Сегментация

Данные об облаке точек сегмента с помощью глубокого обучения и геометрических алгоритмов

Семантическая сегментация сопоставляет каждую точку в 3-D облаке точек с меткой класса, такой как car, truck, ground, или vegetation. Lidar Toolbox™ предоставляет алгоритмы глубокого обучения, чтобы выполнить семантическую сегментацию на данных об облаке точек. Используйте PointSeg, SqueezeSegV2 и сверточные нейронные сети (CNN) PointNet ++, чтобы разработать модели семантической сегментации.

Можно сегментировать землю в данных об облаке точек с помощью segmentGroundSMRF функция. Это используется в Классификации Ландшафтов для Воздушного рабочего процесса Данных о Лидаре, который сегменты основывают, растительность и создания в воздушных облаках точек.

Функции

развернуть все

segmentGroundSMRFЗемля сегмента из данных о лидаре с помощью алгоритма SMRF
segmentLidarDataСегмент организовал 3-D данные об области значений в кластеры
segmentGroundFromLidarDataРазбиение точек заземления из подготовленных лидарных данных
pcsegdistОблако точек сегмента в кластеры на основе Евклидова расстояния

Загрузите обучающие данные

combineОбъедините данные от нескольких datastores
countEachLabelСчитайте вхождение меток поля или пикселя
groundTruthДанные о метке основной истины
imageDatastoreDatastore для данных изображения
pixelLabelDatastoreDatastore для данных о пиксельных метках

Увеличьте и предварительно обработайте обучающие данные

transformПреобразуйте datastore

Спроектируйте нейронные сети для глубокого обучения

squeezesegv2LayersСоздайте сеть сегментации SqueezeSegV2 для организованного облака точек лидара
semanticsegСемантическая сегментация изображений с помощью глубокого обучения

Визуализация результатов

labeloverlayНаложите матричные области метки на 2D изображении
pcshowПостройте 3-D облако точек

Оцените результаты

evaluateSemanticSegmentationОцените набор данных семантической сегментации против основной истины
segmentationConfusionMatrixМатрица беспорядка пиксельного уровня мультикласса отображает сегментацию

Темы

Начало работы с облаками точек Используя глубокое обучение

Изучите, как использовать облака точек для глубокого обучения.

Хранилища данных для глубокого обучения (Deep Learning Toolbox)

Узнать, как использовать хранилища данных в применении глубокого обучения.

Список слоев глубокого обучения (Deep Learning Toolbox)

Узнайте все слои глубокого обучения в MATLAB®.

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте