تحسين فهم مشاهد السكك الحديدية باستخدام تقنية LiDAR والتعليقات التوضيحية ثنائية الأبعاد
اكتشف كيف تساعد خدمات Shaip LiDAR والكاميرا وبيانات التعليق ثنائية الأبعاد نماذج الذكاء الاصطناعي على اكتشاف الأشياء وفهم بيئات السكك الحديدية وتحسين إدراك التنقل الذاتي.
نظرة عامة على المشروع
تتطلب أنظمة الإدراك الحديثة للسكك الحديدية أكثر من مجرد تصنيف عام للأجسام. فهي تتطلب سياقًا خاصًا بالسكك الحديدية، وهندسة دقيقة، واتساقًا موثوقًا به بين أجهزة الاستشعار المختلفة عبر سحب نقاط LiDAR وعروض الكاميرا المتزامنة.
ولتلبية هذه الحاجة، تم التعاقد مع شايب لمشروع شرح بيانات السكك الحديدية بتقنية LiDAR، والذي يغطي مشاهد البنية التحتية للسكك الحديدية. وشمل نطاق العمل شرح سحب نقاط LiDAR المدعومة بخمس صور مرجعية ثنائية الأبعاد متزامنة لكل مشهد، باستخدام تصنيف من 29 فئة مع عناصر إلزامية واختيارية.
سمات لكل فئة.
كان الهدف هو إنشاء مجموعة بيانات منظمة وخاضعة للتحكم في الجودة قادرة على تدريب نماذج إدراك السكك الحديدية والتحقق من صحتها من أجل اكتشاف الأشياء وفهم المشهد والوعي بالمسار وتفسير البنية التحتية.
إحصائيات أساسية
إعداد المستشعر
سحابة نقاط LiDAR
التصنيف
29 فئة خاصة بالسكك الحديدية
أهداف الجودة
دقة التعليق الإجمالية ≥99%
اتساق المستشعرات المتعددة
دقة محاذاة ثنائية الأبعاد بتقنية LiDAR ≥99%
التحديات
- إضافة تعليقات توضيحية متسقة لمشاهد السكك الحديدية متعددة الوسائط عبر صور LiDAR والصور ثنائية الأبعاد
- إدارة تصنيف خاص بالسكك الحديدية يتألف من 29 فئة مع سمات مفصلة وعلاقات بين الكائنات
- الحفاظ على اتساق البيانات بين أجهزة الاستشعار المختلفة في كل من التعليقات التوضيحية ثلاثية الأبعاد وثنائية الأبعاد
- الحفاظ على الدقة الهندسية للهياكل الخطية مثل المسارات والكابلات
- تحقيق معايير دقة صارمة لتصنيفات الفئات والهندسة والخصائص في بيئة تجريبية
الحلول
قام شيب بتصميم سير عمل للتعليقات التوضيحية يركز على السكك الحديدية، مصمم خصيصاً لتلبية المتطلبات التقنية للمشروع.
استراتيجية البيانات
تم تحديد مسار تعليق متعدد الوسائط يغطي بيانات سحابة النقاط LiDAR وخمس صور مرجعية ثنائية الأبعاد متزامنة لكل إطار LiDAR.
إطار عمل التعليقات التوضيحية
تم تطبيق طرق متعددة للتعليق بناءً على نوع الكائن وبنية المشهد:
- شرح ثلاثي الأبعاد للأجسام الحجمية المنفصلة
- شرح ثلاثي الأبعاد للخطوط المتعددة للهياكل الخطية المتعلقة بالسكك الحديدية
- مربع إحاطة ثنائي الأبعاد لتحديد موقع الكائنات في الصور
- مضلع ثنائي الأبعاد لحدود الأجسام غير المنتظمة
- خطوط متعددة ثنائية الأبعاد للسكك الحديدية والكابلات والعلامات
- متوازي مستطيلات ثلاثي الأبعاد في مناظر ثنائية الأبعاد حيث كان سياق التوجيه والعمق مطلوبًا
تصميم التصنيف الخاص بالسكك الحديدية
تم شرح 29 فئة محددة مسبقًا تشمل الأشخاص، والأغراض الشخصية، والمركبات، والقطارات، والعربات، والحيوانات، والمسارات، والمحولات، وأعمدة السلسلة، وأعمدة الإشارة، والإشارات، وجسور الإشارة، وحواجز التوقف، وأجسام الاختبار العاكسة، وغيرها من كيانات مشهد السكك الحديدية.
التعليقات التوضيحية الغنية بالسمات
تم جمع السمات الإلزامية والاختيارية، بما في ذلك:
- مستويات الانسداد
- الولاية والنوع
- الاتصال عبر connectedTo
- معرّفات جانب السكة الحديدية والمسار
- ترتيب واتجاه الأشياء
- خصائص وجه الإشارة، وجانبها، وبنيتها
سلامة الهوية والعلاقة
تم التأكد من أن كل تعليق توضيحي يحتوي على معرف تعليق توضيحي فريد وأن كل كائن يحتوي على معرف كائن فريد بتنسيق UUID، مع علاقات متصلة ثنائية الاتجاه بطريقة واعية بالمستشعر.
قواعد الدقة وضمان الجودة
تم تطبيق قواعد التعليق التوضيحي بما في ذلك:
- تقدير الانسداد عبر الأبعاد الثنائية والثلاثية
- عتبة تصنيف ثنائية الأبعاد للأجسام التي يبلغ ارتفاعها أو عرضها 25 بكسل أو أكثر
- تفاوت ثنائي الأبعاد ±3 بكسل
- تفاوت ثلاثي الأبعاد يصل إلى 10 سم
- محاذاة الدوران على المحور z لضمان اتساق مواجهة الكائن
- نظام ضمان الجودة ثلاثي الطبقات مع حلقات تصحيح للمخرجات دون العتبة
نطاق المشروع
| عنصر مجموعة البيانات | المواصفات الخاصه |
|---|---|
| الطريقة الأولية | بيانات السحابة النقطية بتقنية LiDAR |
| طريقة مرجعية | خمس صور ثنائية الأبعاد متزامنة لكل إطار LiDAR: ثلاث صور بالأشعة تحت الحمراء وخمس صور RGB |
| مجموع الفئات | 29 فئة خاصة بالسكك الحديدية |
| أنواع التعليقات التوضيحية ثنائية الأبعاد | متوازي مستطيلات ثلاثي الأبعاد، خط متعدد ثلاثي الأبعاد |
| أنواع التعليقات التوضيحية ثنائية الأبعاد | صندوق محيط ثنائي الأبعاد، مضلع ثنائي الأبعاد، خط متعدد ثنائي الأبعاد، متوازي مستطيلات ثلاثي الأبعاد في مناظر ثنائية الأبعاد |
| المجلد التجريبي | تسلسلان |
| معيار الهوية | معرّف التعليق التوضيحي المستند إلى UUID ومعرّف الكائن |
| أهداف الدقة | ≥99% إجمالاً، ≥99% سمة، ≥99% اتساق عبر المستشعرات |
مثال على تغطية الفئات
| الفئة | نماذج من الفصول الدراسية | نوع التعليق التوضيحي |
|---|---|---|
| الإنسان والتنقل | شخص، كرسي متحرك، سكوتر، دراجة هوائية، حشد | كرة ثنائية الأبعاد / مضلع رباعي النقاط / كرة ثلاثية الأبعاد |
| أصول السكك الحديدية | قطار، مقدمة القطار، عربات، سكة حديدية، مفتاح تحويل، حذاء سحب | مضلع محيطي / خط متعدد / ثلاثي الأبعاد |
| الإشارات والخطوط العلوية | إشارة، عمود الإشارة، جسر الإشارة، عمود السلسلة | كرة ثنائية الأبعاد / مضلع محيطي / كرة ثلاثية الأبعاد |
| البيئة وأمور أخرى | مركبة برية، حيوان، مجموعة حيوانات، أجسام اختبار عاكسة، دخان، لهب | يختلف حسب الصف |
نتائج
- تم إنشاء إطار عمل للتعليق متعدد الوسائط خاص بالسكك الحديدية لبيانات LiDAR والصور
- تم تحديد تصنيف للسكك الحديدية مكون من 29 فئة مع معالجة تفصيلية للسمات.
- حدد معايير جودة لا تقل عن 99% فيما يتعلق بدقة التعليقات التوضيحية، والخصائص، والاتساق بين أجهزة الاستشعار المختلفة.
- تم إنشاء أساس جاهز للتجربة لبناء نماذج إدراكية عالية الموثوقية للسكك الحديدية
من الناحية الاستراتيجية، يضع هذا المشروع العميل في موقع يسمح له بتدريب أنظمة الذكاء الاصطناعي بفهم أقوى للمشهد عبر بيئات السكك الحديدية، حيث تعتبر الهندسة واستمرارية الكائنات وسياق البنية التحتية أموراً بالغة الأهمية.
ساعدنا نهج Shaip في التوصيف متعدد الوسائط على هيكلة مجموعة بيانات متخصصة للغاية خاصة بالسكك الحديدية بالدقة اللازمة لتطوير نموذج الإدراك. وقد شكّل تركيزهم على عمق التصنيف، والدقة الهندسية، والاتساق بين أجهزة الاستشعار المختلفة أساسًا متينًا لخط أنابيب الذكاء الاصطناعي الخاص بنا في مجال السكك الحديدية.
