exponenta event banner

Обнаружение и отслеживание

Обнаружение объектов, подгонка фигур и отслеживание в данных облака точек lidar

Обнаружение объектов является основным приложением лидара. Объекты, обнаруженные в данных облака точек лидара, имеют решающее значение для нисходящих рабочих процессов, таких как отслеживание и маркировка. В Lidar Toolbox™ предусмотрена функция обнаружения объектов CNN, предназначенная для разработки пользовательских моделей обнаружения объектов.

Lidar Toolbox обеспечивает обнаружение и отслеживание рабочих процессов для транспортных средств и дорожных полос. В большинстве рабочих процессов отслеживания используется трекер совместной вероятностной ассоциации данных (JPDA).

Функции

развернуть все

pcfitcuboidВписать кубоид над облаком точек
pcfitplaneВписать плоскость 3-D облако точек
pcnormalsОценка нормалей для облака точек
planeModelОбъект для хранения параметрической модели плоскости
cuboidModelПараметрическая кубовидная модель

Загрузка данных обучения

groundTruthДанные метки истинности земли
combineОбъединение данных из нескольких хранилищ данных
fileDatastoreХранилище данных с пользовательским средством чтения файлов
boxLabelDatastoreХранилище данных для данных метки ограничивающей рамки

Увеличение и предварительная обработка данных обучения

randomAffine3dСоздайте рандомизированное 3D аффинное преобразование
bboxwarpПрименение геометрического преобразования к ограничивающим рамкам
pctransformПреобразование 3-D облако точек

Визуализация результатов

showShapeОтображение фигур на изображении, видео или облаке точек
pcshowПечать 3-D облако точек

Оценка результатов

evaluateDetectionAOSОценить среднюю метрику подобия ориентации для обнаружения объектов
bboxOverlapRatioВычислить коэффициент перекрытия ограничивающей рамки

Темы

Начало работы с облаками точек с помощью глубокого обучения

Узнайте, как использовать облака точек для глубокого обучения.

Хранилища данных для глубокого обучения (набор инструментов для глубокого обучения)

Узнайте, как использовать хранилища данных в приложениях для глубокого обучения.

Список слоев глубокого обучения (панель инструментов глубокого обучения)

Откройте для себя все уровни глубокого обучения в MATLAB ®.

Выберите функцию для визуализации обнаруженных объектов

Сравнение функций визуализации.

Характерные примеры

Track Vehicles Using Lidar: From Point Cloud to Track List

Отслеживание транспортных средств с помощью Лидара: от облака точек к списку дорожек

Отслеживание транспортных средств с помощью измерений с помощью лидарного датчика, установленного на верхней части эго-транспортного средства. Датчики Lidar сообщают об измерениях как облако точек. Пример иллюстрирует рабочий процесс в MATLAB ® для обработки облака точек и отслеживания объектов. Пример версии Simulink ® см. в разделе Отслеживание транспортных средств с использованием данных лидара в Simulink (Sensor Fusion and Tracking Toolbox). Данные лидара, используемые в этом примере, записываются из сценария вождения по шоссе. В этом примере записанные данные используются для отслеживания транспортных средств с помощью совместного трекера вероятностных данных (JPDA) и подхода, основанного на взаимодействии нескольких моделей (IMM).