شبكات الالتفاف ثلاثية الأبعاد الأسطوانية والغير متماثلة لتقسيم بيانات ليدار

طرق التجزئة المتطورة لمشهد القيادة على نطاق واسع غالبًا ما تقوم بتحويل السحب النقطية إلى الفضاء ثنائي الأبعاد ثم معالجتها عبر التحويلات ثنائية الأبعاد. رغم أن هذا التعاون يظهر قدرته التنافسية في السحب النقطية، فإنه لا مفر من تغيير وإهمال الطوبولوجيا الهندسية ثلاثية الأبعاد والعلاقات الهندسية. العلاج الطبيعي هو استخدام تقسيم الفوكسلات ثلاثي الأبعاد والشبكات العصبية ثلاثية الأبعاد. ومع ذلك، اكتشفنا أنه في السحب النقطية الخارجية، فإن التحسين الذي يتم الحصول عليه بهذه الطريقة محدود للغاية. أحد الأسباب الهامة هو خاصية السحابة النقطية الخارجية، وهي الندرة وكثافة متغيرة. مستوحىً من هذه الدراسة، نقترح إطارًا جديدًا للتجزئة الخارجية لليدار، حيث تم تصميم التقسيم الإسطواني والشبكات العصبية ثلاثية الأبعاد غير المتماثلة لاستكشاف نمط الهندسة الثلاثي الأبعاد بينما تحتفظ بهذه الخصائص الذاتية. بالإضافة إلى ذلك، تم تقديم وحدة تحسين نقطة بنقطة لتخفيف تأثير ترميز العلامات القائم على الفوكسلات الخاطئة. قمنا بتقييم النموذج المقترح على مجموعة بيانات كبيرة هي سيمانتيك كيتي (SemanticKITTI) ومجموعة بيانات نيو سنز (nuScenes). حققت طرقنا المرتبة الأولى في قائمة تصنيف سيمانتيك كيتي وأفضلت الطرق الموجودة على نيو سنز بمقدار ملحوظ يبلغ حوالي 4%. علاوة على ذلك، فإن الإطار الثلاثي الأبعاد المقترح يعمل أيضًا بشكل جيد في تجزئة اليدار البانورامية وفي الكشف عن اليدار ثلاثي الأبعاد.