LaneCPP: الكشف المستمر عن المسارات ثلاثية الأبعاد باستخدام الأولويات الفيزيائية
اكتشاف المسار ثلاثي الأبعاد باستخدام كاميرا واحدة أصبح مشكلة أساسية في سياق القيادة الذاتية، والتي تتضمن مهام العثور على سطح الطريق وتحديد علامات المسارات. أحد التحديات الرئيسية يكمن في تمثيل خطوط مرنة ولكنها قوية قادرة على نمذجة هياكل المسارات المعقدة، مع تجنب السلوك غير المتوقع. بينما تعتمد الطرق السابقة على مناهج مستندة بالكامل إلى البيانات، نقدم بدلاً من ذلك منهجًا جديدًا يُسمى LaneCPP يستخدم نموذج اكتشاف مسار ثلاثي الأبعاد مستمر يستفيد من المعرفة الفيزيائية السابقة حول هيكل المسار وهندسة الطريق. بينما يمكن لنموذج المسار المتطور لدينا نمذجة هياكل الطريق المعقدة، فإنه أيضًا يظهر سلوكًا قويًا لأن القيود الفيزيائية يتم دمجها عبر نظام تنظيم يمكن تطبيقه بشكل تحليلي على تمثيلنا المعلمي. بالإضافة إلى ذلك، ندمج المعرفة السابقة حول هندسة الطريق في فضاء الخصائص ثلاثي الأبعاد بنمذجة خصائص فضائية واعية بالهندسة، مما يوجه الشبكة لتعلم تمثيل داخلي لسطح الطريق. في تجاربنا، نوضح فوائد إسهاماتنا ونثبت أهمية استخدام الأولويات لجعل اكتشاف المسار ثلاثي الأبعاد أكثر قوة. تظهر النتائج أن LaneCPP حقق أداءً رائدًا من حيث درجة F والأخطاء الهندسية.