Lidar Toolbox

 

Lidar Toolbox

设计、分析和测试激光雷达处理系统

图中显示了读取 Velodyne PCAP 文件所用的脚本,以及生成的点云图像。

流式传输和读取激光雷达数据

流式传输来自 Velodyne 激光雷达传感器的实时激光雷达点云。读取不同文件格式的激光雷达数据,包括 PCAP、LAS、Ibeo、PCD 和 PLY。

航空激光雷达点云分割成地面点和非地面点。

激光雷达预处理

应用函数和算法进行无序到有序的转换、地面分割、下采样、点云变换以及激光雷达点云特征提取。

激光雷达查看器中激光雷达数据的缩小视图。

可视化和分析激光雷达数据

使用激光雷达查看器对激光雷达数据进行可视化、分析和执行预处理操作。使用内置或自定义预处理算法对激光雷达数据进行地面删除、去噪、中位数滤波、裁剪和下采样。

航空激光雷达数据分割成建筑物、植被、地面其他元素。

激光雷达语义分割

应用深度学习算法以分割激光雷达点云。基于激光雷达数据训练、测试和评估语义分割网络,包括 PointNet++、PointSeg 和 SqueezeSegV2。为目标硬件生成 C/C++ 或 CUDA® 代码。

基于激光雷达点云执行目标检测

检测并拟合激光雷达点云中目标周围的定向边界框,并将其用于目标跟踪或激光雷达标注工作流。设计、训练和评估稳健的检测器,如 PointPillars 网络,并为目标硬件生成 C/C++ 或 CUDA 代码。

激光雷达标注器中高速公路驾驶场景的点云。

激光雷达标注

标注激光雷达点云以用于训练深度学习模型。借助激光雷达标注器,应用内置或自定义算法自动标注激光雷达点云,并评估自动算法的性能。

激光雷达相机标定器中棋盘格的图像和对应的点云。

激光雷达相机标定

交叉标定激光雷达和相机传感器以融合相机和激光雷达数据。使用激光雷达相机标定器从图像和激光雷达点云中检测、提取和可视化棋盘格特征。使用特征检测结果估计相机和激光雷达之间的刚性变换矩阵。

激光雷达配准和同步定位与地图构建 (SLAM)

通过提取和匹配快速点特征直方图 (FPFH) 描述符或使用分割匹配来配准激光雷达点云。将地面和航空激光雷达数据中的激光雷达点云序列拼接到一起,从而实现三维 SLAM 算法。

环境地图和对应的机器人轨迹。

二维激光雷达处理

通过二维激光雷达扫描实现 SLAM 算法。使用真实或模拟的传感器读数估计位置并创建二进制或概率占据栅格。

获取免费试用版

30 天探索触手可及。


准备购买?

获取报价并了解相关产品。

您是学生吗?

您的学校可能已拥有 Campus-Wide License 并允许您直接使用 MATLAB、Simulink 和其他附加产品。