利用安装在自我车辆上的激光雷达传感器捕获的激光雷达点云数据，检测、分类和跟踪车辆。本例中使用的激光雷达数据是在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。

在三维有组织的激光雷达点云数据上训练PointSeg语义分割网络。

利用三维有组织的激光雷达点云数据训练SqueezeSegV2语义分割网络。

为深度学习网络生成CUDA®MEX代码，用于激光雷达语义分割。这个例子使用了一个经过训练的SqueezeSegV2[1]网络，它可以分割属于三类(背景、汽车和卡车)的有组织的激光雷达点云。有关网络训练过程的信息，请参阅使用SqueezeSegV2深度学习网络的激光雷达点云分割。生成的MEX代码以一个点云作为输入，并使用用于SqueezeSegV2网络的DAGNetwork对象对点云进行预测。

训练一个点柱网络用于点云中的目标检测。