ORFD: مجموعة بيانات ومعيار للكشف عن المساحات الحرة خارج الطرق

يُعدّ الكشف عن المساحات الحرة عنصرًا أساسيًا في تقنيات القيادة الذاتية، ويؤدي دورًا مهمًا في تخطيط المسارات. وفي العقد الماضي، تم إثبات جدوى الطرق القائمة على التعلم العميق للكشف عن المساحات الحرة. ومع ذلك، ركّزت هذه الجهود على بيئات الطرق الحضرية، ونُدرت الطرق القائمة على التعلم العميق المصممة خصيصًا للكشف عن المساحات الحرة في المناطق غير الممهدة، نظرًا لعدم توفر معايير مرجعية (benchmarks) للمناطق غير الممهدة. في هذا البحث، نقدّم مجموعة البيانات ORFD، التي، إلى حد معرفتنا، تمثل أول مجموعة بيانات مخصصة للكشف عن المساحات الحرة في المناطق غير الممهدة. تم جمع هذه المجموعة من مشاهد مختلفة (غابات، أراضٍ زراعية، مراعٍ، وبيئات ريفية)، وظروف جوية متعددة (مشمس، ممطر، ضبابي، وثلجي)، وظروف إضاءة مختلفة (إضاءة قوية، ضوء النهار، شروق الشمس وغروبها، وظلام دامس)، وتشمل إجماليًا 12,198 زوجًا من سحابات نقاط الليدار (LiDAR) والصور الملونة (RGB) مع ترميز مفصل للمناطق القابلة للعبور، وغير القابلة للعبور، والمناطق غير المتاحة للوصول. ونُقدّم شبكة جديدة تُسمى OFF-Net، التي تُوحّد بنية Transformer لجمع المعلومات المحلية والعالمية، بهدف تلبية متطلبات المجال الاستقبال الكبير المطلوب في مهام الكشف عن المساحات الحرة. كما نقترح آلية انتباه متقاطع (cross-attention) لدمج معلومات الليدار والصور الملونة بشكل ديناميكي، لتحقيق كشف دقيق عن المساحات الحرة في المناطق غير الممهدة. تُتاح مجموعة البيانات والكود المصدرية للجمهور عبر الرابط: https://github.com/chaytonmin/OFF-Net.