Lidar Toolbox

Progettazione, analisi e test di sistemi di elaborazione LIDAR

Lidar Toolbox fornisce algoritmi, funzioni e app per progettare, analizzare e testare sistemi di elaborazione LIDAR. È possibile eseguire attività quali il rilevamento e il tracking di oggetti, la segmentazione semantica, il fitting delle forme, la registrazione LIDAR e il rilevamento di ostacoli. Il toolbox fornisce workflow e un’app per la calibrazione incrociata di fotocamere LIDAR.

Il toolbox consente di eseguire lo streaming di dati da LIDAR Velodyne^®, Ouster^® e HokuyoTM e di leggere i dati registrati da sensori quali i sensori LIDAR Velodyne, Ouster e Hesai^®. L’app Lidar Viewer consente la visualizzazione e l’analisi interattive di nuvole di punti LIDAR. È possibile addestrare modelli di rilevamento, segmentazione semantica e classificazione utilizzando algoritmi di Machine Learning e Deep Learning come PointPillars, SqueezeSegV2 e PointNet++. L’app Lidar Labeler supporta l’etichettatura manuale e semi-automatica delle nuvole di punti LIDAR per addestrare i modelli di Deep Learning e Machine Learning.

Lidar Toolbox fornisce esempi di riferimento di elaborazione LIDAR per i workflow di percezione e navigazione. Gran parte degli algoritmi del toolbox supporta la generazione di codice C/C++ per l’integrazione con il codice esistente, la prototipazione desktop e la distribuzione.

Che cos’è Lidar Toolbox?

Script per la lettura di un file Velodyne PCAP e immagine della nuvola di punti risultante.

Streaming e lettura dei dati LIDAR

Esegui lo streaming di nuvole di punti LIDAR in tempo reale dai sensori LIDAR Velodyne. Leggi dati LIDAR da file di diversi formati, tra cui PCAP, LAS, Ibeo, PCD e PLY.

Documentazione | Esempi

Nuvole di punti LIDAR aerei segmentate in punti terrestri e non terrestri.

Pre-elaborazione LIDAR

Applica funzioni e algoritmi per la conversione di nuvole di punti non organizzati in nuvole di punti organizzati, la segmentazione del suolo, il downsampling, la trasformazione delle nuvole di punti e l’estrazione di feature dalle nuvole di punti LIDAR.

Documentazione | Esempi

Visualizzazione ingrandita dei dati LIDAR nell’app Lidar Viewer.

Visualizzazione e analisi di dati LIDAR

Visualizza, analizza ed esegui operazioni di pre-elaborazione sui dati LIDAR utilizzando l’app Lidar Viewer. Utilizza algoritmi di pre-elaborazione integrati o personalizzati per la rimozione del terreno, la riduzione del rumore, il filtraggio mediano, il ritaglio e il downsampling dei dati LIDAR.

Documentazione | Esempi

Dati LIDAR aerei segmentati in edifici, vegetazione, terreno e altri elementi.

Segmentazione semantica LIDAR

Applica algoritmi di Deep Learning per segmentare nuvole di punti LIDAR. Addestra, testa e valuta le reti di segmentazione semantica, incluse PointNet++, PointSeg e SqueezeSegV2, su dati LIDAR. Genera codice C/C++ o CUDA^® per l’hardware target.

Documentazione | Esempi

Rilevamento di oggetti su nuvole di punti LIDAR

Rileva e adatta i riquadri di delimitazione orientati attorno agli oggetti nelle nuvole di punti LIDAR e usali per il tracking degli oggetti o i workflow di etichettatura LIDAR. Progetta, addestra e valuta rilevatori robusti come le reti PointPillars e genera codice C/C++ o CUDA per l’hardware target.

Documentazione | Esempi

Nuvola di punti dello scenario di guida in autostrada nell’app Lidar Labeler.

Etichettatura LIDAR

Etichetta nuvole di punti LIDAR per l’addestramento di modelli di Deep Learning. Applica algoritmi integrati o personalizzati per automatizzare l’etichettatura delle nuvole di punti LIDAR con l’app Lidar Labeler, poi valuta le prestazioni dell’algoritmo di automazione.

Etichettatura di nuvole di punti LIDAR per il rilevamento di oggetti (5:29)

Documentazione | Esempi

Immagine e nuvola di punti corrispondente di un motivo a scacchiera nell’app Lidar Camera Calibrator.

Calibrazione fotocamera/LIDAR

Esegui la calibrazione incrociata dei sensori LIDAR e della fotocamera per fondere i dati della fotocamera e del LIDAR. Usa l’app Lidar Camera Calibrator per rilevare, estrarre e visualizzare le feature della scacchiera da immagini e nuvole di punti LIDAR. Stima la matrice di trasformazione rigida tra la fotocamera e il LIDAR utilizzando i risultati del rilevamento delle feature.

Documentazione | Esempi

Registrazione LIDAR e localizzazione e mappatura simultanea (SLAM)

Registra le nuvole di punti LIDAR estraendo e abbinando i descrittori FPFH (Fast Point Feature Histogram) o utilizzando la corrispondenza dei segmenti. Implementa algoritmi SLAM 3D unendo tra loro sequenze di nuvole di punti LIDAR da dati LIDAR aerei e a terra.

Implementazione di SLAM di LIDAR aerei per APR con MATLAB (6:08)

Documentazione | Esempi

Mappa di un ambiente e traiettoria corrispondente del robot.

Elaborazione LIDAR 2D

Implementa algoritmi SLAM da scansioni LIDAR 2D. Stima le posizioni e crea griglie di occupazione binarie o probabilistiche usando le letture dei sensori reali o simulate.

Documentazione | Esempi