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。
squeezesegv2Layers
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。
训练一个PointPillars网络用于点云中的目标检测。
使用LIDAR数据执行3-D对象检测工作流中使用的典型数据增强技术。
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。
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。
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
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