LIDAR工具箱

Design, analyze, and test lidar processing systems

免费试用

View pricing

LIDAR工具箱™ provides algorithms, functions, and apps for designing, analyzing, and testing lidar processing systems. You can perform object detection and tracking, semantic segmentation, shape fitting, lidar registration, and obstacle detection. The toolbox provides workflows and an app for lidar-camera cross-calibration.

该工具箱使您可以从Velodyne流式传输数据^®LIDARS和读取由Velodyne和Ibeo激光雷达传感器记录的数据。LIDAR Viewer应用程序可以实现激光点云的交互式可视化和分析。您可以使用机器学习和深度学习算法（例如Pointpillars，Squeezesegv2和PointNet ++）来训练检测，语义细分和分类模型。LIDAR标签应用程序支持LIDAR点云的手万博1manbetx册和半自动标签，以训练深度学习和机器学习模型。

LIDAR工具箱提供了LIDAR处理的参考示例，以了解感知和导航工作流程。大多数工具箱算法都支持C/C ++代码生成，以与万博1manbetx现有代码，台式原型和部署集成。

What Is Lidar Toolbox?

流和读取激光雷达数据

从Velodyne LiDar传感器中流实线激光点云。以不同的文件格式阅读LIDAR数据，包括PCAP，LAS，IBEO，PCD和PLY。

文档|例子

Aerial lidar point clouds segmented into ground and non-ground points.

激光雷达预处理

应用功能和算法对无组织的organized conversion, ground segmentation, downsampling, transforming point clouds, and extracting features from lidar point clouds.

文档|例子

Zoomed out view of lidar data in the Lidar Viewer app.

可视化和分析激光雷达数据

使用LIDAR Viewer应用程序可视化，分析和执行对LIDAR数据的预处理操作。使用内置或自定义预处理算法进行地面去除，降解，中值过滤，裁剪和下采样LIDAR数据。

文档|例子

Lidar Semantic Segmentation

将深度学习算法应用于细分激光雷德点云。在LIDAR数据上，训练，测试和评估语义分割网络，包括PointNet ++，PointSeg和Squeezesegv2。生成C/C ++或CUDA^®目标硬件的代码。

文档|例子

Object Detection on Lidar Point Clouds

Detect and fit oriented bounding boxes around objects in lidar point clouds and use them for object tracking or lidar labeling workflows. Design, train, and evaluate robust detectors such as PointPillars networks and generate C/C++ or CUDA code for target hardware.

文档|例子

激光雷达标签

标签LIDAR点云，用于训练深度学习模型。将内置或自定义算法应用于LIDAR标签应用程序自动化LIDAR点云标签，并评估自动化算法性能。

Labeling Lidar Point Clouds for Object Detection（5:29）

文档|例子

Image and corresponding point cloud of a checkerboard pattern in the Lidar Camera Calibrator App.

激光摄像机校准

跨校准激光雷达和摄像头传感器融合相机和激光雷达数据。使用LiDAR摄像头校准器应用程序从图像和LiDar Point Clouds中检测，提取和可视化棋盘功能。使用特征检测结果估算相机和激光雷达之间的刚性转换矩阵。

文档|例子

激光雷达注册和同时定位和映射（SLAM）

通过提取和匹配快速点特征直方图（FPFH）描述符或使用段匹配来登记LIDAR点云。通过将LIDAR点云序列拼接在一起，从地面和空中激光雷达数据拼接在一起，实现了3D SLAM算法。

空中激光雷达大满贯(6:08)

文档|例子

Map of an environment and corresponding robot trajectory.

2D激光雷达处理

Implement SLAM algorithms from 2D lidar scans. Estimate positions and create binary or probabilistic occupancy grids using real or simulated sensor readings.

文档|例子