LiDAR: Beispiel mit Anleitung
Erfahren Sie, wie Sie Punktwolkendaten laden, Datensätze vorverarbeiten, Netze definieren und trainieren sowie Detektionen generieren.
Erfahren Sie, wie Sie Punktwolkendaten laden, Datensätze vorverarbeiten, Netze definieren und trainieren sowie Detektionen generieren.
Zum Einstieg:
Sie haben keinen Zugriff?
Sie brauchen eine Auffrischung? Absolvieren Sie das kostenfreie interaktive Tutorial.
Erforderliche Produkte
Mithilfe eines tiefen neuronalen Netzes können Sie eine Mehrklassen-Objekterkennung auf Punktwolkendaten erkunden. In diesem Beispiel wird das PointPillars-Netz betrachtet, das Objekte in der Punktwolke erkennen und ausgerichtete Begrenzungsrahmen um sie herum anordnen kann.
fileDatastore
, um mithilfe der pcread
-Funktion die PCD-Dateien aus dem angegebenen Pfad zu laden.boxLabelDatastore
-Funktion für Ground-Truth-Kennzeichnungen.Wichtige Punkte:
Wichtige Punkte:
trainedPointPillarsObjectDetector
-Funktion zum Trainieren von PointPillars.Wichtige Punkte:
detect
-Funktion auf der Testpunktwolke, um die vorhergesagten Begrenzungsrahmen und Konfidenzwerte zu erhalten.Befolgen Sie die Anleitungsvideos für LiDAR:
Sehen Sie sich unter den nachstehenden Links weitere LiDAR-Aufgaben an oder machen Sie sich mit ähnlichen Anwendungen weiter mit Deep Learning vertraut.
Vielen Dank
Ihre Nachricht wurde gesendet.
Website auswählen
Wählen Sie eine Website aus, um übersetzte Inhalte (sofern verfügbar) sowie lokale Veranstaltungen und Angebote anzuzeigen. Auf der Grundlage Ihres Standorts empfehlen wir Ihnen die folgende Auswahl: .
Sie können auch eine Website aus der folgenden Liste auswählen:
So erhalten Sie die bestmögliche Leistung auf der Website
Wählen Sie für die bestmögliche Website-Leistung die Website für China (auf Chinesisch oder Englisch). Andere landesspezifische Websites von MathWorks sind für Besuche von Ihrem Standort aus nicht optimiert.
Amerika
Europa
Asien-Pazifik