Deep Learning para LiDAR

Aplique técnicas de inteligencia artificial a aplicaciones de LiDAR

Entrene, pruebe y despliegue redes de Deep Learning con nubes de puntos de LiDAR para detección de objetos y segmentación semántica.

Con MATLAB y Simulink, puede:

Preprocesar nubes de puntos de LiDAR para aplicar algoritmos de Deep Learning
Utilizar la app Lidar Labeler para etiquetar nubes de puntos de LiDAR para detección de objetos
Gestionar grandes cantidades de datos para entrenamiento, pruebas y validación con almacenes de datos
Generar código C/C++ y CUDA para flujos de trabajo de Deep Learning para segmentación semántica y detección de objetos en datos de nube de puntos

¿Qué es Lidar Toolbox?

¿Por qué utilizar Deep Learning para LiDAR?

Nube de puntos de LiDAR aéreo segmentada basándose en objetos tales como edificios, vegetación y vehículos, entre otros.

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.

Segmentación

Detecte automóviles y camiones a partir de datos de nube de puntos y ajuste un cuadro delimitador orientado alrededor de ellos.

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.

Detección y seguimiento

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 datos de LiDAR

Nube de puntos segmentada que muestra un fondo y automóviles.

Despliegue

Genere código MEX de CUDA^® para redes tales como PointPillars, SqueezeSegV2 y PointNet++ para desplegar algoritmos de segmentación de nubes de puntos o detección de objetos en GPU.

Generación de código para detección de objetos de LiDAR