레이블 지정, 분할, 검출
이 툴박스를 사용하면 3차원 포인트 클라우드 데이터에 레이블을 지정하여 딥러닝 모델의 훈련 데이터로 사용할 수 있습니다. 또한 이 툴박스는 포인트 클라우드에서 객체를 분할, 검출 및 분류하는 기하 알고리즘과 사전 훈련된 딥러닝 신경망을 제공합니다. 이러한 신경망에는 RandLA-Net, PointNet++, PointPillars, SqueezeSegV2, Voxel R-CNN, SAM(Segment Anything Model)이 포함됩니다. 운송업, 임업, 농업, 건설, 광업 등의 응용 분야에서 이러한 알고리즘과 신경망을 사용할 수 있습니다.
딥러닝을 사용하여 포인트 클라우드를 처리하는 방법을 알아보려면 Deep Learning with Point Clouds 항목을 참조하십시오.
카테고리
- 레이블 지정
의미론적 분할, 객체 검출, 분류를 위해 대화형 방식으로 포인트 클라우드에 레이블 지정
- 분할
딥러닝 알고리즘을 사용하여 포인트 클라우드 데이터를 군집으로 분할
- 객체 검출 및 분류
딥러닝 신경망을 사용하여 라이다 포인트 클라우드 데이터에서 객체를 검출하고 분류
추천 예제
Aerial Lidar Semantic Segmentation Using RandLANet Deep Learning
Train a RandLANet deep learning network to perform semantic segmentation on aerial lidar data.
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.
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
PointPillars 딥러닝을 사용한 라이다 3차원 객체 검출
포인트 클라우드에서 객체 검출을 위해 PointPillars 신경망을 훈련시킵니다.
PointNet++ 딥러닝을 사용한 항공 라이다의 의미론적 분할
이 예제에서는 항공 라이다 데이터에 대해 의미론적 분할을 수행하도록 PointNet++ 딥러닝 신경망을 훈련시키는 방법을 보여줍니다.
Data Augmentations for Lidar Object Detection Using Deep Learning
Perform typical data augmentation techniques for 3-D object detection workflows with lidar data.
Automate Ground Truth Labeling for Point Cloud Using Pretrained Deep Learning Model
Automate labeling in a point cloud using a pretrained deep learning model in the Lidar Labeler app.
Automate Ground Truth Labeling for Lidar Point Cloud Semantic Segmentation Using Lidar Labeler
Automate semantic labeling in a point cloud using a pretrained semantic segmentation network in the Lidar Labeler app. In this example, you can use the AutomationAlgorithm class to automate labeling in the Lidar Labeler app.
Extract Individual Tree Attributes and Forest Metrics from Aerial Lidar Data
Extract individual tree attributes and forest metrics from aerial lidar data.
