Lidar Toolbox
Diseñe, analice y pruebe sistemas de procesamiento de LiDAR
Lidar Toolbox™ proporciona algoritmos, funciones y apps para diseñar, analizar y probar sistemas de procesamiento de LiDAR. Puede realizar tareas de seguimiento y detección de objetos, segmentación semántica, ajuste de formas, registro de LiDAR y detección de obstáculos. Lidar Toolbox soporta la calibración cruzada entre LiDAR y cámaras para flujos de trabajo que combinan procesamiento de LiDAR y visión artificial.
Puede entrenar modelos personalizados de detección y segmentación semántica usando algoritmos de deep learning y machine learning tales como PointSeg, PointPillars y SqueezeSegV2. La app Lidar Labeler soporta el etiquetado manual y semiautomático de nubes de puntos de LiDAR para entrenar modelos de deep learning y machine learning. Esta toolbox permite el streaming de datos desde dispositivos de LiDAR de Velodyne® y la lectura de datos registrados por sensores de LiDAR de Velodyne e IBEO.
Lidar Toolbox proporciona ejemplos de referencia que ilustran el uso del procesamiento de LiDAR para flujos de trabajo de percepción y navegación. La mayoría de los algoritmos de esta toolbox soportan la generación de código C/C++ para su integración con el código existente, el prototipado en escritorio y el despliegue.
Comience:
Segmentación semántica de LiDAR
Entrene, evalúe y despliegue redes de segmentación semántica, como PointSeg y SqueezeSegV2, en datos de LiDAR.
Segmentación semántica con SqueezeSegV2.
Detección de objetos en nubes de puntos de LiDAR
Detecte y ajuste cuadros delimitadores orientados alrededor de objetos en nubes de puntos de LiDAR. Diseñe, entrene y evalúe detectores robustos, tales como redes PointPillars.
Etiquetado de LiDAR
Aplique algoritmos integrados o personalizados para automatizar el etiquetado de nubes de puntos de LiDAR con la app Lidar Labeler y evalúe el rendimiento del algoritmo de automatización.
App Lidar Labeler.
Calibración entre LiDAR y cámaras
Estime la matriz de transformación rígida entre un LiDAR y una cámara utilizando el método de calibración del damero.
Integración de LiDAR y cámara
Fusione datos de LiDAR y cámaras para proyectar puntos de LiDAR en imágenes, fusionar información de color en nubes de puntos de LiDAR y estimar cuadros delimitadores 3D en LiDAR utilizando cuadros delimitadores 2D de una cámara ubicada en el mismo sitio.
Transformación de un cuadro delimitador, de imágenes a nubes de puntos de LiDAR.
Algoritmos de procesamiento de LiDAR
Aplique funciones y algoritmos para disminuir la tasa de muestreo y realizar filtrado de mediana, estimación de normales, transformación de nubes de puntos y extracción de características de nubes de puntos.
Estimación de las normales en nubes de puntos de LiDAR.
SLAM de LiDAR 2D
Implemente algoritmos de localización y mapeo simultáneos (SLAM) a partir de barridos de LiDAR 2D. Estime posiciones y cree rejillas de ocupación binarias o probabilísticas utilizando lecturas de sensores reales o simuladas.
Adquisición de sensores de Velodyne Lidar
Adquiera nubes de puntos de LiDAR en tiempo real a partir de sensores de Velodyne Lidar, visualícelas en MATLAB y desarrolle aplicaciones de sensores de LiDAR.
Introducción a la adquisición de LiDAR en MATLAB.
Lectura y escritura de datos de nubes de puntos de LiDAR
Lea datos de LiDAR en diferentes formatos de archivo, tales como PCAP, LAS, ibeo, PCD y PLY. Escriba datos de LiDAR en archivos PLY y PCD.
Lectura de datos de nube de puntos de LiDAR en formato LAS.
Extracción de características de nubes de puntos de LiDAR
Extraiga descriptores de histograma de características de punto rápido (FPFH) de nubes de puntos de LiDAR.
Extracción y coincidencia de características de nubes de puntos de LiDAR.
Registro de nubes de puntos de LiDAR
Implemente algoritmos de SLAM 3D uniendo secuencias de nubes de puntos de LiDAR a partir de datos de LiDAR terrestres y aéreos.
Creación de un mapa a partir de una secuencia de nube de puntos de LiDAR.
