文件帮助中心文件
对象检测是主要的LIDAR应用之一。在LIDAR点云数据中检测到的对象对于诸如跟踪和标记的下游工作流程至关重要。LIDAR Toolbox™提供了用于开发自定义对象检测模型的对象检测CNN PointPillars。
LIDAR Toolbox为车辆和公路车道提供检测和跟踪工作流程。大多数跟踪工作流使用联合概率数据关联(JPDA)跟踪器。
展开全部
pcfitcuboid.
PCFitplane.
pcnormals
PlaneModel.
cuboidModel
groundTruth
结合
filedatastore.
boxlabeldatastore.
ronstaffine3d.
Bboxwarp.
pctransform
PointpillarsObjectDetector.
trainPointPillarsObjectDetector
探测
showShape
pcshow
evaluateDetectionAOS
bboxOverlapRatio
开始使用深度学习的点云
了解如何使用点云进行深度学习。
PointPillars入门
定义PointPillars网络并学习如何使用相同执行对象检测。
深入学习的数据购物(深度学习工具箱)
学习如何在深度学习应用程序中使用数据存储。
深度学习层名单(深度学习工具箱)
发现Matlab中的所有深度学习层®。
选择功能可视化检测到的对象
比较可视化功能。
训练一个PointPillars网络用于点云中的目标检测。
为具有自定义图层的Pointpillars对象检测器生成CUDA®MEX。有关详细信息,请参阅LIDAR Toolbox™的Pointpillars Deep Learing equips的LIDAR 3-D对象检测。
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Lidar点云中检测车道。您可以使用从Lidar Point云返回的强度值来检测EGO车辆车道。您可以通过使用曲线拟合算法和跟踪曲线参数来进一步提高车道检测。LIDAR Lane检测使您可以建立像车道保持辅助,车道偏离警告和自动驾驶的自适应巡航控制等复杂工作流程。测试车辆使用安装在其屋顶上的激光雷达传感器收集LIDAR数据。
通过使用安装在自助车辆上的激光雷达传感器捕获的LiDAR点云数据来检测,分类和跟踪车辆。在该示例中使用的LIDAR数据从高速公路驾驶场景中记录。在该示例中,点云数据被分段为使用POINSEG网络确定对象的类。具有交互式多模型滤波器的联合概率数据关联(JPDA)跟踪器用于跟踪检测到的车辆。
利用安装在ego车辆顶部的激光雷达传感器进行测量来跟踪车辆。激光雷达传感器以点云的形式报告测量结果。该示例说明了在MATLAB®中处理点云和跟踪目标的工作流。关于Simu金宝applink®版本的示例,请参考Simulink中使用激光雷达数据跟踪车辆(传感器融合和跟踪工具箱)。本例中使用的激光雷达数据是从高速公路驾驶场景中记录的。在本例中,使用联合概率数据关联(JPDA)跟踪器和交互多模型(IMM)方法,使用记录的数据跟踪车辆。
从雷达和激光雷达传感器的测量生成对象级轨道列表,并使用轨道级融合方案进一步熔化它们。您使用联合概率数据关联(JPDA)跟踪器使用扩展对象跟踪器和LIDAR测量来处理雷达测量。您可以使用轨道级融合方案进一步熔化这些曲目。工作流程的示意图如下所示。
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,以便在可用的地方进行翻译的内容,并查看本地活动和优惠。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(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
联系您当地的办公室
立即获得审判