딥러닝

라이다 코드 따라하기

포인트 클라우드 데이터를 불러오고, 데이터셋을 전처리하고, 신경망을 정의하고 훈련시키고, 검출 결과를 생성하는 방법을 알아볼 수 있습니다.

준비 절차:

  1. 코드를 다운로드합니다
  2. MATLAB에서 엽니다

액세스할 수 없나요? 지금 무료 평가판을 받아 보세요.

예상 소요 시간:
15~30분
선행 과정:
기초 MATLAB 사용 역량

보충교육이 필요한가요? 대화형 방식의 무료 튜토리얼을 수강해 보세요.

필요한 제품

1단계

포인트 클라우드 데이터 및 이에 대응하는 레이블 불러오기

포인트 클라우드 데이터를 불러오고, 경계 상자 레이블을 불러오고, 훈련 및 테스트 세트를 분할합니다.

비디오 길이: 1:06.

 

학습 내용: 포인트 클라우드 데이터와 그에 해당하는 레이블 불러오기

  • pcread 함수를 사용하여 포인트 클라우드 데이터를 fileDatastore로서 불러옵니다.
  • boxLabelDatastore 함수를 사용하여 경계 상자 레이블을 불러옵니다.
  • 훈련 및 테스트 세트를 분할합니다.

2단계

데이터셋 전처리

데이터셋을 훈련 및 테스트 세트로 분할하고 다양한 증대 기법을 알아봅니다.

비디오 길이: 0:55.

 

학습 내용: 데이터셋 분할 및 데이터 증대

  • 데이터셋을 훈련 및 테스트 세트로 분할합니다.
  • 다음과 같은 방법으로 훈련 데이터에 데이터 증대를 사용합니다.
    • 고정된 수의 자동차 및 트럭 클래스 객체를 모든 포인트 클라우드에 임의로 추가
    • 포인트 클라우드의 반전, 크기 변환, 회전 및 평행 이동

3단계

신경망 정의

앵커 상자, PointPillars 신경망의 필라, PointPillars 신경망의 정의를 이해합니다.

비디오 길이: 0:29.

 

학습 내용: 객체 검출을 위해 PointPillars 신경망 정의하기

  • 앵커 상자를 정의합니다.
  • PointPillars 신경망의 필라를 정의합니다.
  • PointPillars 신경망을 정의합니다.

4단계

신경망 훈련

PointPillars 신경망에서 모델을 훈련시키거나 사전 훈련된 모델을 사용합니다.

비디오 길이: 0:33.

 

학습 내용: PointPillars 객체 검출기 훈련시키기

  • 훈련 옵션을 지정합니다.
  • trainPointPillarsObjectDetector 함수를 사용하여 PointPillars를 훈련시킵니다.
  • 또는 사전 훈련된 모델을 불러옵니다.

5단계

검출 결과 생성

훈련된 신경망을 사용하여 테스트 데이터에서 객체를 검출하고 경계 상자가 있는 포인트 클라우드를 표시합니다.

비디오 길이: 0:26.

 

학습 내용: 테스트 데이터셋에서 PointPillars 신경망 테스트하기

  • 테스트 데이터로부터 포인트 클라우드를 읽습니다.
  • 테스트 포인트 클라우드에서 검출기를 실행하여 예측 경계 상자와 신뢰 점수를 구합니다.
  • 검출된 출력 포인트 클라우드를 경계 상자와 함께 표시합니다.