文件帮助中心
LIDAR Toolbox™包括几何和预先培训的深度学习算法,用于分段点云数据以及检测和跟踪感兴趣的对象。您可以将高级驾驶员辅助系统(ADAS)应用程序应用于分段和检测车辆。你可以使用Lidar Labeler.应用程序为深度学习算法准备标记的培训数据。
在3-D组织的LIDAR点云数据上列车挤压ZESGV2语义分割网络。
火车PointNet ++深度学习网络在空中LIDAR数据上执行语义分割。
作为地面,建筑和植被的空中激光雷达数据中的细分和分类。该示例使用由机载LIDAR系统捕获的LAZ文件作为输入。首先,将Laz文件中的点云数据分类为地面和非接地点。然后,基于法线和曲率特征进一步将非接地点分类为建筑物和植被点。该图提供了该过程的概述。
在点云中列车用于对象检测的尖峰网络。
使用LIDAR Labeler应用程序中的预磨尖的尖峰对象检测网络自动化飞行器检测。在此示例中,您可以使用自动核接口在LIDAR Labeler应用程序中自动标记。
探测激光雷达点云中的通道。您可以使用从激光雷达点云返回的强度值来检测自我车辆的车道。通过使用曲线拟合算法并跟踪曲线参数,可以进一步改进车道检测。激光雷达车道检测使您能够构建复杂的工作流程,如车道保持辅助、车道偏离预警和自适应巡航控制的自动驾驶。一辆测试车通过安装在车顶上的激光雷达传感器收集激光雷达数据。
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。
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,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:。
您还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