流式传输和读取激光雷达数据

来自Velodyne激光雷达传感器的实时流激光雷达点云。读取不同文件格式的激光雷达数据，包括PCAP、LAS、Ibeo、PCD和PLY。

文档|例子

激光预处理

将无组织的函数和算法应用于有组织的转换，地面分割，下采样，变换点云，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应用程序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

激光雷达点云上的目标检测

检测和拟合激光雷达点云中物体周围的定向边界框，并将其用于物体跟踪或激光雷达标记工作流程。设计、训练和评估强大的检测器，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

标记用于训练深度学习模型的激光雷达点云。应用内置或自定义算法自动化激光雷达点云标记与激光雷达标签应用程序，并评估自动化算法的性能。

文档|例子

Lidar-Camera校准

交叉校准激光雷达和相机传感器，融合相机和激光雷达数据。使用激光雷达相机校准器应用程序来检测、提取和可视化图像和激光雷达点云的棋盘特征。利用特征检测结果估计相机和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制图(SLAM)

通过提取和匹配快速点特征直方图(FPFH)描述符或使用段匹配对激光雷达点云进行配准。通过将地面和空中激光雷达数据的激光雷达点云序列拼接在一起，实现3D SLAM算法。

文档|例子

二维激光雷达处理

实现SLAM算法从二维激光雷达扫描。估计位置和创建二进制或概率占用网格使用真实或模拟传感器读数。

文档|例子