Deep Learning pour le LiDAR

Appliquer des techniques d'intelligence artificielle aux applications LiDAR

Entraînez, testez et déployez des réseaux de Deep Learning sur des nuages de points LiDAR pour la détection d'objets et la segmentation sémantique.

Avec MATLAB et Simulink, vous pouvez :

Prétraiter les nuages de points LiDAR pour appliquer des algorithmes de Deep Learning
Utiliser l'application Lidar Labeler afin de labelliser les nuages de points LiDAR pour la détection d'objets
Traiter de grandes quantités de données pour l’apprentissage, le test et la validation avec des datastores
Générer du code C/C++ et CUDA pour les workflows de Deep Learning destinés à la segmentation sémantique et à la détection d'objets sur les données de nuages de points

Introduction à Lidar Toolbox

Pourquoi utiliser le Deep Learning pour le LiDAR ?

Les nuages de points LiDAR aériens sont segmentés en se basant sur des objets tels que les bâtiments, la végétation, les véhicules, etc.

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, comme PointNet++, PointSeg et SqueezeSegV2, sur des données LIDAR.

Segmentation

Détectez les voitures et les camions à partir des données de nuages de points et ajustez des boîtes englobantes orientées autour d'eux.

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 workflows de pistage d'objets ou de labélisation LIDAR. Concevez, entraînez et évaluez des détecteurs robustes tels que des réseaux PointPillars.

Détection et pistage

Labélisation LiDAR

Labélisez des nuages de points LIDAR pour entraîner des modèles de Deep Learning. 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.

Labélisation LiDAR

Nuage de points segmenté montrant des voitures et un arrière-plan.

Déploiement

Générez du code CUDA^® MEX pour des réseaux comme PointPillars, SqueezeSegV2 et PointNet++ afin de déployer des algorithmes de segmentation de nuages de points ou de détection d'objets sur des GPU.

Génération de code pour la détection d'objets LiDAR