文档帮助中心
Lidar Toolbox™包括几何和预训练的深度学习算法来分割点云数据,以及检测和跟踪感兴趣的目标。在高级驾驶辅助系统(ADAS)应用中,可以应用深度学习算法对车辆进行分割和检测。你可以使用激光雷达贴标签机为深度学习算法准备标记训练数据的应用程序。
在三维组织的激光雷达点云数据上训练SqueezeSegV2语义分割网络。
训练PointNet++深度学习网络对航空激光雷达数据进行语义分割。
在航空激光雷达数据中对地形进行分割和分类,包括地面、建筑物和植被。该示例使用机载激光雷达系统捕获的LAZ文件作为输入。首先,将LAZ文件中的点云数据分为地面点和非地面点。然后,根据法线和曲率特征,进一步将非接地点分为建筑点和植被点。该图提供了该流程的概述。
训练一个PointPillars网络用于点云中的目标检测。
在激光雷达Labeler应用程序中使用预先训练的PointPillars对象检测网络在点云中自动进行车辆检测。在本例中,您使用AutomationAlgorithm接口在激光雷达Labeler应用程序中自动进行标记。
在Lidar点云中检测车道。您可以使用从Lidar Point云返回的强度值来检测EGO车辆车道。您可以通过使用曲线拟合算法和跟踪曲线参数来进一步提高车道检测。LIDAR Lane检测使您可以建立像车道保持辅助,车道偏离警告和自动驾驶的自适应巡航控制等复杂工作流程。测试车辆使用安装在其屋顶上的激光雷达传感器收集LIDAR数据。
利用安装在ego车辆上的激光雷达传感器捕获的激光雷达点云数据,探测、分类和跟踪车辆。本例中使用的激光雷达数据是从高速公路驾驶场景中记录的。在本例中,使用PointSeg网络对点云数据进行分割,以确定对象的类别。采用联合概率数据关联(JPDA)跟踪器和交互式多模型滤波器对被检测车辆进行跟踪。
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系
得到审判现在