主要内容

이번역페이지는최신내용을담고있지않습니다。최신내용을영문으로보려면여기를클릭하십시오。

딥러닝을사용한라이다처리

라이다포인트클라우드처리를위한딥러닝워크플로확장

深度学习工具箱™를激光雷达工具箱™와함께사용하여라이다포인트클라우드데이터처리에딥러닝알고리즘을적용합니다。

앱

라이다레이블지정기 在激光雷达点云中标注地面真实数据

함수

squeezesegv2Layers 为组织激光雷达点云创建SqueezeSegV2分割网络

추천예제

基于PointSeg深度学习网络的激光雷达点云语义分割

基于PointSeg深度学习网络的激光雷达点云语义分割

在三维组织的激光雷达点云数据上训练PointSeg语义分割网络。
라이브스크립트열기
基于SqueezeSegV2深度学习网络的激光雷达点云语义分割

基于SqueezeSegV2深度学习网络的激光雷达点云语义分割

在三维组织的激光雷达点云数据上训练一个SqueezeSegV2语义分割网络。
라이브스크립트열기
激光雷达点云分割网络的代码生成

激光雷达点云分割网络的代码生成

生成CUDA®MEX代码，用于深度学习网络，用于激光雷达语义分割。本例使用了预先训练的SqueezeSegV2[1]网络，该网络可以将组织好的激光雷达点云分为三类(背景，车,卡车)．关于网络的训练过程的信息，请参见使用SqueezeSegV2深度学习网络(Lidar Toolbox)的Lidar点云语义分割。生成的MEX代码将点云作为输入，并通过使用DAGNetwork挤压esegv2网络的对象。
라이브스크립트열기
基于PointNet++深度学习的航空激光雷达语义分割

基于PointNet++深度学习的航空激光雷达语义分割

训练一个PointNet++深度学习网络，对航空激光雷达数据进行语义分割。
基于PointPillars深度学习的激光雷达三维目标检测

基于PointPillars深度学习的激光雷达三维目标检测

训练PointPillars网络在点云中进行对象检测。
라이브스크립트열기
基于深度学习的激光雷达目标检测数据增强

基于深度学习的激光雷达目标检测数据增强

使用激光雷达数据在三维目标检测工作流程中执行典型的数据增强技术。
自动地面真理标记车辆检测使用点柱

自动地面真理标记车辆检测使用点柱

使用激光雷达标签器(激光雷达工具箱)中预先训练的PointPillars对象检测网络，在点云中自动化车辆检测。在本例中，您将使用AutomationAlgorithm界面自动标记在激光雷达标签应用程序。
基于PointPillars深度学习的激光雷达目标检测代码生成

基于PointPillars深度学习的激光雷达目标检测代码生成

生成带有自定义层的PointPillars对象检测器的CUDA®MEX。有关更多信息，请参见Lidar Toolbox™中使用PointPillars深度学习(Lidar Toolbox)的Lidar 3d对象检测示例。

深度学习工具箱문서

지원

用MATLAB介绍深度学习

用MATLAB介绍深度学习

下载电子书