点云标记、分割、探测以及其子话题（来自MATLAB官方文件）

标记，分割与探测

Lidar Toolbox™包括几何和预训练的深度学习算法来分割点云数据，以及检测和跟踪感兴趣的目标。在高级驾驶辅助系统(ADAS)应用中，可以应用深度学习算法对车辆进行分割和检测。您可以使用Lidar Labeler应用程序为深度学习算法准备标记训练数据。

----标签

激光雷达点云中的交互式地面真值标记

----分割

使用深度学习和几何算法分割点云数据

----检测和跟踪

激光雷达点云数据中的目标检测、形状拟合和跟踪

子话题

1.开始使用深度学习的点云

深度学习可以自动处理点云，适用于广泛的三维成像应用。点云通常来自3d扫描仪，比如激光雷达或Kinect®设备。它们在机器人导航和感知、深度估计、立体视觉、监控、场景分类以及高级驾驶辅助系统(ADAS)中都有应用。

一般来说，在深度学习工作流中使用点云数据的第一步是:

（1）导入点云数据。使用数据存储来保存大量数据。

（2）可选地增加数据。

（3）将点云编码为与基于MATLAB®的深度学习工作流一致的图像格式。

您可以将深度学习方法应用于使用点云数据的分类、对象检测和语义分割任务，就像使用常规网格图像数据一样。然而，您必须首先将点云和激光雷达数据的无序、不规则网格结构编码为规则网格形式。对于某些任务，如语义分割，需要对基于图像的网络输出进行一些后处理，以恢复点云结构。

输入点云数据

为了在深度学习工作流中处理点云数据&#x