流和读取激光雷达数据

流实时激光雷达点云来自Velodyne激光雷达传感器。读取PCAP、LAS、Ibeo、PCD、PLY等不同文件格式的激光雷达数据。

文档|例子

激光预处理

应用函数和算法进行无组织到有组织的转换，地面分割，下采样，转换点云，从激光雷达点云提取特征。

文档|例子

可视化和分析激光雷达数据

使用lidar Viewer应用对激光雷达数据进行可视化、分析和预处理操作。使用内置或自定义预处理算法进行地面去除、去噪、中值滤波、裁剪和下采样激光雷达数据。

文档|例子

激光雷达的语义分割

应用深度学习算法分割激光雷达点云。在激光雷达数据上训练、测试和评估语义分割网络，包括PointNet++、PointSeg和SqueezeSegV2。生成C/ c++或CUDA^®目标硬件的代码。

文档|例子

激光雷达点云的目标检测

检测和拟合激光雷达点云中物体周围的有方向包围框，并将其用于目标跟踪或激光雷达标记工作流程。设计、培训和评估健壮的检测器，如PointPillars网络，并为目标硬件生成C/ c++或CUDA代码。

文档|例子

激光标签

标记激光雷达点云用于训练深度学习模型。应用内置或自定义算法自动化激光雷达点云标记与lidar Labeler应用程序，并评估自动化算法性能。

文档|例子

Lidar-Camera校准

交叉校准激光雷达和相机传感器，以融合相机和激光雷达数据。使用Lidar Camera Calibrator应用程序从图像和激光雷达点云中检测、提取和可视化棋盘特征。利用特征检测结果估计相机与激光雷达之间的刚性变换矩阵。

文档|例子

激光雷达配准与同步定位与测绘(SLAM)

通过提取和匹配快速点特征直方图(FPFH)描述子或分段匹配来配准激光雷达点云。将地面和航空激光雷达数据的点云序列拼接在一起，实现三维SLAM算法。

文档|例子

二维激光雷达处理

实现二维激光雷达扫描的SLAM算法。使用真实或模拟传感器读数估计位置并创建二进制或概率占用网格。

文档|例子