激光雷达处理

火车Complex-YOLO v4网络对点云进行目标检测。

代码生成CUDA®墨西哥人对激光雷达目标检测网络。在这个例子中,你第一次段pretrained网络的点云,然后集群点和3 d边界盒适合每个集群。最后,您生成网络的墨西哥人代码。

组织训练PointSeg语义分割网络三维激光雷达点云数据。

组织训练SqueezeSegV2语义分割网络三维激光雷达点云数据。

生成CUDA®墨西哥人代码为激光雷达深度学习网络的语义分割。这个示例使用pretrained SqueezeSegV2[1]网络能段组织激光雷达点云属于三个类(背景、汽车和卡车)。信息在网络的训练过程,看到激光雷达点云分割使用SqueezeSegV2深度学习网络。生成的墨西哥人代码需要点云作为输入,并对点云执行预测使用DAGNetwork SqueezeSegV2网络对象。

火车PointNet + +深学习网络上执行语义分割航空激光雷达数据。

生成CUDA®墨西哥人代码PointNet + +[1]激光雷达网络的语义分割。这个示例使用pretrained PointNet + +网络,可以段无组织的激光雷达点云属于八类(建筑、汽车、卡车、波兰人,电线,围栏,地面和植被)。PointNet + +网络的更多信息,见开始使用PointNet + +。

火车PointPillars网络对象检测的点云。

生成CUDA®墨西哥人PointPillars对象探测器。有关更多信息,请参见使用PointPillars激光雷达三维物体探测激光雷达工具箱™深度学习的例子。

执行典型的数据增强3 d对象检测工作流技术与激光雷达数据。

自动化汽车检测一个点云使用pretrained pointPillarsObjectDetector激光雷达贴标签机中的应用。激光雷达中的示例使用AutomationAlgorithm接口贴标签机应用自动化标签。