Deep Learning für LiDAR

Einsatz von Techniken der künstlichen Intelligenz in LiDAR-Anwendungen

Trainieren, testen und implementieren Sie Deep-Learning-Netze in LiDAR-Punktwolken zur Objekterfassung und semantischen Segmentierung.

Mit MATLAB und Simulink können Sie Folgendes tun:

LiDAR-Punktwolken zur Anwendung von Deep-Learning-Algorithmen vorverarbeiten
LiDAR-Punktwolken zur Objekterfassung mit der Lidar Labeler-App kennzeichnen
Große Datenmengen zu Trainings-, Test- und Validierungszwecken mit Datastores verarbeiten
C/C++ und CUDA Codes für Deep-Learning-Workflows zur semantischen Segmentierung und Objekterfassung in Punktwolkendaten generieren

Was ist eine LiDAR Toolbox?

Warum Deep Learning für LiDAR?

Luftgestützte LiDAR-Punktwolken werden gemäß Objekten wie Gebäude, Vegetation, Fahrzeuge und mehr segmentiert.

LiDAR – Semantische Segmentierung

Mit Deep-Learning-Algorithmen lassen sich LiDAR-Punktwolken segmentieren. Trainieren, testen und bewerten Sie dazu Netzwerke für die semantische Segmentierung wie PointNet++, PointSeg und SqueezeSegV2 an Lidar-Daten.

Segmentierung

Erkennen Sie Pkw und Lkw in Punktwolkendaten und passen Sie ausgerichtete Begrenzungsrahmen um sie herum.

Objekterkennung an LiDAR-Punktwolken

Erkennen Sie Objekte in LiDAR-Punktwolken und und passen Sie ausgerichtete Begrenzungsboxen um sie herum. Verwenden Sie diese zur Objektverfolgung oder für LiDAR-Labeling-Workflows. Entwerfen, Trainieren und Auswerten fehlerresistenter Detektoren wie z.B. PointPillars-Netze.

Detektion und Tracking

LiDAR-Labeling

Kennzeichnen Sie LiDAR-Punktwolken zum Trainieren von Deep-Learning-Modellen. In der Lidar Labeler-App automatisieren Sie das Labeling von LiDAR-Punktwolken durch integrierte oder selbst geschriebene Algorithmen und bewerten die Leistung der Automatisierungs-Algorithmen.

LiDAR-Labeling

Segmentierte Punktwolke mit Pkw und Hintergrund.

Bereitstellung

Generieren Sie CUDA^® MEX-Code für Netze wie PointPillars, SqueezeSegV2 und PointNet++, um Algorithmen zur Punktwolkensegmentierung oder Objekterfassung auf Grafikkarten bereitzustellen.

Codegenerierung zur LiDAR-Objekterfassung