使用LIDAR点云数据通过安装在自我车辆上的激光雷达传感器捕获的LIDAR点云数据来检测，分类和跟踪车辆。此示例中使用的LiDAR数据是从高速公路驾驶场景中记录的。在此示例中，对点云数据进行了细分，以使用PointSeg网络确定对象类。具有交互式多重模型过滤器的关节概率数据关联（JPDA）跟踪器用于跟踪检测到的车辆。

在3D有组织的LiDar Point Cloud数据上训练Pointseg语义分割网络。

在3D有组织的LiDar Point Cloud数据上训练SqueezeseGV2语义分割网络。

生成CUDA®MEX代码，用于为LIDAR语义细分的深度学习网络。该示例使用验证的SqueezeseGV2 [1]网络，该网络可以分割属于三类（背景，汽车和卡车）的有组织的LIDAR点云。有关网络培训程序的信息，请参见使用Squeezesegv2深度学习网络的LIDAR点云进行分割。生成的MEX代码将点云作为输入采用，并通过使用SqueezeseGV2网络的dagnetwork对象在点云上执行预测。

在点云中训练Pointpillars网络以检测对象检测。