Lidar Toolbox

 

Lidar Toolbox

라이다 처리 시스템을 설계하고 분석하고 테스트할 수 있습니다.

시작하기:

라이다 관련 딥러닝

딥러닝 알고리즘을 라이다 데이터상의 객체 검출과 의미론적 분할에 응용할 수 있습니다.

SqueezeSegV2를 사용한 의미론적 분할.

라이다 포인트 클라우드상의 객체 검출

라이다 포인트 클라우드에서 객체 주위의 방향성 경계 상자를 검출하고 맞출 수 있습니다. PointPillars 신경망과 같은 견고한 검출기를 설계, 훈련, 평가할 수 있습니다.

라이다 레이블 지정

Lidar Labeler 앱을 통해 내장 알고리즘이나 사용자 지정 알고리즘을 적용해 라이다 포인트 클라우드 레이블 지정을 자동화하고 자동화 알고리즘 성능을 평가할 수 있습니다.

Lidar Labeler 앱.

라이다-카메라 보정

라이다 및 카메라 센서의 교차 보정으로 라이다-카메라 변환을 추정하여 카메라와 라이다의 데이터를 융합할 수 있습니다.

라이다 및 카메라 보정

체커보드 보정 방법으로 라이다와 카메라 간의 강체 변환 행렬을 추정할 수 있습니다.

Lidar Camera Calibrator 앱

라이다-카메라 통합

라이다와 카메라의 데이터를 융합하여 라이다 포인트를 영상에 투영하고, 라이다 포인트 클라우드 내의 색 정보를 융합하고, 같은 장소에 배치된 카메라의 2차원 경계 상자를 사용하여 라이다 내의 3차원 경계 상자를 추정할 수 있습니다.

영상에서 라이다 포인트 클라우드로의 경계 상자 변환.

라이다 데이터 처리

전처리를 적용해 라이다 포인트 클라우드 데이터의 품질을 개선하고 해당 데이터의 기본 정보를 추출할 수 있습니다.

라이다 처리 알고리즘

다운샘플링, 중앙값 필터링, 법선 추정, 포인트 클라우드 변환, 포인트 클라우드 특징 추출에 함수와 알고리즘을 적용할 수 있습니다.

라이다 포인트 클라우드에서의 지면 분할

2차원 라이다 처리

2차원 라이다 스캔으로 위치를 추정하고 점유 지도를 만들 수 있습니다.

2차원 라이다 SLAM

2차원 라이다 스캔으로 SLAM(동시적 위치추정 및 지도작성) 알고리즘을 구현할 수 있습니다. 실제 또는 시뮬레이션된 센서 판독값을 사용하여 위치를 추정하고 이진 또는 확률적 점유 그리드를 만들 수 있습니다.

라이다 데이터 스트리밍, 읽기 및 쓰기

라이다 포인트 클라우드 데이터를 읽고 쓰며 센서의 실시간 데이터를 스트리밍할 수 있습니다.

Velodyne 라이다 센서 수집

Velodyne 라이다 센서에서 라이다 포인트 클라우드를 실시간으로 수집하여 MATLAB에서 시각화하고 라이다 감지 응용 프로그램을 개발할 수 있습니다.

MATLAB에서 라이다 수집 시작하기.

라이다 포인트 클라우드 데이터 읽기 및 쓰기

라이다 데이터를 PCAP, LAS, ibeo, PCD, PLY 등 다양한 파일 형식으로 읽을 수 있습니다. 라이다 데이터 쓰기는 PLY 및 PCD 파일로 가능합니다.

LAS 형식으로 라이다 포인트 클라우드 데이터 읽기.

특징 추출 및 정합

SLAM(동시적 위치추정 및 지도작성)으로 라이다 포인트 클라우드를 정합하고 3차원 지도를 작성할 수 있습니다.

라이다 포인트 클라우드에서 특징 추출

라이다 포인트 클라우드의 FPFH(빠른 특징점 히스토그램) 설명자를 추출할 수 있습니다.

라이다 포인트 클라우드에서 특징 추출 및 일치.

라이다 포인트 클라우드 정합

지상 및 항공 라이다 데이터의 라이다 포인트 클라우드 시퀀스를 함께 붙여 3차원 SLAM 알고리즘을 구현할 수 있습니다.

라이다 포인트 클라우드 시퀀스에서 지도 구축.