Gabriel Ha,Mathworks
LIDAR Toolbox™提供用于设计,分析和测试LIDAR处理系统的算法,功能和应用。您可以执行对象检测和跟踪,语义分割,形状配件,激光雷达登记和障碍物检测。LIDAR Toolbox支金宝app持Lidar-Camera Cross校准,用于组合计算机视觉和LIDAR加工的工作流程。
您可以使用深度学习和机器学习算法培训定制检测和语义分割模型,如PoinseG,Pointpillar和SqueezeSegv2。LIDAR Labeler App支持Lid金宝appar Point云的手动和半自动标记,用于培训深度学习和机器学习模型。该工具箱可让您从Velodyne流中流®LIDARS和Velodyne和IBEO LIDAR传感器记录的读取数据。
LIDAR工具箱提供了参考示例,说明了LIDAR处理对感知和导航工作流的使用。大多数工具箱算法支持C / C ++代码生成,用金宝app于与现有代码,桌面原型设计和部署集成。
LIDAR Toolbox提供用于设计,分析和测试LIDAR处理系统的算法,功能和应用。
您可以处理2D和3D点云,在LIDAR点云中应用深度学习算法,交叉校准激光器和摄像机传感器,并为自主驾驶和机器人应用实施3D Slam算法。
LIDAR Toolbox使您可以将不同的文件格式(如PCAP,LAS,PCD和PLY)读取LIDAR点云直接进入MATLAB。您还可以使用相应的支撑封装从VelodeNe激光雷达传感器中划分实时数据。金宝app
工具箱提供了在Lidar Point云上培训,测试和部署深度学习网络的功能,以进行对象检测和语义分割。
LIDAR Labeler应用程序简化了Lidar Point云的地面真相标签。
该应用程序提供了一个交互式用户界面,使LIDAR点云的手动和半自动标记用于培训深度学习模型。
LIDAR Toolbox提供LIDAR摄像机校准功能,以通过估计相机和LIDAR之间的旋转和转换来增强感知算法,然后使用此数据从相机熔断到LIDAR点云的颜色信息,或者在激光器和相机之间转换边界框坐标。
该工具箱还提供了注册LIDAR点云的功能,有助于从地面和空中激光器数据实现3D SLAM。
您可以通过提取和匹配快速点直方图功能(FPFH)来比较不同的LIDAR点云。使用这些匹配的功能,您可以注册LIDAR点云序列以逐步构建3D地图。
该工具箱还包括2D激光雷达处理功能,如估计位置和从真实或模拟的2D激光雷达传感器读数创建占用网格。您可以使用这些处理后的结果在2D对象检测和实时碰撞警告工作流程中。
有关LIDAR工具箱的更多信息,请返回产品页面。
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。