Point Cloud Toolbox ofrece algoritmos, funciones y apps para diseñar, analizar y probar sistemas de procesamiento de datos de LiDAR, como detección y seguimiento de objetos, segmentación semántica, ajuste de formas, registro de LiDAR y detección de obstáculos.

Point Cloud Toolbox admite datos de nubes de puntos de sensores de LiDAR, cámaras RGB-D, cámaras estereoscópicas y radares de ondas milimétricas. También puede procesar datos generados mediante flujos de trabajo de SLAM visual, fotogrametría y reconstrucción a partir del movimiento.

Sí. Puede importar datos de nubes de puntos de formatos de archivo estándar como PCD, PLY, LAS, LAZ y PCAP, o transmitir datos directamente desde sensores de LiDAR populares, como Ouster, Velodyne, SICK y Hokuyo, para procesarlos y analizarlos en tiempo real.

La app Point Cloud Analyzer permite visualizar, analizar y medir nubes de puntos de manera interactiva, e incluye algoritmos de preprocesamiento integrados para eliminación de terreno, eliminación de ruido, filtrado de mediana, recorte y reducción de la tasa de muestreo, además de admitir algoritmos de preprocesamiento personalizados.

Sí, la app Lidar Camera Calibrator estima la transformación rígida entre un sensor de LiDAR en 3D y una cámara, lo que permite fusionar datos de ambos sensores.

Sí. Point Cloud Toolbox ofrece algoritmos para registrar nubes de puntos, como ICP y NDT, y correspondencia de características basada en FPFH. También admite flujos de trabajo de SLAM en 3D para creación de mapas y localización con datos de nubes de puntos.

La app Multi-Sensor Labeler permite etiquetar nubes de puntos y vídeos para entrenar y evaluar sistemas de percepción. Puede crear etiquetas de validación ground-truth para tareas de detección de objetos, segmentación semántica y detección de carriles utilizando datos de múltiples sensores. Esta app incluye algoritmos de automatización integrados y admite flujos de trabajo de automatización personalizados para acelerar el proceso de etiquetado.

Sí, puede entrenar modelos de detección, segmentación semántica y clasificación con algoritmos de Deep Learning, como PointPillars, SqueezeSegV2, PointNet++ y PointSeg, en nubes de puntos de LiDAR.

La mayoría de los algoritmos de esta toolbox permiten generar código C/C++ para su integración con código existente, prototipado en escritorio y despliegue, y algunos algoritmos también permiten generar código CUDA.