딥러닝

激光雷达的深度学习

将人工智能技术应用于激光雷达应用

在激光雷达点云上训练、测试和部署深度学习网络，用于目标检测和语义分割。

用MATLAB®和仿真软件®,您可以:

  • 预处理激光雷达点云应用深度学习算法
  • 使用激光雷达标签应用程序标签激光雷达点云的对象检测
  • 使用数据存储处理大量数据，用于培训、测试和验证
  • 生成C/ c++和CUDA代码，用于深度学习工作流，用于点云数据的语义分割和目标检测
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?

为什么要在激光雷达上使用深度学习?

基于建筑物、植被、车辆等对象进行空中激光雷达点云分割。

激光雷达的语义分割

应用深度学习算法分割激光雷达点云。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，并围绕它们拟合定向边界框。

基于激光雷达点云的目标检测

检测和拟合激光雷达点云中物体周围的定向边界框，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，如PointPillars网络。

检测和跟踪
激光雷达贴标签机应用。

激光标签

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

激光标签
分段点云显示汽车和背景。

部署

生成CUDA®用于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

免费试用

30天的探索就在你的指尖。

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

和深度学习专家一起学习。

现在就开始
Baidu
map