Apprendre le traitement de données LiDAR en codant

Découvrir comment charger des données en nuages de points, prétraiter des jeux de données, définir et entraîner des réseaux, et générer des détections.

Pour suivre le tutoriel :

Téléchargez le code
Ouvrez-le dans MATLAB

Vous n'y avez pas accès ? Obtenez une version d'essai gratuite dès maintenant.

Temps nécessaire pour compléter le tutoriel :: 15–30 minutes
Prérequis :: Compétences MATLAB de base

Besoin d'un rappel sur les connaissances ? Essayez un tutoriel interactif gratuit.

Produits requis

Étape 1

Charger des données en nuages de points et les étiquettes correspondantes

Chargez des données en nuages de points, chargez les étiquettes des boîtes englobantes, et séparez les jeux de données d'apprentissage et de test.

Ce que vous avez appris : charger des données en nuages de points et les étiquettes correspondantes

Charger des données en nuages de points en tant que fileDatastore avec la fonction pcread
Charger les étiquettes des boîtes englobantes avec la fonction boxLabelDatastore
Séparer les jeux de données d'apprentissage et de test

Étape 2

Prétraiter les jeux de données

Séparez un jeu de données en jeux de données d'apprentissage et de test, et découvrez différentes techniques d'augmentation.

Ce que vous avez appris : séparation des jeux de données et augmentation des données

Séparer un jeu de données en jeux de données d'apprentissage et de test
Utiliser l'augmentation des données pour les données d'apprentissage, notamment :
- Ajout aléatoire d'un nombre fixe d'objets de classe « car » et « truck » à chaque nuage de points
- Réflexion, mise à l'échelle, rotation et translation du nuage de points

Étape 3

Définir les réseaux

Définissez les boîtes d'ancrage, les piliers du réseau PointPillars et le réseau PointPillars lui-même.

Ce que vous avez appris : définir un réseau PointPillars pour la détection d'objets

Définir les boîtes d'ancrage
Définir les piliers du réseau PointPillars
Définir le réseau PointPillars

Étape 4

Entraîner les réseaux

Entraînez le modèle sur le réseau PointPillars ou utilisez un modèle pré-entraîné.

Ce que vous avez appris : entraîner un détecteur d'objets PointPillars

Spécifier les options d'apprentissage
Utiliser la fonction trainPointPillarsObjectDetector pour entraîner PointPillars
Ou charger un modèle pré-entraîné

Étape 5

Générer des détections

Utilisez le réseau entraîné pour détecter des objets dans les données de test et afficher le nuage de points avec les boîtes englobantes.

Ce que vous avez appris : tester le réseau PointPillars sur le jeu de données de test

Lire le nuage de points à partir des données de test
Exécuter le détecteur sur le nuage de points de test pour obtenir la prédiction des boîtes englobantes avec leur score de confiance.
Afficher le nuage de points de sortie détecté avec des boîtes englobantes