LIDAR工具箱
设计，分析和测试激光雷达处理系统
LIDAR Toolbox™提供用于设计，分析和测试LIDAR处理系统的算法，功能和应用。您可以执行对象检测和跟踪，语义分割，形状配件，激光雷达登记和障碍物检测。LIDAR Toolbox支万博1manbetx持Lidar-Camera Cross校准，用于组合计算机视觉和LIDAR加工的工作流程。
您可以使用深度学习和机器学习算法培训定制检测和语义分割模型，例如PoinseG，Pointpillars和SqueezeSegv2。LIDAR Labeler App支持Lid万博1manbetxar Point云的手动和半自动标记，用于培训深度学习和机器学习模型。该工具箱可让您从Velodyne流中流®LIDARS和Velodyne和IBEO LIDAR传感器记录的读取数据。
LIDAR工具箱提供了参考示例，说明了LIDAR处理对感知和导航工作流的使用。大多数工具箱算法支持C / C ++代码生成，用万博1manbetx于与现有代码，桌面原型设计和部署集成。
开始：
LIDAR语义细分
在LIDAR数据上列车，评估和部署语义分段网络，包括POINSEG和SCHEEZESEGV2。
使用ScreezeSegv2的语义分割。
LIDAR点云上的对象检测
在LIDAR点云中的物体周围检测和适合定向边界框。设计，列车和评估强大的探测器，如Pointpillars网络。
LIDAR标签
应用内置或自定义算法以自动化LIDAR贴标程序应用程序的Lidar Point云标记，并评估自动化算法性能。
LIDAR Labeler应用程序。
激光器和相机校准
使用LIDAR Camera Calibrator应用程序估算LIDAR和相机之间的刚性变换矩阵。
LIDAR相机校准器应用程序
激光器相机集成
将LIDAR和相机数据熔断到图像上的LIDAR点，LIDAR点云中的熔丝颜色信息，并使用来自共同定位的相机的2D边界盒估算LIDAR中的3D边界框。
LIDAR加工算法
将未组织的点云转换为有组织的点云。应用函数和算法进行地面分割，下采样，中值滤波，正常估计，转换点云和提取点云特征。
LIDAR点云的地面分割
2D LIDAR Slam.
从2D LIDAR扫描实现同时定位和映射（SLAM）算法。使用真实或模拟传感器读数估计位置并创建二进制或概率占用网格。
Velodyne LiDar传感器采集
从VelodeNe激光雷达传感器获取Live Lidar Point云，在Matlab中可视化它们，并开发LIDAR传感应用。
在Matlab中的LIDAR收购开始。
阅读和写入LIDAR点云数据
以不同的文件格式阅读LIDAR数据，包括PCAP，LAS，IBEO，PCD和PLY。将LIDAR数据写入PLY和PCD文件。
在LAS格式中读取LIDAR点云数据。
提取和匹配LIDAR点云的特征。
LIDAR点云注册
通过从地面和空中激光器数据拼接LiDAR点云序列来实现3D SLAM算法。
