文档帮助中心文档
利用深度学习工具箱应用深度学习算法处理激光雷达点云数据™ 连同激光雷达工具箱™.
挤压SEGV2层
在三维有组织的激光雷达点云数据上训练PointSeg语义分割网络。
在三维有组织的激光雷达点云数据上训练一个SqueezeSegV2语义分割网络。
为激光雷达语义分割的深度学习网络生成CUDA®MEX代码。本例使用预训练的SqueezeSegV2[1]网络,该网络可以分割属于三类(背景、汽车和卡车)的有组织的激光雷达点云。有关网络培训程序的信息,请参阅使用SqueezeSegV2深度学习网络的激光雷达点云分割。生成的MEX代码将点云作为输入,并通过使用SqueezeSegV2网络的DAGNetwork对象对点云执行预测。
训练PointNet++深度学习网络对航空激光雷达数据进行语义分割。
训练点云中目标检测的点柱网络。
使用激光雷达数据执行三维目标检测工作流中使用的典型数据增强技术。
使用激光雷达标签机应用程序中的预训练点柱目标检测网络,在点云中自动检测车辆。在本例中,您使用AutomationAlgorithm界面在激光雷达标签机应用程序中自动标记。
为具有自定义图层的点柱目标探测器生成CUDA®MEX。有关更多信息,请参阅激光雷达工具箱中的使用点柱深度学习的激光雷达三维目标探测示例™.
在进入该项目之前,您必须遵守以下规定:
在澳大利亚的MATLAB中,您的名字是durch Eingabe。韦伯·朗瑟·恩特森·基恩·贝维尔。
选择一个网站以获取翻译后的内容(如果可用),并查看本地活动和优惠。根据您的位置,我们建议您选择:.
您还可以从以下列表中选择网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。
联系当地办事处