객체 검출 및 분류

R2026a

딥러닝 신경망을 사용하여 라이다 포인트 클라우드 데이터에서 객체를 검출하고 분류

Lidar Toolbox™ 함수를 사용하면 딥러닝 신경망을 이용해 포인트 클라우드에서 객체를 검출하여 사전 정의된 범주로 분류할 수 있습니다. 객체 검출에는 PointPillars 신경망과 Voxel R-CNN 신경망을 사용하고 객체 분류에는 PointNet++ 신경망을 사용할 수 있습니다. 이러한 신경망을 훈련시키거나 사용 가능한 사전 훈련된 신경망을 사용하여 자신의 응용 사례에 맞게 추가로 조정할 수 있습니다. 이 툴박스에는 PointPillars 신경망과 SqueezeSegV2 신경망을 위한 CUDA^® MEX 코드 생성 프로세스도 포함되어 있습니다.

함수

모두 확장

훈련 데이터 준비하기

`groundTruthLidar`
`lidarObjectDetectorTrainingData`
`fileDatastore`	사용자 지정 파일 리더를 사용하는 데이터저장소
`boxLabelDatastore`	Datastore for bounding box label data
`combine`	여러 데이터저장소의 데이터 결합

데이터 증강 및 전처리

`sampleLidarData`
`pcBboxOversample`
`transform`	데이터저장소 변환
`pctransform`	3차원 포인트 클라우드 변환
`randomAffine3d`	Create randomized 3-D affine transformation
`bboxwarp`	Apply geometric transformation to bounding boxes

객체 검출 신경망 생성

`voxelRCNNObjectDetector`
`trainVoxelRCNNObjectDetector`
`pointPillarsObjectDetector`
`trainPointPillarsObjectDetector`
`lidarLaneDetector`	Create lane detector for lidar data (R2023b 이후)

객체 분류 신경망 생성

pointNetPlusClassifier

trainPointNetPlusClassifier

결과 평가

`evaluateObjectDetection`	Evaluate object detection data set against ground truth (R2023b 이후)
`objectDetectionMetrics`	Object detection quality metrics (R2023b 이후)

도움말 항목

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.