Lidar Toolbox

Diseñe, analice y pruebe sistemas de procesamiento de datos de LiDAR

¿Tiene preguntas? Comuníquese con ventas.

Lidar Toolbox ofrece algoritmos, funciones y apps para diseñar, analizar y probar sistemas de procesamiento de datos de LiDAR. Puede realizar tareas de detección y seguimiento de objetos, segmentación semántica, ajuste de formas, registro de LiDAR y detección de obstáculos. Esta toolbox proporciona flujos de trabajo y una app de calibración cruzada de LiDAR y cámara.

Esta toolbox permite transmitir datos desde LiDAR de Velodyne^®, Ouster^® y Hokuyo™, además de leer datos registrados por sensores de LiDAR de Velodyne, Ouster y Hesai, entre otros. La app Point Cloud Analyzer permite visualizar y analizar nubes de puntos de LiDAR de manera interactiva. Puede entrenar modelos de detección, segmentación semántica y clasificación con algoritmos de Machine Learning y Deep Learning, tales como PointPillars, SqueezeSegV2 y PointNet++. La app Lidar Labeler permite el etiquetado manual y semiautomático de nubes de puntos de LiDAR para entrenar modelos de Deep Learning y Machine Learning.

Lidar Toolbox proporciona ejemplos de referencia de procesamiento de datos de LiDAR para flujos de trabajo de percepción y navegación. La mayoría de los algoritmos de esta toolbox admiten la generación de código C/C++ para integrarlo con código existente, así como el prototipado de escritorio y el despliegue.

Script para leer un archivo PCAP de Velodyne e imagen de la nube de puntos correspondiente.

Transmisión y lectura de datos de LiDAR

Transmita nubes de puntos de LiDAR en vivo desde sensores de LiDAR de Velodyne. Lea datos de LiDAR en diferentes formatos de archivo, tales como PCAP, LAS, Ibeo, PCD y PLY.

Documentación | Ejemplos

Nubes de puntos de LiDAR aéreas segmentadas en puntos terrestres y no terrestres.

Preprocesamiento de datos de LiDAR

Aplique funciones y algoritmos para convertir nubes de puntos, de no organizadas a organizadas, segmentar el terreno, reducir la tasa de muestreo, transformar nubes de puntos y extraer características de nubes de puntos de LiDAR.

Documentación | Ejemplos

Vista aumentada con zoom de datos de LiDAR en la app Lidar Viewer.

Visualización y análisis de datos de LiDAR

Visualice, analice y realice operaciones de preprocesamiento de datos de LiDAR con la app Point Cloud Analyzer. Utilice algoritmos de preprocesamiento incorporados o personalizados para eliminar el terreno o el ruido, filtrar la mediana, y recortar y reducir la tasa de muestreo de datos de LiDAR.

Documentación | Ejemplos

Datos de LiDAR aéreos segmentados en edificios, vegetación, terreno y otros elementos.

Segmentación semántica de datos de LiDAR

Aplique algoritmos de Deep Learning para segmentar nubes de puntos de LiDAR. Entrene, pruebe y evalúe redes de segmentación semántica, como PointNet++, PointSeg y SqueezeSegV2, con datos de LiDAR. Genere código C/C++ o CUDA^® para la plataforma de hardware.

Documentación | Ejemplos

Detección de objetos en nubes de puntos de LiDAR

Detecte y ajuste cuadros delimitadores orientados alrededor de objetos en nubes de puntos de LiDAR y utilícelos en el seguimiento de objetos o en flujos de trabajo de etiquetado de LiDAR. Diseñe, entrene y evalúe detectores robustos, tales como redes PointPillars, y genere código C/C++ o CUDA para la plataforma de hardware.

Deep Learning con nubes de puntos (11:48)

Documentación | Ejemplos

Nube de puntos de un escenario de conducción en autopista en la app Lidar Labeler.

Etiquetado de datos de LiDAR

Etiquete nubes de puntos de LiDAR para entrenar modelos de Deep Learning. Aplique algoritmos integrados o personalizados para automatizar el etiquetado de nubes de puntos de LiDAR con la app Lidar Labeler y evalúe el rendimiento de los algoritmos de automatización.

Etiquetado de nubes de puntos con la app Lidar Labeler (20:06)

Documentación | Ejemplos

Imagen y nube de puntos correspondiente de un patrón de un tablero en la app Lidar Camera Calibrator.

Documentación | Ejemplos

Calibración de cámaras de LiDAR

Estime la transformación rígida entre un sensor LiDAR 3D y una cámara. Utilice la matriz de transformación rígida estimada entre la cámara y el LiDAR para fusionar los datos entre sensores.

Registro de LiDAR y localización y mapeo simultáneos (SLAM)

Registre nubes de puntos de LiDAR extrayendo e identificando coincidencias en descriptores de histogramas de características de puntos rápidos (FPFH) o utilizando la coincidencia de segmentos. Implemente algoritmos de SLAM 3D uniendo secuencias de nubes de puntos de LiDAR a partir de datos de LiDAR terrestres y aéreos.

Implementación de SLAM de LiDAR aéreo para UAV con MATLAB (6:08)

Documentación | Ejemplos

Mapa de un entorno y trayectoria de robot correspondiente.

Procesamiento de datos de LiDAR en 2D

Implemente algoritmos SLAM a partir de barridos de LiDAR en 2D. Estime posiciones y cree cuadrículas de ocupación binarias o probabilísticas utilizando lecturas de sensores reales o simuladas.

Documentación | Ejemplos

Recursos del producto:

Documentación Ejemplos Funciones Soporte para hardware Requisitos Notas de la versión

Prueba gratuita de Lidar Toolbox

Descubra qué es posible.

Comience ahora

¿Tiene interés en comprar?

Obtenga información sobre precios y explore productos relacionados.

Consulte tarifas Comuníquese con ventas

¿Es estudiante?

Es posible que su centro educativo ya ofrezca acceso a MATLAB, Simulink y otros productos complementarios mediante una infraestructura Campus-Wide License.

Obtenga MATLAB

Siguientes pasos

¿Qué es LiDAR?

3 cosas que es necesario saber

Vídeo

Procesamiento de datos de LiDAR para sistemas autónomos (28:44)

Sistemas de conducción autónoma

Diseñe, simule y pruebe sistemas de conducción autónoma