Обучите сеть PointPillars для обнаружения объектов в облаках точек.

Сгенерируйте CUDA® MEX для детектора объектов PointPillars с пользовательскими слоями. Для получения дополнительной информации смотрите Лидар 3-D Обнаружение объектов Используя пример Глубокого обучения PointPillars от Lidar Toolbox™.

Выполните типичные методы увеличения данных, используемые в 3-D рабочих процессах обнаружения объектов с данными о лидаре.

Обнаружьте маршруты в облаках точек лидара. Можно использовать значения интенсивности, возвращенные от облаков точек лидара, чтобы обнаружить маршруты автомобиля, оборудованного датчиком. Можно далее улучшить обнаружение маршрута при помощи алгоритма подбора кривой и отслеживание параметров кривой. Обнаружение маршрута лидара включает, вы, чтобы создать комплексные рабочие процессы как маршрут сохраняете, помогают, предупреждение о сходе с полосы и адаптивный круиз-контроль для автономного управления автомобилем. Тестовое транспортное средство собирает данные о лидаре с помощью датчика лидара, смонтированного на его крыше.

Обнаружьте, классифицируйте и отследите транспортные средства при помощи данных об облаке точек лидара, собранных датчиком лидара, смонтированным на автомобиле, оборудованном датчиком. Данные о лидаре, используемые в этом примере, зарегистрированы из управляющего магистралью сценария. В этом примере данные об облаке точек сегментируются, чтобы определить класс объектов с помощью сети PointSeg. Средство отслеживания объединенной вероятностной ассоциации данных (JPDA) с интерактивным фильтром многоуровневой модели используется, чтобы отследить обнаруженные транспортные средства.

Отследите транспортные средства с помощью измерений от датчика лидара, смонтированного сверху автомобиля, оборудованного датчиком. Лоцируйте датчики, сообщают измерения как облако точек. Пример иллюстрирует рабочий процесс в MATLAB® для обработки облака точек и отслеживания объектов. Для версии Simulink® примера относитесь, чтобы Отследить Транспортные средства Используя Данные о Лидаре в Simulink (Sensor Fusion and Tracking Toolbox).The, данные о лидаре, используемые в этом примере, зарегистрированы от магистрали ведущий сценарий. В этом примере вы используете записанные данные, чтобы отследить транспортные средства со средством отслеживания объединенной вероятностной ассоциации данных (JPDA) и подходом взаимодействующей многоуровневой модели (IMM).

Сгенерируйте список дорожек уровня объектов от измерений радара и датчика лидара и далее плавьте их использующий схему сплава уровня дорожки. Вы обрабатываете радарные измерения с помощью расширенного объектного средства отслеживания и измерений лидара с помощью средства отслеживания объединенной вероятностной ассоциации данных (JPDA). Вы далее плавите эти дорожки с помощью схемы сплава уровня дорожки. Схематический из рабочего процесса показывают ниже.