الاستشعار الكامل للمشهد: إكمال العمق بالليدار لسيناريو القيادة

يقدم هذا البحث تقنية Scene Completeness-Aware Depth Completion (SCADC) لاستكمال المسح الليداري الخام إلى خرائط عمق كثيفة ذات بنية مشهد دقيقة وكاملة. تركز التقنيات الحديثة لاستكمال العمق النادر للليدار على المشاهد السفلية فقط، مما يؤدي إلى تقديرات غير منتظمة في الجزء العلوي لأن مجموعات البيانات الموجودة، مثل KITTI، لا توفر بيانات حقيقية للمناطق العلوية. تعتبر هذه المناطق أقل أهمية نظرًا لأنها غالبًا ما تكون سماء أو أشجار التي تثير اهتمامًا أقل في فهم المشهد. ومع ذلك، نعتقد أنه في بعض السيناريوهات القيادة مثل الشاحنات الكبيرة أو السيارات المحملة، يمكن أن تمتد الأشياء إلى أجزاء علوية من المشهد. لذلك，则是 خرائط العمق ذات التقدير المهيكل للمشهد العلوي مهمة لخوارزميات RGBD. يعتمد SCADC على الصور الاستريو التي تنتج الاختلافات ببنية مشهد أفضل ولكنها عمومًا أقل دقة من الليدار لمساعدته في استكمال العمق النادر للليدار. وفقًا لمعرفتنا، نحن أول من يركز على بنية المشهد في استكمال العمق النادر. نقوم بتحقق صحة SCADC من حيث دقة تقدير العمق وبنية المشهد باستخدام مجموعة بيانات KITTI. بالإضافة إلى ذلك，我们实验了在较少探索的室外RGBD语义分割中使用具有场景完整性意识的D输入来验证我们的方法。为了使最后一句话更符合阿拉伯语的表达习惯，这里稍作调整：بالإضافة إلى ذلك، قمنا بإجراء تجارب على تقسيم الدلالات الصرفيّة (semantic segmentation) للصور RGBD الخارجية القليلة الاستكشاف باستخدام مدخل D-مدخل معتمد على وعي بنية المشهد لتأكيد صحة طريقتنا.注：在最后一句中，“具有场景完整性意识的D输入”被翻译为“D-مدخل معتمد على وعي بنية المشهد”，以更符合阿拉伯语的表达习惯。同时，“室外RGBD语义分割”被翻译为“تقسيم الدلالات الصرفيّة للصور RGBD الخارجية”以确保专业术语的准确性。