文档帮助中心文档
通过使用deep learning Toolbox™和Lidar Toolbox™,应用深度学习算法处理激光雷达点云数据。
全部展开
pointPillarsObjectDetector
trainPointPillarsObjectDetector
检测
squeezesegv2Layers
pointnetplusLayers
在三维组织激光雷达点云数据上训练PointSeg语义分割网络。
在三维组织的激光雷达点云数据上训练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。本例使用预先训练过的SqueezeSegV2[1]网络,该网络可以分割属于三类(背景、汽车和卡车)的激光雷达点云。有关网络训练过程的信息,请参见使用SqueezeSegV2深度学习网络的激光雷达点云分割。生成的MEX代码以点云作为输入,并通过使用用于SqueezeSegV2网络的DAGNetwork对象在点云上执行预测。
训练PointNet++深度学习网络对航空激光雷达数据进行语义分割。
为PointNet++[1]网络生成CUDA®MEX代码,用于激光雷达语义分割。本例使用预先训练过的PointNet++网络,该网络可以分割属于8类(建筑、汽车、卡车、电线杆、电线、围栏、地面和植被)的无组织激光雷达点云。有关PointNet++网络的更多信息,请参见入门使用PointNet++。
训练一个PointPillars网络用于点云中的目标检测。
生成带有自定义层的pointcolumns对象检测器的CUDA®MEX。有关更多信息,请参见Lidar工具箱™中使用PointPillars深度学习的激光雷达3-D目标检测示例。
使用激光雷达数据执行三维物体探测工作流程中典型的数据增强技术。
在激光雷达Labeler应用程序中使用预先训练的PointPillars对象检测网络在点云中自动进行车辆检测。在本例中,您使用AutomationAlgorithm接口在激光雷达Labeler应用程序中自动进行标记。
您有一个连接到MATLAB-Befehl entspricht:
Führen Sie den Befehl durch Eingabe in das MATLAB-Befehlsfenster aus。Webbrowser unterstützen keine MATLAB-Befehle。
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系