تحديد مربعات الإحاطة ثلاثية الأبعاد بتقنية LiDAR للقيادة الذاتية
كيف قدم Shaip شرحًا دقيقًا لمربعات الإحاطة ثلاثية الأبعاد المكعبة عبر 14 فئة من الكائنات مع ~53 مربعًا لكل إطار على بيانات سحابة النقاط ذات الإطار الواحد - تمت معايرتها مقابل الصور ثنائية الأبعاد لإدراك المركبات ذاتية القيادة على نطاق الإنتاج.
نظرة عامة على المشروع
مع انتقال إدراك القيادة الذاتية نحو النشر الإنتاجي، احتاج العميل إلى خط أنابيب متخصص للغاية لتعليقات LiDAR ثلاثية الأبعاد قادر على وضع مربعات إحاطة مكعبة دقيقة بالكثافة المطلوبة لبيانات تدريب المركبات ذاتية القيادة الحقيقية - مع وضع علامات متعددة السمات ومعايرة الصور ثنائية الأبعاد.
قام شايب ببناء خط أنابيب التعليقات التوضيحية من البداية إلى النهاية والذي يغطي وضع المكعبات ثلاثية الأبعاد، وفرض الحجم الافتراضي، ووضع العلامات متعددة السمات، ومعالجة الحالات الحدية البيئية، والتحقق من صحة الصورة المرجعية - مما يوفر مجموعات بيانات إدراك المركبات ذاتية القيادة الجاهزة للنموذج عبر 14 فئة من الكائنات.
الوضع الرئيسي
فئات الكائنات
14
عدد المربعات في الإطار
~ 53
طبقات السمات
5
مستويات الانسداد
4
التحديات
- تثبيت الإبريق حوالي 53 صندوقًا مكعبًا ثلاثي الأبعاد لكل إطار مع ملاءمة دقيقة ومحكمة لحواف السحب النقطية
- طريقة التعامل 14 فئة من الكائنات عبر المركبات والمشاة والحيوانات والأشياء المتحركة
- العمل بالتزامن مع صور المعايرة ثنائية الأبعاد وسحابة النقاط ثلاثية الأبعاد البيانات
- إدارة سحب النقاط الشبحية، وانعكاسات الأرض، والضباب، والرذاذ، ورذاذ الماء
- فرض أبعاد الحجم الافتراضي لكل فئة لضمان التناسق بين الإطارات
الحلول
سير عمل وضع المكعبات ثلاثية الأبعاد
قام المُعلِّقون بوضع مربعات إحاطة ثلاثية الأبعاد دقيقة على بيانات سحابة النقاط أحادية الإطار بالتزامن مع صورة مرجعية ثنائية الأبعاد للمعايرة. وجاءت كل فئة بأبعاد افتراضية محددة لمربعات الإحاطة لضمان اتساق الحجم عبر الإطارات - السيارات من 3.4 إلى 5.1 متر، والشاحنات من 3.4 إلى 14 متر، والمشاة من 0.4 إلى 1.2 متر عرضًا.
تصنيف متعدد السمات
بالإضافة إلى تحديد موضع المربع المحيط، تلقى كل كائن مشروح تسميات سمات تغطي حالة المركبة (القيادة / متوقفة)، وحالة المركبة ذات العجلتين (مع / بدون راكب)، وحالة المشاة (الوقوف / الجلوس / الاستلقاء)، وحالة الحجب (4 مستويات: لا شيء، جزئي، معظم، كامل)، وحالة الأطراف (الأشياء البارزة، الأبواب المفتوحة، المعدات المرفقة).
التعامل مع الحالات البيئية الاستثنائية
خضعت عملية تحديد العناصر المحجوبة بشدة أو البعيدة، وسحب النقاط الوهمية الناتجة عن معايرة نظام LiDAR المزدوج الخاطئة، وانعكاسات الأرض، والضوضاء البيئية الناتجة عن تناثر الماء والضباب، لقواعد صارمة. وتم استبعاد المرايا الجانبية والأبواب المفتوحة وأذرع الرافعات وحوامل الأمتعة على أسطح السيارات وأمتعة المشاة بشكل صريح؛ بينما تم تضمين صفارات الإنذار وحاويات شاحنات النقل.
التحقق من ملاءمة الصندوق المحكم
كان من الضروري أن تتطابق المربعات تمامًا مع حواف سحابة النقاط مع أقل قدر ممكن من الفجوات المرئية. تم التحقق من الاتجاه من خلال بيانات المعايرة وسياق المسار حيثما كانت سحابة النقاط غامضة. تم التعامل مع المشاهد الليلية والممطرة على قدم المساواة مع ظروف النهار من أجل اتساق التعليقات التوضيحية.
ضمان الجودة متعدد الوسائط
تم التحقق من صحة جميع التعليقات التوضيحية باستخدام صور ثنائية الأبعاد مرجعية للتأكد من صحة الحجم والاتجاه. وقد رصدت طبقة ضمان الجودة متعددة الوسائط هذه حالات عدم المحاذاة التي لم تكن لتظهر من سحابة النقاط وحدها، مما يضمن دقة عالية تضاهي معايير الإنتاج لتدريب نموذج إدراك المركبات ذاتية القيادة في المراحل اللاحقة.
نطاق المشروع
| نوع مجموعة البيانات | الحصص | صناديق/إطارات | السمات | مستويات الانسداد | التحقق |
|---|---|---|---|---|---|
| إدراك ثلاثي الأبعاد بتقنية LiDAR AV | 14 | متوسط حوالي 53 | 5 طبقات سمات | 4 (0-100%) | التحقق المتبادل للصور ثنائية الأبعاد |
نتائج
- انشأت خط أنابيب كثيف لتعليقات LiDAR ثلاثية الأبعاد مع حوالي 53 صندوقًا لكل إطار بدقة الإنتاج
- موحدة أنطولوجيا الكائنات المكونة من 14 فئة مع تطبيق الحجم الافتراضي لكل فئة
- تسليم 5 طبقات سمات بما في ذلك تصنيف الانسداد على 4 مستويات
- نفذت ضمان الجودة متعدد الوسائط التحقق من صحة الصناديق ثلاثية الأبعاد مقابل صور المعايرة ثنائية الأبعاد
- تم تمكين العميل إدراك المركبات ذاتية القيادة، وأنظمة مساعدة السائق المتقدمة، والقيادة الذاتية تدريب نموذجي
بشكل عام، ساعد Shaip في تحويل متطلبات الإدراك ثلاثي الأبعاد المعقدة لتقنية LiDAR إلى مسار تعليق منظم وجاهز للإنتاج - وهو مسار قادر على دعم القيادة الذاتية، وأنظمة مساعدة السائق المتقدمة، وسيارات الأجرة الآلية، وتطوير الشاحنات ذاتية القيادة بدقة من الدرجة المعايرة في ظل ظروف العالم الحقيقي الصعبة.
تولى شايب معالجة الحالات الشاذة في أنظمة المركبات ذاتية القيادة التي تُعطّل معظم مسارات التعليق التوضيحي، مثل الضباب، وسحب النقاط الوهمية، والحجب الكثيف، ووجود حوالي 53 مربعًا في كل إطار. وقد وفّر لنا التحقق المتبادل ثنائي وثلاثي الأبعاد بيانات تدريب إدراكية موثوقة.
