HyperAIHyperAI

Command Palette

Search for a command to run...

M2^22-3DLaneNet: استكشاف الكشف عن المسارات ثلاثية الأبعاد متعددة الوسائط

Yueru Luo Xu Yan Chaoda Zheng Chao Zheng Shuqi Mei Tang Kun Shuguang Cui Zhen Li

الملخص

تظل تقدير خطوط المسار بدقة في الفضاء ثلاثي الأبعاد تحديًا بسبب طبيعتها النادرة والرقيقة. ركزت الدراسات السابقة بشكل أساسي على استخدام الصور للكشف عن خطوط المسار ثلاثية الأبعاد، مما أدى إلى حدوث خطأ في الإسقاط وفقدان معلومات الهندسة. لمعالجة هذه القضايا، نستكشف إمكانية الاستفادة من ليدار (LiDAR) للكشف عن خطوط المسار ثلاثية الأبعاد، سواء كطريقة مستقلة أو بالاشتراك مع الأساليب الأحادية البؤرة الحالية. في هذا البحث، نقترح نظام M2^22-3DLaneNet لدمج المعلومات المكملة من عدة أجهزة استشعار. بصفة خاصة، يقوم M2^22-3DLaneNet برفع الخصائص ثنائية الأبعاد إلى الفضاء ثلاثي الأبعاد من خلال دمج معلومات الهندسة من بيانات ليدار (LiDAR) عبر إكمال العمق. بعد ذلك، يتم تحسين الخصائص ثنائية الأبعاد المرفوعة بمزيد من خصائص ليدار (LiDAR) من خلال دمج BEV عبر الوسائط المتعددة. تظهر التجارب الواسعة التي أجريت على مجموعة البيانات OpenLane ذات الحجم الكبير فعالية M2^22-3DLaneNet، بغض النظر عن مدى المسافة (75 مترًا أو 100 متر).


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp