Gabriel Ha, MathWorks
Lidar Toolbox™提供了用于设计、分析和测试激光雷达处理系统的算法、功能和应用程序。您可以执行目标检测和跟踪、语义分割、形状拟合、激光雷达注册和障碍物检测。激光雷达工具箱支持激光雷达-万博1manbetx相机交叉校准的工作流程,结合计算机视觉和激光雷达处理。
您可以使用深度学习和机器学习算法(如PointSeg、PointPillar和SqueezeSegV2)来训练自定义检测和语义分割模型。Lidar Labeler应用程序支持手动和万博1manbetx半自动标记激光雷达点云,用于训练深度学习和机器学习模型。工具箱可以让您从Velodyne流数据®激光雷达和读取数据记录的Velodyne和IBEO激光雷达传感器。
激光雷达工具箱提供了参考示例,说明了激光雷达处理在感知和导航工作流程中的使用。大多数工具箱算法支持C/ c++代码生成,用于与万博1manbetx现有代码、桌面原型和部署集成。
Lidar Toolbox提供算法、功能和用于设计、分析和测试激光雷达处理系统的应用程序。
您可以处理2D和3D点云,在激光雷达点云上应用深度学习算法,交叉校准激光雷达和相机传感器,并为自动驾驶和机器人应用实现3D SLAM算法。
激光雷达工具箱使您能够将不同文件格式(如PCAP, LAS, PCD和PLY)的激光雷达点云直接读取到MATLAB中。您还可以使用相应的支持包从Velodyne Lidar传感器传输实时数据。万博1manbetx
该工具箱提供了在激光雷达点云上训练、测试和部署深度学习网络的功能,用于对象检测和语义分割。
Lidar Labeler应用程序简化了激光雷达点云的地面真相标记。
该应用程序提供了交互式用户界面,可以手动和半自动标记激光雷达点云,用于训练深度学习模型。
激光雷达工具箱提供激光雷达相机校准功能,通过估计相机和激光雷达之间的旋转和平移来增强感知算法,然后使用这些数据将相机的颜色信息融合到激光雷达点云,或转换激光雷达和相机之间的边界盒坐标。
该工具箱还提供了注册激光雷达点云的功能,有助于从地面和空中激光雷达数据实现3D SLAM。
您可以通过提取和匹配快速点直方图特征(FPFH)来比较不同的激光雷达点云。使用这些匹配的特征,您可以注册激光雷达点云序列,逐步构建3D地图。
该工具箱还包括2D激光雷达处理功能,例如根据真实或模拟的2D激光雷达传感器读数估计位置和创建占用网格。您可以在2D对象检测和实时碰撞警告工作流中使用这些处理结果。
有关“激光雷达工具箱”的更多信息,请返回产品页面。
您也可以从以下列表中选择一个网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。