Lidar Toolbox

Concevoir, analyser et tester des systèmes de traitement LiDAR

Vous avez des questions  ? Contacter un commercial.

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. La toolbox propose des workflows et une application de calibrage croisée caméra-LIDAR.

Cette toolbox vous permet d’acquérir des données en streaming à partir de capteurs LiDAR Velodyne^®, Ouster^® et HokuyoTM, et de lire des données enregistrées par des capteurs tels que les capteurs LiDAR Velodyne, Ouster et Hesai^®. L'application Lidar Viewer permet la visualisation interactive et l'analyse de nuages de points LIDAR. Vous pouvez entraîner des modèles de détection, de segmentation sémantique et de classification en utilisant des algorithmes de Machine Learning et de Deep Learning comme PointPillars, SqueezeSegV2 et PointNet++. L'application Lidar Labeler supporte la labélisation manuelle et semi-automatisée des nuages de points LIDAR pour l'apprentissage de modèles de Deep Learning et de Machine Learning.

La toolbox LIDAR propose des exemples de références de 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.

Introduction à Lidar Toolbox

Le script pour lire un fichier PCAP Velodyne et l'image du nuage de points généré.

Acquérir et lire des données LIDAR

Collectez des nuages de points LIDAR diffusés en streaming à partir de capteurs LIDAR Velodyne. Lisez des données LIDAR dans des fichiers de différents formats, dont PCAP, LAS, Ibeo, PCD et PLY.

Documentation | Exemples

Nuages de points LIDAR aériens segmentés en points du sol et hors-sol.

Prétraitement LIDAR

Appliquez des fonctions et des algorithmes pour la conversion de nuage de points non organisés en un format organisé, la segmentation du sol, le sous-échantillonnage, la transformation de nuages de points et l'extraction de caractéristiques à partir de nuages de points LIDAR.

Documentation | Exemples

Vue d'ensemble de données LIDAR dans l'application Lidar Viewer.

Visualiser et analyser des données LIDAR

Visualisez, analysez et procédez à des opérations de prétraitement sur des données LIDAR avec l'application Lidar Viewer. Utilisez des algorithmes de prétraitement prédéfinis ou personnalisés pour la suppression du sol, le débruitage, le filtrage médian, le recadrage et le sous-échantillonnage de données LIDAR.

Documentation | Exemples

Données aériennes LIDAR segmentées en bâtiments, végétation, sol et autres éléments.

Segmentation sémantique LiDAR

Appliquez des algorithmes de Deep Learning pour segmenter des nuages de points LIDAR. Entraînez, testez et évaluez des réseaux de segmentation sémantique sur des données LIDAR, comme PointNet++, PointSeg et SqueezeSegV2. Générez du code C/C++ ou CUDA^® pour le hardware cible.

Documentation | Exemples

Détection d'objets dans des nuages de points LiDAR

Détectez et ajustez des boîtes englobantes autour d'objets dans des nuages de points LIDAR et utilisez-les pour des workflow de pistage d'objets ou de labélisation LIDAR. Concevez, entraînez et évaluez des détecteurs robustes tels que des réseaux PointPillars et générez du code C/C++ ou CUDA pour le hardware cible.

Documentation | Exemples

Nuage de points d'un scénario de conduite sur autoroute dans l'application Lidar Labeler.

Labélisation LiDAR

Labélisez des nuages de points LIDAR pour entraîner des modèles de Deep Learning. Appliquez des algorithmes prédéfinis ou personnalisés pour automatiser la labélisation de nuages de points LIDAR avec l'application Lidar Labeler et évaluez les performances de l'algorithme d'automatisation.

Labélisation de nuages de points LiDAR pour la détection d'objets (5:29)

Documentation | Exemples

Image et nuage de points correspondant d'une mire en damier dans l'application Lidar Camera Calibrator.

Calibrage LiDAR-caméra

Réalisez la calibration croisée des capteurs caméra et LIDAR pour fusionner leurs données. Utilisez l'application Lidar Camera Calibrator pour détecter, extraire et visualiser les caractéristiques d'une mire en damier à partir d'images et de nuages de points LIDAR. Estimez la matrice de transformation rigide entre la caméra et les données LIDAR en utilisant les résultats de détection des caractéristiques.

Documentation | Exemples

Recalage LIDAR et localisation et cartographie simultanées (SLAM)

Recalez des nuages de points LIDAR en extrayant et associant les descripteurs FPFH (Fast Point Feature Histogram) ou en utilisant l'association de segments. Implémentez des algorithmes 3D SLAM en assemblant des séquences de nuages de points LiDAR à partir de données LiDAR terrestres et aériennes.

Implémenter un algorithme SLAM sur des données LiDAR aériennes de drones avec MATLAB (6:08)

Documentation | Exemples

Carte d'un environnement avec la trajectoire d'un robot.

Traitement LiDAR 2D

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

Documentation | Exemples