激光雷达的工具箱
设计、分析和测试激光雷达处理系统
Lidar Toolbox™提供了用于设计、分析和测试激光雷达处理系统的算法、功能和应用程序。可以进行目标检测和跟踪、语义分割、形状拟合、激光雷达配准和障碍物检测。激光雷达工具箱支持结合计算机金宝app视觉和激光雷达处理的工作流程的激光相机交叉校准。
您可以使用深度学习和机器学习算法,如PointSeg、PointPillars和SqueezeSegV2,来训练定制的检测和语义分割模型。Lidar Labeler App支持手动和金宝app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。这个工具箱可以让你从Velodyne传输数据®并读取Velodyne和IBEO激光雷达传感器记录的数据。
激光雷达工具箱提供了一些参考示例,说明了激光雷达处理用于感知和导航工作流程的使用。大多数工具箱算法支持C/ c++代码生成,以集成金宝app现有代码、桌面原型和部署。
开始:
激光雷达的语义分割
在激光雷达数据上训练、评估和部署语义分割网络,包括PointSeg和SqueezeSegV2。
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有方向的包围框。设计、培训和评估健壮的检测器,如PointPillars网络。
激光标签
使用lidar Labeler App应用内置或自定义算法来自动化激光雷达点云标记,并评估自动化算法的性能。
激光雷达和相机校准
使用lidar camera Calibrator App估算激光雷达和相机之间的刚性变换矩阵。
Lidar-Camera集成
融合激光雷达和相机数据,将激光雷达点投影到图像上,融合激光雷达点云中的颜色信息,并使用来自同一位置相机的2D包围盒估计激光雷达中的3D包围盒。
激光雷达处理算法
将无组织的点云转换为有组织的点云。应用函数和算法进行地面分割,下采样,中值滤波,正态估计,转换点云,提取点云特征。
二维激光雷达大满贯
从二维激光雷达扫描中实现同步定位和测绘(SLAM)算法。使用真实或模拟传感器读数估计位置并创建二进制或概率占用网格。
Velodyne激光雷达传感器采集
从Velodyne激光雷达传感器获取实时激光雷达点云,在MATLAB中可视化,开发激光雷达传感应用。
读写激光雷达点云数据
读取不同格式的激光雷达数据,包括PCAP、LAS、ibeo、PCD和PLY。将激光雷达数据写入PLY和PCD文件。