في عالم المركبات ذاتية القيادة، تشكل القيود الناجمة عن أجهزة الاستشعار المدمجة والنقاط العمياء تحديات كبيرة تؤثر على جودة الإدراك. ولتجاوز هذه العقبات، تأتي فكرة الإدراك التعاوني (Cooperative Perception) كمخرج فعال من خلال الاستفادة من تقنيات التواصل بين المركبات وكل ما يحيط بها (Vehicle-to-Everything). تعمل هذه التقنية على تقديم بيانات إضافية تعزز من الإدراك المحلي، مما يتطلب حجمًا كبيرًا من بيانات النقل.

الغرض من هذا البحث هو تحسين كيفية تركيز المركبات على جمع واستخدام البيانات ذات الصلة وفقًا لحالة المرور السائدة. لتحقيق ذلك، تم اقتراح مفهوم تحديد الحالة (Situation Identification) للمركبة باستخدام صور Bird's-Eye-View.

في الخطوة الأولى، يتم تحديد الحالة المحيطة بالمركبة باستخدام تقنيات اكتشاف الأجسام مع تقسيم دلالي، تليه عملية فهم السياق المروري باستخدام وحدة تحديد الحالة، والتي تتضمن شبكة طبقية تحويلية مفتوحة المصدر (Projective Transformation Network) تُعرف باسم Cam2BEV، بالإضافة إلى شبكة عصبية لتحديد الحالة.

تم تقييم هذا المفهوم والتحقق من صحته عبر تشغيل البرمجيات على مُحاكي CARLA باستخدام كاميرا RGB المدمجة وكاميرا تقسيم دلالي. كما تم التحقق من قدرة وحدة تحديد الحالة على تطبيقاتها في العالم الحقيقي على مجموعات بيانات القيادة الحضرية Cityscapes وnuScenes. بشكل عام، يسمح النهج المقترح بإدارة فعالة لبيانات الاستشعار من خلال إعطاء الأولوية للبيانات ذات الصلة وفقًا للوضع المروري الحالي.

يمكنكم الاطلاع على الكود المصدر للمشروع من خلال هذا الرابط. ما رأيكم في هذه التقنية الجديدة لتعزيز الإدراك في المركبات ذاتية القيادة؟ شاركونا أفكاركم في التعليقات!