Lidar Toolbox

 

Lidar Toolbox

Concevoir, analyser et tester des systèmes de traitement LiDAR

En savoir plus:

Deep Learning pour LiDAR

Appliquez des algorithmes de Deep Learning pour la détection d'objets et la segmentation sémantique sur des données LiDAR.

Segmentation sémantique avec SqueezeSegV2.

Détection d'objets sur des nuages de points LiDAR

Détectez et ajustez des boîtes englobantes autour d'objets dans des nuages de points LiDAR. Concevez, entraînez et évaluez des détecteurs robustes tels que des réseaux PointPillars.

Labellisation LiDAR

Appliquez des algorithmes prédéfinis ou personnalisés pour automatiser la labellisation de nuages de points LiDAR avec l'application Lidar Labeler et évaluez les performances de l'algorithme d'automatisation.

Application Lidar Labeler.

Calibrage LiDAR-caméra

Effectuez un calibrage croisé des capteurs de la caméra et LiDAR afin d'estimer les transformées LiDAR-caméra pour fusionner leurs données.

Calibrage LiDAR et caméra

Estimez la matrice de transformation rigide entre un signal LiDAR et une caméra grâce à la méthode de calibrage à partir d'une mire damier.

Application Lidar Camera Calibration

Intégration LiDAR-caméra

Fusionnez des données LiDAR et de caméra pour projeter des points LiDAR sur des images, fusionnez des informations de couleur dans des nuages de points LiDAR et estimez les boîtes englobantes 3D dans un signal LiDAR en utilisant des boîtes englobantes 2D crées à partir d'une caméra située au même endroit.

Transformation de boîtes englobantes d'une image à un nuages de points LiDAR.

Traitement de données LiDAR

Appliquez un prétraitement pour améliorer la qualité des données de nuages de points LiDAR et réalisez l'extraction d'informations de base à partir de ces données.

Algorithmes de traitement LiDAR

Appliquez des fonctions et des algorithmes pour les opérations suivantes : sous-échantillonnage, filtrage médian, estimation normale, transformation de nuages de points et extraction des caractéristiques des nuages de points.

Segmentation du sol à partir de nuages de points Lidar

Traitement LiDAR 2D

Estimez les positions et créez des cartes d'occupation en utilisant des scans LiDAR 2D.

SLAM 2D LiDAR

Implémentez des algorithmes de localisation et de cartographie simultanées (SLAM) à partir de scans 2D LiDAR. Estimez les positions et créez des grilles d'occupation binaires ou probabilistes en utilisant des lectures de capteurs réelles ou simulées.

Streaming, lecture et écriture de données LiDAR

Accédez en lecture et en écriture à des données de nuages de points et échanger un flux de données temps réel en streaming à partir des capteurs.

Acquisition de données depuis un capteur Velodyne LiDAR

Effectuez l'acquisition d'un flux temps réel de nuages de points à partir de capteurs Velodyne LiDAR, visualisez-les dans MATLAB et développez des applications de détection LiDAR.

En savoir plus sur l'acquisition de données LiDAR dans MATLAB.

Lecture et écriture de données de nuages de points LiDAR

Lisez des données LiDAR en différents formats de fichiers, dont PCAP, LAS, ibeo, PCD et PLY. Écrivez des données LiDAR vers des fichiers PLY et PCD.

Lecture de données de nuages de points LiDAR au format LAS.

Extraction et recalage des caractéristiques

Effectuez le recalage des nuages de points LiDAR et créez des cartes 3D avec la fonction SLAM (localisation et cartographie simultanées).

Recalage des caractéristiques de nuages de points LiDAR

Réalisez l'extraction des descripteurs FPFH (Fast Point Feature Histogram) des nuages de points LiDAR.

Extraction et mise en correspondance de caractéristiques de nuages de points LiDAR.

Recalage de nuages de points LiDAR

Implémentez des algorithmes 3D SLAM en assemblant des séquences de nuages de points LiDAR à partir de données LiDAR terrestres et aériennes.

Construction d'une carte à partir d'une séquence de nuages de points LiDAR.