Entrene, pruebe y despliegue redes de Deep Learning con nubes de puntos de LiDAR para detección de objetos y segmentación semántica.
Con MATLAB y Simulink, puede:
- Preprocesar nubes de puntos de LiDAR para aplicar algoritmos de Deep Learning
- Utilizar la app Lidar Labeler para etiquetar nubes de puntos de LiDAR para detección de objetos
- Gestionar grandes cantidades de datos para entrenamiento, pruebas y validación con almacenes de datos
- Generar código C/C++ y CUDA para flujos de trabajo de Deep Learning para segmentación semántica y detección de objetos en datos de nube de puntos
¿Por qué utilizar Deep Learning para LiDAR?
![Segmentación semántica de datos de LiDAR aéreos Nube de puntos de LiDAR aéreo segmentada basándose en objetos tales como edificios, vegetación y vehículos, entre otros.](https://es.mathworks.com/solutions/deep-learning/deep-learning-lidar/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy/507537ca-afa8-41c5-806f-bbdd06667040/image_copy_copy.adapt.full.medium.gif/1733472794841.gif)
Segmentación semántica de datos de LiDAR
Aplique algoritmos de Deep Learning para segmentar nubes de puntos de LiDAR. Entrene, pruebe y evalúe redes de segmentación semántica, como PointNet++, PointSeg y SqueezeSegV2, con datos de LiDAR.
![Detección de objetos para aplicaciones de conducción autónoma Detecte automóviles y camiones a partir de datos de nube de puntos y ajuste un cuadro delimitador orientado alrededor de ellos.](https://es.mathworks.com/solutions/deep-learning/deep-learning-lidar/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy/b827a46e-7d00-424f-81d8-b611fc9edab9/image_copy.adapt.full.medium.gif/1733472794885.gif)
Detección de objetos en nubes de puntos de LiDAR
Detecte y ajuste cuadros delimitadores orientados alrededor de objetos en nubes de puntos de LiDAR y utilícelos en el seguimiento de objetos o en flujos de trabajo de etiquetado de LiDAR. Diseñe, entrene y evalúe detectores robustos, tales como redes PointPillars.
![App Lidar Labeler App Lidar Labeler.](https://es.mathworks.com/solutions/deep-learning/deep-learning-lidar/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy_copy/507537ca-afa8-41c5-806f-bbdd06667040/image_copy_copy.adapt.full.medium.gif/1733472795022.gif)
Etiquetado de datos de LiDAR
Etiquete nubes de puntos de LiDAR para entrenar modelos de Deep Learning. Aplique algoritmos integrados o personalizados para automatizar el etiquetado de nubes de puntos de LiDAR con la app Lidar Labeler y evalúe el rendimiento de los algoritmos de automatización.
![Generación de código de GPU para red SqueezeSegV2 Nube de puntos segmentada que muestra un fondo y automóviles.](https://es.mathworks.com/solutions/deep-learning/deep-learning-lidar/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy_copy/b827a46e-7d00-424f-81d8-b611fc9edab9/image_copy_copy_copy.adapt.full.medium.gif/1733472795060.gif)
Despliegue
Genere código MEX de CUDA® para redes tales como PointPillars, SqueezeSegV2 y PointNet++ para desplegar algoritmos de segmentación de nubes de puntos o detección de objetos en GPU.