人工知能 (AI)

点群から情報を引き出す AI システムを構築し、展開します。オブジェクト検出とセマンティック セグメンテーション用に、点群を使用してディープラーニング ネットワークの学習、テスト、展開を行います。

MATLAB と Simulink を使用すると、以下を行うことができます。

  • ディープラーニング アルゴリズムを適用するための点群の前処理
  • LiDAR ラベラーアプリを使用した、オブジェクト検出のための点群のラベル付け
  • データストアを使用して学習、テスト、および妥当性確認のための大量のデータを処理
  • 点群データでのセマンティック セグメンテーションとオブジェクト検出用に、ディープ ラーニング ワークフローの C/C++ および CUDA コードを生成

点群データにディープラーニングを利用すべき理由

建物、植生、車両などのオブジェクトに基づいてセグメント化された航空機 LiDAR 点群。

点群セマンティック セグメンテーション

ディープラーニング アルゴリズムを適用して、点群をセグメント化します。RandLA-Net、Segment Anything Model (SAM)、PointSeg、SqueezeSegV2、PointNet++ などのセマンティック セグメンテーション ネットワークを、点群データで学習させ、テスト、評価します。

点群データから車とトラックを検出し、それらの周りに指向性のある境界ボックスを当てはめます。

点群のオブジェクト検出

点群からオブジェクトを検出し、その周辺に指向性のある境界ボックスを当てはめ、オブジェクト追跡や LiDAR ラベル付けのワークフローに使用します。PointPillars ネットワークや Voxel R-CNN ネットワークなどのロバストな検出器の設計、学習、評価を行います。

LiDAR ラベラーアプリ。

マルチ センサー ラベラーを使用した点群のラベル付け

ディープラーニング モデルの学習のために点群をラベル付けします。マルチ センサー ラベラー アプリを使って組み込み済みもしくはカスタムのアルゴリズムで点群のラベル付けを自動化し、自動化アルゴリズムの性能を評価します。

車と背景を示すセグメント化された点群。

展開

PointPillars、SqueezeSegV2、PointNet++ などのネットワークの CUDA® MEX コードを生成して、点群セグメンテーションまたはオブジェクト検出アルゴリズムを GPU に展開します。