Addestra, testa e distribuisci reti di Deep Learning su nuvole di punti LiDAR per il rilevamento oggetti e la segmentazione semantica.
Con MATLAB e Simulink, è possibile:
- Pre-elaborare nuvole di punti LiDAR per applicare algoritmi di Deep Learning
- Utilizzare l’app Lidar Labeler per etichettare le nuvole di punti LiDAR per il rilevamento oggetti
- Gestire grandi quantità di dati per addestrarli, testarli e convalidarli con i datastore
- Generare codice C/C++ e CUDA per workflow di Deep Learning per la segmentazione semantica e il rilevamento oggetti su dati di nuvole di punti
Perché usare il Deep Learning per LiDAR?
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.
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.
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.
Distribuzione
Genera codice CUDA® MEX per reti quali PointPillars, SqueezeSegV2 e PointNet++ per distribuire algoritmi di segmentazione di nuvole di punti o di rilevamento oggetti su GPU.
Uso del Deep Learning per LiDAR con MATLAB
Prodotti
Scopri i prodotti utilizzati con il Deep Learning per applicazioni LiDAR.
Richiedi una versione di prova gratuita
30 giorni di prova a tua disposizione.
Deep Learning Toolbox
Progetta, addestra e analizza reti di Deep Learning.
Code-Along
Impara con un esperto di Deep Learning.
