Benedikt Kolbeinsson Krystian Mikolajczyk

الملخص

إن تطور الطائرات المُسيرة ذاتية القيادة، التي تُعدّ ضرورية لقطاعات مثل الاستشعار عن بعد والخدمات الطارئة، يواجه عقبات ناتجة عن غياب مجموعات بيانات التدريب التي تُغطي بشكل كامل التحديات البيئية المُعَرَّضة في السيناريوهات الواقعية، وبخاصة العمليات في ظروف جوية غير مثالية وكشف الهياكل الرفيعة مثل الأسلاك. نقدّم مجموعة بيانات "العمق والتقسيم المعياري للعوائق في الطائرات المُسيرة" (DDOS) لتغطية هذا الفجوة الحرجة، من خلال مجموعة من الصور الجوية الاصطناعية المصممة لتوفير عينات تدريب شاملة لمهام التقسيم الدلالي وتقدير العمق. وقد صُمّمت هذه المجموعة خصيصًا لتعزيز التعرف على الهياكل الرفيعة، ما يمكّن الطائرات المُسيرة من التنقل في طيف واسع من الظروف الجوية، مما يُحدث تقدمًا كبيرًا في سلامة تدريب الطائرات المُسيرة وتشغيلها. بالإضافة إلى ذلك، نقدّم في هذا العمل مقاييس مبتكرة مخصصة للطائرات المُسيرة، تهدف إلى تحسين تقييم الخوارزميات في تقدير العمق، مع التركيز على كشف الهياكل الرفيعة. وتمثّل هذه المساهمات خطوة جوهرية نحو تحسينات كبيرة في تقنية الطائرات المُسيرة ذاتية القيادة، كما تُرسي معيارًا جديدًا للبحث المستقبلي، وتفتح آفاقًا لتطورات مُستقبلية في مجالات توجيه الطائرات المُسيرة وسلامتها.