גילוי אובייקטים במידע Lidar באמצעות למידה עמוקה

חיישני Lidar נעשים יותר ויותר פופולרים בשנים האחרונות, כשהשימוש הכי בולט בהם הוא בתחום המערכות האוטונומיות. במכוניות חכמות, למשל, לצד Lidar משתמשים גם בחיישנים מסוגים נוספים, כמו מצלמה ומכ"ם, כדי להבין טוב יותר מה קורה בסביבה של הכלי, אבל להבדיל מהחיישנים הללו, ה- Lidar עובד מעולה גם בחושך או בתנאי מזג אויר גרועים, והוא נותן רזולוזציה טובה ודיוק גם עבור אובייקטים מרוחקים. משתמשים ב- Lidar גם עבור ניווט ומיפוי, ורואים יישומים של Lidar ברובוטיקה, כלי טיס לא מאויישים ועוד...

יצירה של אלגוריתמי גילוי אובייקטים וסגמנטציה סמנטית עבור ענני נקודות Lidar הינה מאתגרת, בגלל סיבות כמו דלילות (Sparsity) של המידע עבור כל אובייקט, הסתרות ורעש. טכניקות מבוססות למידה עמוקה נותנות מענה לאתגרים הללו, על ידי למידה של ייצוגים רובסטיים של פיצ'רים ישירות מתוך ענני הנקודות.
בהרצאה זו נכיר את עולם ה-Lidar ואת היישומים של תחום הלמידה העמוקה עבורו. תוך שימוש בסביבת MATLAB נדגים בצורה מפורטת כיצד לממש מקצה לקצה תהליך עבודה מבוסס למידה עמוקה עבור גילוי אובייקטים בענני נקודות Lidar ועקיבה אחריהם. בין היתר, נראה שיטות לביצוע עיבוד מקדים של המידע, תיוג (Labelling) מהיר ונוח שלו, בניה של מודלי למידה עמוקה, אימון שלהם, בדיקה שלהם והורדה שלהם ל-Target.