深度学习

深度学习在激光雷达中的应用

将人工智能方法用于激光雷达应用

在激光雷达点云上训练、测试和部署用于目标检测和语义分割的深度学习网络。

使用 MATLAB 和 Simulink，您可以：

  • 为应用深度学习算法预处理激光雷达点云
  • 使用激光雷达标注器来标注用于目标检测的激光雷达点云
  • 处理大量数据，以便使用数据存储进行训练、测试和验证
  • 为深度学习工作流生成 C/C++ 和 CUDA 代码，以用于在点云数据进行语义分割和目标检测
Lidar Toolbox 概述

为什么将深度学习应用于激光雷达？

基于建筑物、植被、车辆等目标分割的航空激光雷达点云。

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。

分割
基于点云数据检测汽车和卡车，并在车辆周围绘制定向边界框。

基于激光雷达点云执行目标检测

检测并绘制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、训练并评估稳健的检测器，例如 PointPillars 网络。

检测和跟踪
激光雷达标注器。

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以自动标注激光雷达点云，并评估自动化算法的性能。

激光雷达标注
显示汽车和背景的已分割点云。

部署

为 PointPillars、SqueezeSegV2 和 PointNet++ 等网络生成 CUDA® MEX 代码，以在 GPU 上部署点云分割或目标检测算法。

激光雷达目标检测的代码生成

获取免费试用版

30 天探索触手可及。

立即下载

Deep Learning Toolbox

设计、训练和分析深度学习网络。

了解更多

简易教程

与深度学习专家一起学习。

立即开始