Lidar Toolbox

BEDEUTENDES UPDATE

 

Lidar Toolbox

Entwurf, Analyse und Testen von LiDAR-Verarbeitungssystemen

Streamen und Lesen von LiDAR-Daten

Livestreaming von LiDAR-Punktwolken aus Velodyne Lidar-Sensoren. LiDAR-Daten können in verschiedenen Dateiformaten wie PCAP, LAS, Ibeo, PCD und PLY eingelesen werden.

LiDAR-Datenvorverarbeitung

Es stehen Funktionen und Algorithmen für die Umwandlung ungeordneter in geordnete Daten, die Bodensegmentierung, das Downsampling, die Transformation von Punktwolken und die Extraktion von Merkmalen aus LiDAR-Punktwolken zur Verfügung.

Visualisierung und Analyse von LiDAR-Daten

Mit der Lidar Viewer App können Sie LiDAR-Daten visualisieren, analysieren und vorverarbeiten. Integrierte oder selbst erzeugte Vorverarbeitungs-Algorithmen ermöglichen die Bodenentfernung, Entrauschung, Medianfilterung, Beschneidung und das Downsampling von LiDAR-Daten.

LiDAR – Semantische Segmentierung

Mit Deep-Learning-Algorithmen lassen sich LiDAR-Punktwolken segmentieren. Dazu lassen sich Netzwerke für die semantische Segmentierung wie PointNet++, PointSeg und SqueezeSegV2 an Lidar-Daten trainieren, testen und bewerten. Generierung von C/C++- oder CUDA®-Code für Target-Hardware.

Objekterkennung an LiDAR-Punktwolken

Erkennen und passen Sie orientierte Begrenzungsboxen um Objekte in LiDAR-Punktwolken an und verwenden Sie diese zum Objekttracking oder für LiDAR-Labeling-Workflows. So entwerfen, trainieren und bewerten Sie fehlerresistente Erkennungssysteme wie PointPillars-Netzwerke und generieren C/C++- oder CUDA-Code für Target-Hardware.

LiDAR-Labeling

Labeling von LiDAR-Punktwolken zum Trainieren von Deep-Learning-Modellen. In der Lidar Labeler-App automatisieren Sie das Labeling von LiDAR-Punktwolken durch integrierte oder selbst geschriebene Algorithmen und bewerten die Leistung der Automatisierungs-Algorithmen.

Kalibrierung von LiDAR-Kameras

Durch Kreuzkalibrierung von LiDAR- und Kamerasensoren lassen sich Kamera- und LiDAR-Daten zusammenführen. Mit der Lidar Camera Calibrator App erkennen, extrahieren und visualisieren Sie Schachbrettmuster aus Bildern und LiDAR-Punktwolken. Dann schätzen Sie die starre Transformationsmatrix zwischen der Kamera und dem LiDAR anhand der Ergebnisse dieser Merkmalserkennung.

LiDAR-Registrierung und simultane Lokalisierung und Kartierung (Simultaneous Localization and Mapping; SLAM)

Registrieren Sie LiDAR-Punktwolken durch Extraktion und Abgleich von FPFH-Deskriptoren (Fast Point Feature Histogram) oder mithilfe eines Segmentabgleichs. Implementieren Sie 3D-SLAM-Algorithmen durch Zusammenfügen von LiDAR-Punktwolkensequenzen aus boden- und luftgestützten LiDAR-Daten.

2D-LiDAR-Verarbeitung

Implementierung von SLAM-Algorithmen aus 2D-LiDAR-Scans. Schätzen Sie Positionen und erzeugen Sie binäre oder probabilistische Besetzungsgitter aus realen oder simulierten Sensor-Messwerten.

Kostenlose Testversion anfordern

30 Tage Ausprobieren zum Greifen nah.


Bereit zum Kauf?

Angebot anfordern und Erweiterungsprodukte entdecken.

Studieren Sie?

Fordern Sie die MATLAB und Simulink Student Software an.