PC-RGNN: إكمال السحابة النقطية وشبكة عصبية رسمية للكشف عن الأجسام ثلاثية الأبعاد

كشف الكائنات ثلاثية الأبعاد باستخدام تقنية LiDAR يُعد مهمة أساسية للقيادة الذاتية، وتواجه الأساليب الحالية تحديات تتمثل في كثافة سلالات النقاط المنخفضة وانعدامها في الكائنات البعيدة أو المُحجبة. في هذا البحث، نقترح نهجًا ثنائي المرحلة جديدًا يُسمى PC-RGNN، يتعامل مع هذه التحديات من خلال حلول محددة. من ناحية، نُقدّم وحدة استكمال سلسلة النقاط لاستعادة اقتراحات عالية الجودة تشمل نقاطًا كثيفة ورؤى كاملة مع الحفاظ على الهياكل الأصلية. ومن ناحية أخرى، صُمّمت وحدة شبكة عصبونية رسمية (GNN) تُجمع العلاقات بين النقاط بشكل شامل من خلال آلية انتباه محلي-عالمي، بالإضافة إلى تجميع سياقي مبني على رسوم بيانية متعددة المقياس، مما يُعزز بشكل كبير السمات المشفرة. أظهرت التجارب الواسعة على معيار KITTI أن النهج المقترح يتفوق على النماذج السابقة المُصنفة كأفضل أداء بفارق كبير، مما يُبرز فعاليته.