FRNet: شبكات النطاق المُحَدَّد للتحجيم التلقائي لتقسيم ليدار

أصبح تقسيم LiDAR عنصراً أساسياً في الأنظمة المتقدمة للقيادة الذاتية. تُظهر الطرق الحديثة لتقسيم LiDAR التي تعتمد على الصورة المدى (range-view) وعوداً واعدة من حيث المعالجة في الوقت الفعلي. ومع ذلك، فإنها تعاني حتماً من تلف المعلومات السياقية، وتعتمد بشكل كبير على تقنيات ما بعد المعالجة لتحسين التنبؤات. في هذه الدراسة، نقترح FRNet، طريقة بسيطة ولكنها قوية، تهدف إلى استعادة المعلومات السياقية لبكسلات الصورة المدى باستخدام نقاط LiDAR المقابلة ضمن منطقة المخروط (frustum). أولاً، يتم استخدام وحدة ترميز الميزات المخروطية لاستخراج الميزات الفردية لكل نقطة داخل المنطقة المخروطية، مما يحافظ على اتساق المشهد وهو أمر بالغ الأهمية للتنبؤات على مستوى النقطة. ثانياً، تُقدَّم وحدة دمج نقاط المخروط لتحديث الميزات الفردية بشكل هرمي، مما يمكّن كل نقطة من استخلاص معلومات أكثر حول بيئتها من خلال الميزات المخروطية. وأخيراً، تُستخدم وحدة دمج الرؤوس لدمج الميزات على مستويات مختلفة لتحقيق التنبؤات النهائية بالمعنى. أظهرت التجارب الواسعة التي أُجريت على أربع معايير شهيرة لتقسيم LiDAR تحت مختلف إعدادات المهام تفوق FRNet. وبشكل لافت، حقق FRNet معدلات mIoU تبلغ 73.3% و82.5% على مجموعتي اختبار SemanticKITTI وnuScenes. وبفضل أدائه التنافسي، تعمل FRNet بسرعة تفوق أحدث الطرق بخمس مرات. هذه الكفاءة العالية تفتح آفاقاً جديدة لتقسيم LiDAR القابل للتوسع على نطاق أوسع. تم إتاحة الكود المصدر للعامة عبر الرابط: https://github.com/Xiangxu-0103/FRNet.