盖伯瑞尔哈,MathWorks
Lidar Toolbox™提供了用于设计、分析和测试激光雷达处理系统的算法、功能和应用程序。可以进行目标检测和跟踪、语义分割、形状拟合、激光雷达配准和障碍物检测。激光雷达工具箱支持结合计算机金宝app视觉和激光雷达处理的工作流程的激光相机交叉校准。
您可以使用深度学习和机器学习算法,如PointSeg、PointPillar和SqueezeSegV2,训练自定义检测和语义分割模型。Lidar Labeler应用程序支持手动和金宝app半自动标记激光雷达点云,用于训练深度学习和机器学习模型。这个工具箱可以让你从Velodyne传输数据®并读取Velodyne和IBEO激光雷达传感器记录的数据。
激光雷达工具箱提供了一些参考示例,说明了激光雷达处理用于感知和导航工作流程的使用。大多数工具箱算法支持C/ c++代码生成,以集成金宝app现有代码、桌面原型和部署。
激光雷达工具箱提供算法、功能和一个应用程序,用于设计、分析和测试激光雷达处理系统。
您可以处理2D和3D点云,在激光雷达点云上应用深度学习算法,交叉校准激光雷达和相机传感器,并实现自动驾驶和机器人应用的3D SLAM算法。
激光雷达工具箱使您能够读取激光雷达点云在不同的文件格式(如PCAP, LAS, PCD和PLY)直接进入MATLAB。您还可以使用相应的支持包从Velodyne激光雷达传感器传输实时数据。金宝app
工具箱提供了在激光雷达点云上训练、测试和部署深度学习网络的功能,用于目标检测和语义分割。
Lidar Labeler应用程序简化了激光雷达点云的地面真实标记。
该应用程序提供了一个交互式用户界面,可以手动和半自动标记激光雷达点云,用于训练深度学习模型。
激光雷达工具箱提供了激光雷达相机校准功能,通过估计相机和激光雷达之间的旋转和平移,然后使用该数据将相机的颜色信息融合到激光雷达点云,或转换激光雷达和相机之间的边界盒坐标,以增强感知算法。
工具箱还提供了注册激光雷达点云的功能,有助于从地面和空中激光雷达数据实现3D SLAM。
通过快速点直方图特征(FPFH)的提取和匹配,可以比较不同的激光雷达点云。使用这些匹配的特征,您可以注册激光雷达点云序列逐步建立3D地图。
工具箱还包括2D激光雷达处理功能,如根据真实或模拟的2D激光雷达传感器读数估计位置和创建占用网格。您可以在2D对象检测和实时碰撞警告工作流程中使用这些处理后的结果。
有关Lidar工具箱的详细信息,请返回产品页。
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。