Lidar Toolbox

라이다 처리 시스템을 설계하고 분석하고 테스트할 수 있습니다.

Lidar Toolbox™는 라이다 처리 시스템의 설계, 분석, 테스트에 필요한 알고리즘, 함수 및 앱을 제공합니다. 객체 검출 및 추적, 의미론적 분할, 형상 맞춤, 라이다 정합, 장애물 검출 등의 작업을 수행할 수 있습니다. Lidar Toolbox는 컴퓨터 비전과 라이다 처리를 결합하는 워크플로에 대해 라이다-카메라 교차 보정을 지원합니다.

PointSeg, PointPillars, SqueezeSegV2와 같은 딥러닝 및 머신러닝 알고리즘을 활용한 사용자 지정 검출 및 의미론적 분할 모델의 훈련이 가능합니다. Lidar Labeler 앱은 딥러닝 및 머신러닝 모델의 훈련을 위한 라이다 포인트 클라우드의 수동 및 반자동 레이블 지정을 지원합니다. 이 툴박스를 통해 사용자는 Velodyne® 라이다의 데이터를 스트리밍하고 Velodyne 및 IBEO 라이다 센서로 기록된 데이터를 읽을 수 있습니다.

Lidar Toolbox는 인식 및 내비게이션 워크플로에서의 라이다 처리 활용 사례를 소개하는 참조 예제를 제공합니다. 대부분의 툴박스 알고리즘은 기존 코드와의 통합, 데스크탑 프로토타이핑, 배포를 위한 C/C++ 코드 생성을 지원합니다.

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 App

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.

Bounding box transformation from image to lidar point clouds.

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.

Ground Segmentation from Lidar Point Clouds

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.

Map building from a lidar point cloud sequence.

라이다 포인트 클라우드 시퀀스에서 지도 구축.