深度学习

激光雷达的深度学习

将人工智能技术应用于激光雷达

在激光雷达点云上训练、测试和部署深度学习网络，用于对象检测和语义分割。

用MATLAB®和仿真软件®，你可以:

  • 应用深度学习算法的激光雷达点云预处理
  • 使用Lidar Labeler应用程序标记激光雷达点云进行对象检测
  • 使用数据存储处理用于训练、测试和验证的大量数据
  • 生成用于深度学习工作流的C/ c++和CUDA代码，用于对点云数据进行语义分割和对象检测
什么是激光雷达工具箱?
视频长度为2:07。
什么是激光雷达工具箱

为什么在激光雷达中使用深度学习?

基于建筑物、植被、车辆等对象分割的航空激光雷达点云。

激光雷达语义分割

应用深度学习算法对激光雷达点云进行分割。在激光雷达数据上训练、测试和评估语义分割网络，包括pointnet++、PointSeg和SqueezeSegV2。

分割
从点云数据中检测汽车和卡车，并在其周围拟合面向边界框。

激光雷达点云目标检测

检测并拟合激光雷达点云中物体周围的定向包围框，并将其用于物体跟踪或激光雷达标记工作流程。设计、训练和评估健壮的检测器，例如point柱子网络。

检测与跟踪
激光雷达标签应用程序。

激光标签

标记激光雷达点云用于训练深度学习模型。应用内置或自定义算法，通过lidar Labeler应用程序自动化激光雷达点云标记，并评估自动化算法的性能。

激光标签
分段点云显示汽车和背景。

部署

生成CUDA®PointPillars、SqueezeSegV2和pointnet++等网络的MEX代码，用于在gpu上部署点云分割或对象检测算法。

激光雷达目标检测的代码生成

获得免费试用

30天的探索，触手可及。

立即下载

深度学习工具箱

设计、训练和分析深度学习网络。

了解更多

代码在

跟随深度学习专家学习。

现在就开始
Baidu
map