшивая последовательности облаков лидарных точек из наземных и воздушных лидарных данных.
Обработка 2D-лидара
Реализуйте алгоритмы SLAM на основе 2D-лидарных сканирований. Оценивайте позиции и создавайте бинарные или вероятностные сетки занятости, используя реальные или смоделированные показания датчиков.
