검출 및 추적
객체 검출은 장면에서 객체를 식별하고 위치를 찾아내는 기법입니다. 이를 통해 포인트 클라우드에서 3차원 객체를 검출할 수 있습니다. Lidar Toolbox™에는 기하학적 형상 맞춤 또는 컨벌루션 신경망을 사용하는 딥러닝을 이용해 객체를 검출할 수 있는 기능이 포함되어 있습니다.
기하학적 형상 맞춤 — 지면 분할 알고리즘과 평면 피팅 알고리즘을 사용하여 포인트 클라우드에 있는 객체의 3차원 기하 도형을 검출합니다. 각 객체의 위치, 크기, 방향을 검출할 수 있습니다. 검출된 객체는 추적, 경로 계획, 레이블 지정과 같은 다운스트림 워크플로에 사용할 수 있습니다.
딥러닝 — 객체 검출을 위한 딥러닝 접근법은 컨벌루션 신경망을 사용하여 객체 검출을 수행합니다. Lidar Toolbox에는 PointPillars 및 Complex-YOLO v4와 같은 신경망을 사용하는 객체 검출 워크플로가 포함되어 있습니다. 사용자 지정 객체 검출 모델을 훈련시키거나 사용 가능한 사전 훈련된 신경망을 사용하여 응용 분야에 맞게 추가로 조정할 수 있습니다. 이 툴박스는 PointPillars 신경망과 SqueezeSegV2 신경망을 위한 CUDA® MEX 코드 생성도 지원합니다.
객체 추적은 한 장면의 여러 스캔에서 객체의 움직임을 추정하고 추적하는 기법입니다. 객체 추적은 검출된 객체에 고유 ID를 할당하고 포인트 클라우드 프레임에서 객체의 움직임을 추적하는 것으로 구성됩니다. Lidar Toolbox에는 차량, 도로 차선, 도로 경계석에 대한 검출 워크플로와 추적 워크플로가 포함되어 있습니다. 이러한 워크플로의 대부분은 JPDA(Joint Probabilistic Data Association) 추적기를 사용합니다.
![Deep learning-based object detection in lidar point clouds.](object_detection.png)
함수
도움말 항목
- Deep Learning with Point Clouds
Learn point cloud processing using deep learning.
- Get Started with PointPillars
Define PointPillars network and learn how to perform object detection using the same.
- 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.