Lidar Toolbox 시작하기

라이다 처리 시스템 설계, 분석, 테스트

Lidar Toolbox™는 라이다 처리 시스템을 설계, 분석, 테스트하는 데 필요한 알고리즘, 함수, 앱을 제공합니다. 객체 검출 및 추적, 의미론적 분할, 형상 맞춤, 라이다 정합, 장애물 탐지를 수행할 수 있습니다. 이 툴박스는 라이다-카메라 교차 보정을 위한 워크플로와 앱을 제공합니다.

이 툴박스를 통해 Velodyne^® 라이다의 데이터를 스트리밍하고 Velodyne 라이다 센서와 IBEO 라이다 센서가 기록한 데이터를 읽어올 수 있습니다. 라이다 뷰어 앱을 사용하면 라이다 포인트 클라우드를 대화형 방식으로 시각화하고 분석할 수 있습니다. 머신러닝 알고리즘과 PointPillars, SqueezeSegV2, PointNet++ 등의 딥러닝 알고리즘을 사용하여 탐지 모델, 의미론적 분할 모델, 분류 모델을 훈련시킬 수 있습니다. 라이다 레이블 지정기 앱은 딥러닝 모델과 머신러닝 모델을 훈련시키는 데 필요한 라이다 포인트 클라우드의 수동 레이블 지정과 반자동 레이블 지정을 지원합니다.

Lidar Toolbox는 인식 워크플로와 내비게이션 워크플로를 위한 라이다 처리 참조 예제를 제공합니다. 대부분의 툴박스 알고리즘은 기존 코드와의 통합, 데스크탑 프로토타이핑, 배포를 위해 C/C++ 코드 생성을 지원합니다.

튜토리얼

라이다 포인트 클라우드 데이터 읽기, 처리하기, 쓰기

이 예제에서는 포인트 클라우드를 작업 공간으로 읽어오고 원하는 일련의 점들을 선택한 다음 선택한 점들을 포인트 클라우드 파일 형식에 쓰는 방법을 보여줍니다.
라이다 데이터에서 지면점 및 비지면점 추출

velodyneFileReader 함수를 사용하여 PCAP 파일에서 라이다 데이터를 읽어옵니다.
Match and Visualize Corresponding Features in Point Clouds

This example shows how to match corresponding features between point clouds using the pcmatchfeatures function and visualize them using the pcshowMatchedFeatures function.
특징을 사용하여 두 포인트 클라우드 간의 변환 추정

이 예제에서는 두 포인트 클라우드 간의 강체 변환을 추정하는 방법을 보여줍니다.

라이다 처리 정보

Introduction to Lidar

High-level overview of lidar concepts and applications.
라이다-카메라 보정이란?

라이다 데이터와 카메라 데이터를 융합합니다.
Implement Point Cloud SLAM in MATLAB

Understand point cloud registration and mapping workflow.
Deep Learning with Point Clouds

Learn point cloud processing using deep learning.

추천 예제

Determine Safe Landing Area for Aerial Vehicles

Demonstrates how to determine a safe landing area for aerial vehicles, such as helicopters and UAVs, by using aerial lidar data.

라이브 스크립트 열기

Motion Compensation in 3-D Lidar Point Clouds Using Sensor Fusion

Compensate point cloud distortion due to ego vehicle motion by fusing data from Global Positioning System (GPS) and inertial measurement unit (IMU) sensors. The goal of this example is to compensate the distortion in the point cloud data and recreate the surroundings accurately.

라이브 스크립트 열기

Aerial Lidar Semantic Segmentation Using RandLANet Deep Learning

Train a RandLANet deep learning network to perform semantic segmentation on aerial lidar data.

라이브 스크립트 열기

Lidar Object Detection Using Complex-YOLO v4 Network

Detect objects in point clouds using you only look once version 4 (YOLO v4) deep learning network. In this example, you will

라이브 스크립트 열기

Multi-Lidar Calibration

Calibrate multiple 3-D lidar sensors mounted on a vehicle to estimate a relative transformation between them. Traditional methods, such as marker-based registration, are difficult when the lidar sensors have a negligible overlap between their fields of view (FOVs). The calibration also becomes more difficult as the number of lidar sensors increases. This example demonstrates the use of the trajectories of individual lidar sensors to estimate the transformation between them. This method of calibration is also known as hand-eye calibration.

라이브 스크립트 열기

PointNet++ 딥러닝을 사용한 항공 라이다의 의미론적 분할

이 예제에서는 항공 라이다 데이터에 대해 의미론적 분할을 수행하도록 PointNet++ 딥러닝 신경망을 훈련시키는 방법을 보여줍니다.

라이브 스크립트 열기

Lidar 3-D Object Detection Using PointPillars Deep Learning

Train a PointPillars network for object detection in point clouds.

라이브 스크립트 열기

Build Map from 2-D Lidar Scans Using SLAM

Implement the SLAM algorithm on a series of 2-D lidar scans using scan processing and pose graph optimization (PGO). The goal of this example is to estimate the trajectory of the robot and build a map of the environment.

라이브 스크립트 열기

비디오

Lidar Toolbox란?
Lidar Toolbox에 대해 간단히 소개합니다.

MATLAB을 사용한 라이다 카메라 보정
시스템에서 라이다 데이터와 카메라 데이터를 결합할 때 반드시 필요한 단계인 라이다 카메라 보정 기능에 대해 소개합니다.

딥러닝을 사용하여 라이다 포인트 클라우드에서 객체 검출
라이다 포인트 클라우드에서 3차원 객체 검출을 위해 PointPillars 딥러닝 신경망을 사용하는 방법을 알아봅니다.

MATLAB을 사용하여 2차원 라이다로 충돌 경고 시스템 구축
시뮬레이션된 창고 환경에서 2차원 라이다 스캔을 기반으로 충돌 경고를 발할 수 있는 시스템을 구축합니다.