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、LiDAR 点群を使用してディープ ラーニング ネットワークを学習、テスト、展開します。
MATLAB および Simulink を使用することで、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 LiDAR 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 LiDAR 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
LiDAR にディープラーニングを利用すべき理由
![航空機 LiDAR データのセマンティック セグメンテーション 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。](https://jp.mathworks.com/solutions/deep-learning/deep-learning-lidar/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy/507537ca-afa8-41c5-806f-bbdd06667040/image_copy_copy.adapt.full.medium.gif/1733472803532.gif)
LiDAR 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 LiDAR 点群をセグメント化します。PointNet++、PointSeg、SqueezeSegV2 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 LiDAR データを使用して学習、テスト、評価します。
![自動運転アプリケーション用のオブジェクト検出 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。](https://jp.mathworks.com/solutions/deep-learning/deep-learning-lidar/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy/b827a46e-7d00-424f-81d8-b611fc9edab9/image_copy.adapt.full.medium.gif/1733472803572.gif)
LiDAR 点群のオブジェクト検出
LiDAR 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 LiDAR ラベラーアプリ。](https://jp.mathworks.com/solutions/deep-learning/deep-learning-lidar/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy_copy/507537ca-afa8-41c5-806f-bbdd06667040/image_copy_copy.adapt.full.medium.gif/1733472803653.gif)
LiDAR 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 LiDAR 点群をラベル付けします。LiDAR ラベラーアプリで組み込みまたはカスタムのアルゴリズムを適用して LiDAR 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。
![SqueezeSegV2 ネットワークの GPU コード生成 車と背景を示すセグメント化された点群。](https://jp.mathworks.com/solutions/deep-learning/deep-learning-lidar/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy_copy/b827a46e-7d00-424f-81d8-b611fc9edab9/image_copy_copy_copy.adapt.full.medium.gif/1733472803690.gif)
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。