深度学习

激光雷达深度学习

将人工智能技术应用于激光雷达应用

在激光雷达点云上训练、测试和部署深度学习网络,用于对象检测和语义分割。

使用MATLAB和Simulink,您可以:

  • 预处理激光雷达点云以应用深度学习算法
  • 使用激光雷达标签应用程序标记激光雷达点云以进行目标检测
  • 使用数据存储处理大量数据以进行培训、测试和验证
  • 为深度学习工作流生成C/C++和CUDA代码,用于对点云数据进行语义分割和对象检测

为什么要将深度学习用于激光雷达?

基于建筑物、植被、车辆等对象分割的空中激光雷达点云。

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。

从点云数据中检测汽车和卡车,并在其周围设置面向拟合的边界框。

激光雷达点云目标检测

检测并拟合激光雷达点云中对象周围的定向边界框,并将其用于对象跟踪或激光雷达标记工作流。设计、训练和评估强大的检测器,如PointPillars网络。

激光雷达标签应用程序。

激光雷达标签

标记激光雷达点云以训练深度学习模型。使用lidar Labeler应用程序,应用内置或自定义算法自动标记激光雷达点云,并评估自动化算法性能。

显示汽车和背景的分段点云。

部署

生成CUDA®针对PointPillars、SqueezeSegV2和PointNet++等网络的MEX代码,用于在GPU上部署点云分割或对象检测算法。