LIDAR Code-Along

Scopri come caricare dati di nuvole di punti, pre-elaborare i set di dati, definire e addestrare le reti e generare rilevamenti.

Segui le seguenti istruzioni:

Prodotti necessari

Carica dati di nuvole di punti, carica le etichette dei riquadri di delimitazione e suddividi i set di addestramento e test.

Nozioni apprese: caricamento di dati di nuvole di punti e delle etichette corrispondenti

Caricamento dei dati di nuvole di punti come fileDatastore con la funzione pcread
Caricamento di etichette di riquadri di delimitazione con la funzione boxLabelDatastore
Suddivisione dei set di addestramento e di test

Suddividi un set di dati in set di addestramento e di test e scopri varie tecniche di incremento.

Nozioni apprese: suddivisione dei set di dati e incremento dei dati

Suddivisione del set di dati in set di addestramento e di test
Uso dell’incremento dei dati per l’addestramento dei dati, incluso quanto segue:
- Aggiunta casuale di un numero fisso di oggetti di classe automobile e autocarro a ogni nuvola di punti
- Capovolgimento, ridimensionamento, rotazione e traslazione di una nuvola di punti

Comprendi la definizione dei box di ancoraggio, i pilastri per la rete PointPillars e la rete PointPillars.

Nozioni apprese: definizione di una rete PointPillars per il rilevamento di oggetti

Addestra il modello sulla rete PointPillar oppure usa un modello pre-addestrato.

Nozioni apprese: addestramento di un rilevatore di oggetti PointPillars

Specifica delle opzioni di addestramento
Uso della funzione trainPointPillarsObjectDetector per addestrare PointPillars
Possibilità alternativa di caricare un modello pre-addestrato

Utilizza una rete addestrata per rilevare oggetti nei dati di test e visualizza la nuvola di punti senza riquadri di delimitazione.

Nozioni apprese: test di una rete PointPillars su un set di dati di test

Lettura della nuvola di punti da dati di test
Uso del rilevatore sulla nuvola di punti di test per ottenere i riquadri di delimitazione previsti e i punteggi di confidenza
Visualizzazione della nuvola di punti generata rilevata con riquadri di delimitazione

Per saperne di più sul Deep Learning