V2X-AHD: التفاعل بين المركبات والعالم من حولها عبر رؤية تعاونية باستخدام شبكة تقطيع غير متماثلة متعددة الأنواع

كشف الكشف عن الكائنات هو القضية الأساسية في الأنظمة المرورية الذكية، وتشير التطورات الحديثة في الكشف ثلاثي الأبعاد المستند إلى ليدار للمركبة الفردية إلى قدرته على توفير معلومات دقيقة حول الموضع للوكالات الذكية لاتخاذ القرارات والتخطيط. مقارنةً بالاستشعار الفردي للمركبة، يمتلك الاستشعار التعاوني بين المركبات والطرق من منظور متعدد مزايا جوهرية، مثل إزالة مناطق الصمّ، وتوسيع نطاق الاستشعار، وصار هذا المجال محورًا رئيسيًا للبحث. ومع ذلك، يركز الاستشعار التعاوني الحالي على تحسين تعقيد عمليات الدمج، مع إغفال المشكلات الجوهرية الناتجة عن غياب حدود الاستشعار الفردي. ولتحسين قدرة التعرف، خاصةً في توقع شكل المركبة، نقترح نظامًا تعاونيًا للاستشعار من منظور متعدد بين المركبات والطرق، يُسمى الاستشعار التعاوني بين المركبة والعالم (V2X-AHD). أولاً، نُقدّم شبكة تدريب غير متماثلة ذات تبادل غير متجانس تُغذى ببيانات تدريب مختلفة، بهدف تحسين دقة التعرف على الحدود، مع نقل ميزات المعلّم من منظور متعدد إلى ميزات الطالب الفردي. وبالنظر إلى أن بيانات السحابة النقطية تكون نادرة، نقترح "Spara Pillar"، وهي بنية رئيسية لاستخراج الميزات تعتمد على التصفية المتناثرة، لتقليل عدد المعاملات وتحسين قدرات استخراج الميزات. علاوةً على ذلك، نستخدم الانتباه الذاتي متعدد الرؤوس (MSA) لدمج ميزات المنظور الفردي، حيث تجعل التصميم الخفيف ميزات الدمج تعبيرًا سلسًا. تُظهر النتائج التي تم الحصول عليها من تطبيق خوارزميتنا على مجموعة البيانات المفتوحة الواسعة V2Xset تحقيق أداءً متفوقًا على مستوى التقنيات الحالية. وفقًا لهذا البحث، يمكن 통بي V2X-AHD تحسين دقة الكشف ثلاثي الأبعاد للكائنات وتقليل عدد معاملات الشبكة، مما يجعله معيارًا مرجعيًا للاستشعار التعاوني. يُمكن الوصول إلى الشفرة الخاصة بهذه الدراسة من خلال الرابط: https://github.com/feeling0414-lab/V2X-AHD.