Lidar Toolbox
Concevoir, analyser et tester des systèmes de traitement LiDAR
Lidar Toolbox™ offre des algorithmes, des fonctions et des applications pour concevoir, analyser et tester des systèmes de traitement LiDAR. Vous pouvez effectuer la détection et le pistage d'objets, la segmentation sémantique, l'ajustement de forme, le recalage LiDAR et la détection d'obstacles. Lidar Toolbox supporte le calibrage croisé LiDAR-caméra pour les workflows qui combinent computer vision et traitement LiDAR.
Vous pouvez entraîner des modèles de détection et de segmentation sémantique personnalisés avec des algorithmes de Deep Learning et de Machine Learning tels que PointSeg, PointPillars et SqueezeSegV2. L'application Lidar Labeler supporte la labellisation manuelle et semi-automatisée des nuages de points LiDAR pour l'apprentissage de modèles de Deep Learning et de Machine Learning. Cette toolbox vous permet d'acquérir des données en streaming à partir de capteurs LiDAR Velodyne® ou de lire des données enregistrées par des capteurs LiDAR Velodyne et IBEO.
Lidar Toolbox propose des exemples de référence qui illustrent l'utilisation du traitement LiDAR pour les workflows de perception et de navigation. La plupart des algorithmes de cette toolbox supportent la génération de code C/C++ pour l'intégration à du code existant, le prototypage sur PC et le déploiement.
En savoir plus :
Segmentation sémantique LiDAR
Entraînez, évaluez et déployez des réseaux de segmentation sémantique, dont PointSeg et SqueezeSegV2, 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 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.
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.
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.
Estimez les normales pour des nuages de points LiDAR.
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.
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.
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.
