Deep Learning

Tutorial paso a paso sobre LiDAR

Aprenda a cargar datos de nubes de puntos, preprocesar conjuntos de datos, definir y entrenar redes, y generar detecciones.

Para poder seguir las explicaciones:

  1. Descargue el código
  2. Ábralo en MATLAB

¿No tiene acceso? Obtenga una versión de prueba gratuita ahora.

Tiempo necesario:
15-30 minutos
Requisitos previos:
Conocimientos básicos de MATLAB

¿Necesita un repaso? Pruebe un tutorial interactivo gratuito.

Paso 1

Cargue los datos de nubes de puntos y las etiquetas correspondientes

Cargue datos de nubes de puntos, etiquetas de cuadros delimitadores, y divida los conjuntos de entrenamiento y prueba.

 

Conceptos aprendidos: Cómo cargar datos de nubes de puntos y las etiquetas correspondientes

  • Cargar datos de nubes de puntos en forma de fileDatastore con la función pcread
  • Cargar etiquetas de cuadros delimitadores con la función boxLabelDatastore
  • Dividir los conjuntos de entrenamiento y prueba

Paso 2

Preprocese los conjuntos de datos

Divida un conjunto de datos en conjuntos de entrenamiento y prueba, y descubra varias técnicas de aumento.

 

Conceptos aprendidos: Cómo dividir conjuntos de datos y aumentar datos

  • Dividir el conjunto de datos en conjuntos de entrenamiento y prueba
  • Usar el aumento de datos en los datos de entrenamiento, lo que incluye:
    • Agregar aleatoriamente un número fijo de objetos de clase automóvil y camión a cada nube de puntos
    • Invertir, escalar, rotar y trasladar la nube de puntos

Paso 3

Defina las redes

Aprenda a definir cuadros de anclaje, pilares para la red PointPillars, y la red PointPillars.

 

Conceptos aprendidos: Cómo definir una red PointPillars para detección de objetos

  • Definir cuadros de anclaje
  • Definir pilares para la red PointPillars
  • Definir la red PointPillars

Paso 4

Entrene las redes

Entrene el modelo en la red PointPillars o utilice un modelo previamente entrenado.

 

Conceptos aprendidos: Cómo entrenar el detector de objetos de PointPillars

  • Especificar opciones de entrenamiento
  • Usar la función trainPointPillarsObjectDetector para entrenar PointPillars
  • Cargar un modelo previamente entrenado

Paso 5

Genere detecciones

Utilice la red entrenada para detectar objetos en los datos de prueba y muestre la nube de puntos con cuadros delimitadores.

 

Conceptos aprendidos: Cómo probar la red PointPillars en el conjunto de datos de prueba

  • Leer la nube de puntos a partir de los datos de prueba
  • Ejecutar el detector en la nube de puntos de prueba para obtener las puntuaciones de confianza y los cuadros delimitadores previstos
  • Mostrar la nube de puntos de salida detectada con cuadros delimitadores