开始使用激光雷达的工具箱
Lidar Toolbox™为设计、分析和测试激光雷达处理系统提供算法、函数和应用程序。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检测。该工具箱提供了工作流程和一个应用程序,用于激光雷达-相机交叉校准。
工具箱可以让您从Velodyne流数据®并读取Velodyne和IBEO激光雷达传感器记录的数据。激光雷达查看器应用程序可以交互式可视化和分析激光雷达点云。您可以使用机器学习和深度学习算法(如point柱子、SqueezeSegV2和pointnet++)训练检测、语义分割和分类模型。Lidar Labeler App支持手动和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。
“激光雷达工具箱”提供了感知和导航工作流的激光雷达处理参考示例。大多数工具箱算法支持C/ c++代码生成,用于与现有代码、桌面原型和部署集成。
教程
- 读取、处理和写入激光雷达点云数据
此示例演示如何将点云读入工作空间,选择所需的点集,然后将所选点写入点云文件格式。
- 从激光雷达数据中提取接地点和非接地点
方法从PCAP文件读取激光雷达数据
velodyneFileReader
函数。 - 在点云中匹配并可视化相应的特征
方法来匹配点云之间的对应特征
pcmatchfeatures
函数并将其可视化pcshowMatchedFeatures
函数。 - 利用特征估计两点云之间的变换
这个例子展示了如何估计两个点云之间的刚性变换。
关于激光雷达处理
- 介绍激光雷达
激光雷达概念和应用的高级概述。
- 什么是激光雷达相机标定?
整合激光雷达和相机数据。
- 在MATLAB中实现点云SLAM
了解点云配准和映射工作流程。
- 开始使用深度学习的点云
了解如何使用点云进行深度学习。
特色的例子
视频
什么是激光雷达工具箱?
简要介绍激光雷达工具箱。
用MATLAB标定激光雷达摄像机
介绍激光雷达相机校准功能,这是在系统中结合来自激光雷达和相机的数据的必要步骤。
基于深度学习的激光雷达点云目标检测
学习如何使用PointPillars深度学习网络在激光雷达点云上进行3-D目标检测。
利用MATLAB建立二维激光雷达碰撞预警系统
在模拟仓库中建立一个基于二维激光雷达扫描的碰撞预警系统。