Лоцируйте обработку

Импорт файла Velodyne®, сегментация, субдискретизация, преобразования, визуализация и 3-D регистрация облака точек от лидара

Продвинутые системы помощи водителю используют 3-D облака точек, полученные из сканов лидара, чтобы измерить физические поверхности. Обработка облака точек лидара позволяет вам проредить, denoise, и преобразовать эти облака точек прежде, чем указать их или сегментировать их на кластеры. Можно также читать, записать, сохранить, отобразить и сравнить облака точек, включая облака точек, импортированные из пакетного получения Velodyne (PCAP) файлы.

Функции

развернуть все

pointCloudОбъект для хранения 3-D облака точек
velodyneFileReaderСчитайте данные об облаке точек из файла Velodyne PCAP
pcreadСчитайте 3-D облако точек из PLY или файла PCD
pcwriteЗапишите 3-D облако точек в PLY или файл PCD
pcdenoiseУдалите шум из 3-D облака точек
pcdownsampleDownsample 3-D облако точек
pcmergeОбъедините два 3-D облака точек
pcnormalsОцените нормали для облака точек
pctransformПреобразуйте 3-D облако точек
pcplayerВизуализируйте передающие потоком 3-D данные об облаке точек
pcshowПостройте 3-D облако точек
pcshowpairВизуализируйте различие между двумя облаками точек
pcregistercpdУкажите два облака точек с помощью алгоритма CPD
pcregistericpУкажите два облака точек с помощью алгоритма ICP
pcregisterndtУкажите два облака точек с помощью алгоритма NDT
pcsegdistОблако точек сегмента в кластеры на основе Евклидова расстояния
segmentLidarDataСегмент организовал 3-D данные об области значений в кластеры
segmentGroundFromLidarDataРазбиение точек заземления из подготовленных лидарных данных
pcfitplaneСоответствуйте плоскости к 3-D облаку точек
planeModelОбъект для хранения параметрической плоской модели

Темы

Обнаружьте, классифицируйте и отследите транспортные средства Используя лидар (Lidar Toolbox)

В этом примере показано, как обнаружить, классифицируйте и отследите транспортные средства при помощи данных об облаке точек лидара, собранных датчиком лидара, смонтированным на автомобиле, оборудованном датчиком.

Рекомендуемые примеры

Ground Plane and Obstacle Detection Using Lidar

Оснуйте обнаружение плоскости и препятствия Используя лидар

Обнаружьте наземную плоскость и найдите соседние препятствия в 3-D данных о лидаре.

Открыть скрипт
Build a Map from Lidar Data

Создайте карту из данных о лидаре

Обработайте 3-D данные о датчике лидара, чтобы прогрессивно создать карту с помощью со стороны показаний инерциального измерительного блока (IMU).

Открыть скрипт
Build a Map from Lidar Data Using SLAM

Создайте карту из данных о лидаре Используя SLAM

Обработайте данные о лидаре, чтобы создать карту и оценить траекторию транспортного средства с помощью одновременной локализации и картографии.

Открыть скрипт
Lidar Localization with Unreal Engine Simulation

Лоцируйте локализацию с нереальной симуляцией Engine

Разработайте и оцените алгоритм локализации лидара с помощью синтетических данных о лидаре из Нереальной среды симуляции Engine®.

Открыть скрипт
Track Vehicles Using Lidar: From Point Cloud to Track List

Транспортные средства дорожки Используя лидар: от облака точек до списка дорожек

Отследите транспортные средства из данных о лидаре с помощью средства отслеживания объединенной вероятностной ассоциации данных (JPDA) и подхода взаимодействующей многоуровневой модели (IMM).

Открыть скрипт
Track Vehicles Using Lidar Data in Simulink

Отследите транспортные средства Используя данные о лидаре в Simulink

Отследите транспортные средства из данных о лидаре с помощью средства отслеживания JPDA и подхода IMM в среде Simulink®.

Открытая модель

Документация Automated Driving Toolbox

Поддержка

Для просмотра документации необходимо авторизоваться на сайте