HyperAIHyperAI
منذ 17 أيام

إعادة البناء من المنظور العلوي: منهجية كشف المسارات ثلاثية الأبعاد تعتمد على معلومات مسبقة حول البنية الهندسية

{Guangliang Cheng, Ya Wang, Jia Shi, Chenguang Li}
إعادة البناء من المنظور العلوي: منهجية كشف المسارات ثلاثية الأبعاد تعتمد على معلومات مسبقة حول البنية الهندسية
الملخص

في هذه الورقة، نقترح نهجًا متقدمًا لمعالجة مشكلة الكشف عن خطوط الطرق ثلاثية الأبعاد من منظور واحد من خلال الاستفادة من البنية الهندسية الكامنة وراء عملية إعادة بناء الخطوط من البعدين إلى الثلاثة أبعاد. مستوحى من الأساليب السابقة، نقوم أولًا بتحليل الاتجاه الهندسي بين الخط ثلاثي الأبعاد وتمثيله ثنائي الأبعاد على الأرض، ونقترح تطبيق رقابة صريحة تعتمد على المعرفة المسبقة بالبنية، مما يجعل من الممكن بناء علاقات بين الخطوط (inter-lane) وداخل كل خط (intra-lane)، لتمكين إعادة بناء الخطوط ثلاثية الأبعاد من المستوى المحلي إلى العام. ثانيًا، لخفض فقدان البنية في تمثيل الخطوط ثنائية الأبعاد، نستخرج مباشرة معلومات الخطوط من منظور العلوي (top view) من الصور ثنائية الأبعاد من منظور الأمام (front view)، مما يخفف بشكل كبير من ارتباك ميزات الخطوط البعيدة التي كانت تُشكل مشكلة في الأساليب السابقة. علاوة على ذلك، نقترح طريقة جديدة لتعزيز البيانات مخصصة للمهمة، من خلال توليد بيانات تدريب جديدة لمهام التجزئة وإعادة البناء في خط أنابيبنا، وذلك للتعامل مع التوزيع غير المتوازن لزوايا الكاميرا وميل الأرض، بهدف تحسين التعميم على البيانات غير المرئية. تمثل هذه الدراسة أول محاولة لاستخدام معلومات البنية الهندسية في الكشف ثلاثي الأبعاد عن الخطوط القائمة على الشبكات العصبية العميقة (DNN)، مما يجعل الكشف عن الخطوط ممكنًا على مسافات أطول بكثير، مُضاعفًا مدى الكشف الأصلي. يمكن اعتماد الأسلوب المقترح بسلاسة في أطر عمل أخرى دون أي تكلفة إضافية. تُظهر النتائج التجريبية أن أداء عملنا يتفوق على أحدث الأساليب بـ 3.8% في مؤشر F-Score على مجموعة بيانات أبولو 3D الاصطناعية، وبسرعة زمنية حقيقية تبلغ 82 إطارًا في الثانية، دون إدخال أي معاملات إضافية.

إعادة البناء من المنظور العلوي: منهجية كشف المسارات ثلاثية الأبعاد تعتمد على معلومات مسبقة حول البنية الهندسية | أحدث الأوراق البحثية | HyperAI