Lidar Toolbox 光達工具箱

Lidar Toolbox. 光達工具箱

Introduction

Lidar Toolbox™ 提供多種演算法、函式和 App，可用於設計、分析和測試光達處理系統。您可以執行目標檢測和跟蹤、語義分割、形狀擬合、光達校準和障礙物檢測。Lidar Toolbox 支援在電腦視覺與光達處理相結合的工作流程中使用光達相機交叉校準。

您可以使用深度學習和機器學習演算法（例如 PointSeg、PointPillars 和 SqueezeSegV2）訓練自訂檢測和語義分割模型。光達標記器(APP)支援手動和半自動標記光達點雲，可用於訓練深度學習和機器學習模型。該工具箱支援來自 VelodyneR 光達的資料流，並讀取 Velodyne 和 IBEO 光達感測器記錄的資料。

Lidar Toolbox 提供了參考範例，說明如何將光達處理用於感知和導航工作流程中。大部分工具箱演算法都支援 C/C++程式碼轉碼，以便整合到現有程式碼中、開發桌面原型和進行部署。

需搭配: MATLAB，Image Processing Toolbox，Computer Vision Toolbox

Key Features

應用深度學習演算法對光達資料進行目標檢測和語義分割。
檢測並擬合光達點雲中目標周圍的定向邊界框。設計、訓練並評估穩健的檢測器
借助光達標記器，應用內置或自訂演算法自動標注光達點雲，並評估自動演算法執行效能。
交叉校準光達和相機感測器，用來估計為實現光達與相機資料融合所需的光達-相機轉換。
融合光達和相機資料，以將光達點投影到圖像上，融合光達點雲中的顏色資訊，並使用同一位置的相機提供的2D邊界框估計光達中的3D邊界框。
應用預處理功能提高光達點雲資料的品質，並從中提取基本資訊。
使用2D光達掃描估計位置並建立佔用地圖。
讀取和寫入光達點雲資料，並即時匯入來自感測器的即時資料資料流。
從 Velodyne Lidar 感測器擷取即時光達點雲，在 MATLAB 中圖形化點雲，然後開發光達感傳應用。
讀取不同檔案格式的光達資料，包括 PCAP、LAS、ibeo、PCD 和 PLY。將光達資料寫入 PLY 和 PCD 檔。
使用同步定位與地圖建構 (SLAM) 校準光達點雲並建構3D地圖。

2022a :

光達感測器模型：模擬光達感測器並產生點雲資料

2021b :

使用光達檢視器(Lidar Viewer)APP，互動式的對光達點雲進行視覺化、分析和預處理。
航空光達處理：將航空光達數據應用於深度學習和 SLAM 演算法中

2021a :

使用光達相機校正器來校正光達和相機以估計剛性變換