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 dei dati LiDAR aerei Nuvola di punti LiDAR aerea segmentata sulla base di oggetti quali edifici, vegetazione, veicoli e così via.](https://it.mathworks.com/solutions/deep-learning/deep-learning-lidar/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy/507537ca-afa8-41c5-806f-bbdd06667040/image_copy_copy.adapt.full.medium.gif/1733472800053.gif)
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 oggetti per applicazioni di guida autonoma Rilevamento di automobili e autocarri a partire dai dati di una nuvola di punti e adattamento di un riquadro di delimitazione orientato (OBB).](https://it.mathworks.com/solutions/deep-learning/deep-learning-lidar/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy/b827a46e-7d00-424f-81d8-b611fc9edab9/image_copy.adapt.full.medium.gif/1733472800099.gif)
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.
![App Lidar Labeler App Lidar Labeler.](https://it.mathworks.com/solutions/deep-learning/deep-learning-lidar/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy_copy/507537ca-afa8-41c5-806f-bbdd06667040/image_copy_copy.adapt.full.medium.gif/1733472800273.gif)
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.
![Generazione di codice GPU per la rete SqueezeSegV2 Nuvola di punti segmentata che mostra automobili e uno sfondo.](https://it.mathworks.com/solutions/deep-learning/deep-learning-lidar/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy_copy/b827a46e-7d00-424f-81d8-b611fc9edab9/image_copy_copy_copy.adapt.full.medium.gif/1733472800315.gif)
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.