اكتشاف الحركة المستند إلى التدفق البصري للقيادة الذاتية

اكتشاف الحركة هو مهمة أساسية ولكنها صعبة في مجال القيادة الذاتية. بشكل خاص في المشاهد مثل الطرق السريعة، يجب أن تُولى الأشياء البعيدة اهتمامًا إضافيًا لاتخاذ قرارات التحكم بشكل أفضل. بهدف التركيز على المركبات البعيدة، نقوم بتدريب نموذج شبكة عصبية لتصنيف حالة الحركة باستخدام معلومات حقل الجريان البصري كمدخل. أظهرت النتائج التجريبية دقة عالية، مما يدل على أن فكرتنا قابلة للتطبيق وواعدة. كما حقق النموذج المدرب أداءً مقبولًا بالنسبة للمركبات القريبة أيضًا. تم تنفيذ عملنا باستخدام PyTorch (بايثورك). تم استخدام أدوات مفتوحة المصدر مثل nuScenes (نوسينز)، FastFlowNet (فاستفلونيت) و RAFT (رافت). يمكن الوصول إلى مقاطع الفيديو المرئية عبر الرابط التالي: https://www.youtube.com/playlist?list=PLVVrWgq4OrlBnRebmkGZO1iDHEksMHKGk .