セグメンテーション

深層学習アルゴリズムと幾何学的アルゴリズムを使用した点群データのセグメンテーション

"セマンティックセグメンテーション" では、類似特性を使用して 3 次元点群の点がクラスター化され、各点が car、building、ground、vegetation などのクラスラベルに関連付けられます。

エッジ、近傍点のプロパティ、および直方体、平面、円柱などの幾何学的形状に基づいて、点群をセグメント化できます。Lidar Toolbox™ には、点群を幾何学的にセグメント化するための関数とワークフローが含まれています。詳細については、航空 LiDAR データの地形分類の例を参照してください。

Lidar Toolbox では、深層学習を使用したセマンティックセグメンテーションもサポートされています。含まれている事前学習済みの PointSeg、SqueezeSegV2、および PointNet++ の畳み込みニューラルネットワーク (CNN) を使用するか、カスタムのセグメンテーションモデルを開発することができます。PointNet++ ネットワークを使用したセグメンテーションワークフローについては、PointNet++ 深層学習を使用した航空 LiDAR のセマンティックセグメンテーションを参照してください。

Semantic segmentation in lidar point clouds.

関数

すべて展開する

幾何学的

`segmentGroundSMRF`	SMRF アルゴリズムを使用して LiDAR データから地面をセグメント化 (R2021a 以降)
`segmentLidarData`	Segment organized 3-D range data into clusters
`segmentGroundFromLidarData`	Segment ground points from organized lidar data
`segmentCurbPoints`	Segment curb points from point cloud (R2022b 以降)
`pcsegdist`	ユークリッド距離に基づいて点群をクラスターにセグメント化する

深層学習

学習データの読み込み

`combine`	複数のデータストアのデータを統合
`countEachLabel`	Count occurrence of pixel or box labels
`groundTruth`	グラウンドトゥルースラベルデータ
`imageDatastore`	イメージデータのデータストア
`pixelLabelDatastore`	ピクセルラベルデータのデータストア

学習データの拡張と前処理

`transform`	データストアの変換
`sampleLidarData`	Sample 3-D bounding boxes and corresponding points from training data (R2022a 以降)
`pcBboxOversample`	Randomly augment point cloud data using objects (R2022a 以降)

レイヤーの定義

pointCloudInputLayer Point cloud input layer (R2022b 以降)

ネットワークの設計

`pointCloudInputLayer`	Point cloud input layer (R2022b 以降)
`squeezesegv2Network`	Create SqueezeSegV2 segmentation network for organized lidar point cloud (R2024a 以降)
`pointnetplusNetwork`	Create PointNet++ segmentation network (R2024a 以降)

点群のセグメンテーション

`pcsemanticseg`	Point cloud semantic segmentation using deep learning (R2022b 以降)
`semanticseg`	深層学習を使用したセマンティックイメージセグメンテーション
`segmentAerialLidarVegetation`	Segment vegetation points from aerial lidar data (R2022b 以降)
`segmentAerialLidarBuildings`	Segment building points from aerial lidar data (R2022b 以降)
`segmentAerialLidarPowerline`	Segment powerline points from aerial lidar data (R2023b 以降)
`randlanet`	Segment point clouds using RandLA-Net semantic segmentation network (R2024a 以降)
`segmentObjects`	Segment point cloud using RandLA-Net semantic segmentation (R2024a 以降)
`trainRandlanet`	Train RandLA-Net network to perform semantic segmentation (R2024a 以降)

結果の可視化

`labeloverlay`	2 次元イメージ上のラベル行列領域の重ね合わせ
`pcshow`	3 次元点群のプロット

結果の検証

`evaluateSemanticSegmentation`	グラウンドトゥルースに対してセマンティックセグメンテーションデータセットを評価する
`segmentationConfusionMatrix`	Confusion matrix of multi-class pixel-level image segmentation (R2020b 以降)

トピック

Deep Learning with Point Clouds
Learn point cloud processing using deep learning.
Semantic Segmentation in Point Clouds Using Deep Learning
Assign class labels to each point inside a point cloud using deep learning.
PointNet++ 入門
PointNet++ ネットワークを定義し、それを使用してセマンティックセグメンテーションを実行する。
深層学習用のデータストア (Deep Learning Toolbox)
深層学習アプリケーションでデータストアを使用する方法を学びます。
深層学習層の一覧 (Deep Learning Toolbox)
MATLAB^® のすべての深層学習層を確認できます。

注目の例

Aerial Lidar Semantic Segmentation Using RandLANet Deep Learning

Train a RandLANet deep learning network to perform semantic segmentation on aerial lidar data.

ライブスクリプトを開く

PointNet++ 深層学習を使用した航空 LiDAR のセマンティックセグメンテーション

この例では、航空 LiDAR データのセマンティックセグメンテーションを実行するために PointNet++ 深層学習ネットワークに学習させる方法を示します。

ライブスクリプトを開く

Code Generation for Aerial Lidar Semantic Segmentation Using PointNet++ Deep Learning

Generate CUDA® MEX code for a PointNet++ network for lidar semantic segmentation.

ライブスクリプトを開く

Lidar Point Cloud Semantic Segmentation Using PointSeg Deep Learning Network

Train a PointSeg semantic segmentation network on 3-D organized lidar point cloud data.

ライブスクリプトを開く

Lidar Point Cloud Semantic Segmentation Using SqueezeSegV2 Deep Learning Network

Train a SqueezeSegV2 semantic segmentation network on 3-D organized lidar point cloud data.

ライブスクリプトを開く

Code Generation for Lidar Point Cloud Segmentation Network

Generate CUDA® MEX code for a deep learning network for lidar semantic segmentation. This example uses a pretrained SqueezeSegV2 [1] network that can segment organized lidar point clouds belonging to three classes (background, car, and truck). For information on the training procedure for the network, see Lidar Point Cloud Semantic Segmentation Using SqueezeSegV2 Deep Learning Network. The generated MEX code takes a point cloud as input and performs prediction on the point cloud by using the DAGNetwork object for the SqueezeSegV2 network.

ライブスクリプトを開く

Data Augmentations for Lidar Object Detection Using Deep Learning

Perform typical data augmentation techniques for 3-D object detection workflows with lidar data.

ライブスクリプトを開く

航空 LiDAR データの地形分類

この例では、航空 LiDAR データの地形を地面、建物、および植生としてセグメント化して分類する方法を示します。この例では航空 LiDAR システムで取得された LAZ ファイルを入力として使用します。最初に、LAZ ファイルの点群データを地面と地面以外の点に分類します。その後、地面以外の点を法線と曲率の特徴に基づいて建物と植生の点にさらに分類します。次の図にプロセスの概要を示します。

ライブスクリプトを開く