在三维组织的激光雷达点云数据上训练SqueezeSegV2语义分割网络。

训练PointNet++深度学习网络对航空激光雷达数据进行语义分割。

在航空激光雷达数据中对地形进行分割和分类，包括地面、建筑物和植被。该示例使用机载激光雷达系统捕获的LAZ文件作为输入。首先，将LAZ文件中的点云数据分为地面点和非地面点。然后，根据法线和曲率特征，进一步将非接地点分为建筑点和植被点。该图提供了该流程的概述。

训练一个PointPillars网络用于点云中的目标检测。

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。

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。

从航空激光雷达数据中提取森林指标和单树属性。