분할
의미론적 분할은 3차원 포인트 클라우드 점들의 유사한 특성을 사용하여 이 점들을 군집화하고, 각 점을 car
, building
, ground
또는 vegetation
과 같은 클래스 레이블과 연결합니다.
모서리, 이웃 점 속성, 기하학적 모양(예: 직육면체, 평면, 원통)을 기반으로 포인트 클라우드를 분할할 수 있습니다. Lidar Toolbox™에는 포인트 클라우드의 기하학적 분할을 위한 함수와 워크플로가 포함되어 있습니다. 자세한 내용은 Terrain Classification for Aerial Lidar Data 예제를 참조하십시오.
Lidar Toolbox는 딥러닝을 사용하는 의미론적 분할도 지원합니다. 포함되어 있는 사전 훈련된 PointSeg, SqueezeSegV2, PointNet++ CNN(컨벌루션 신경망)을 사용하거나 사용자 지정 분할 모델을 개발할 수 있습니다. PointNet++ 신경망을 사용하는 분할 워크플로에 대해서는 PointNet++ 딥러닝을 사용한 항공 라이다의 의미론적 분할 항목을 참조하십시오.
함수
도움말 항목
- Deep Learning with Point Clouds
Learn point cloud processing using deep learning.
- Semantic Segmentation in Point Clouds Using Deep Learning
Assign class labels to each point inside a point cloud using deep learning.
- Get Started with PointNet++
Define a PointNet++ network and use it to perform semantic segmentation.
- Datastores for Deep Learning (Deep Learning Toolbox)
Learn how to use datastores in deep learning applications.
- 딥러닝 계층 목록 (Deep Learning Toolbox)
MATLAB®에서 제공하는 딥러닝 계층에 대해 알아봅니다.