التقسيم التدريجي في الوقت الفعلي لسحب النقاط ثلاثية الأبعاد من مواقع الكوارث

خلاصة

في مراقبة مواقع الكوارث ، تمثل الروبوتات المتنقلة خيارًا سريعًا وموثوقًا وعمليًا لفحص المناطق النشطة في إدارة الكوارث عن بُعد لتطبيقات مثل إدارة المخاطر والبحث والإنقاذ وأغراض التقييم الهيكلي. يمكن للروبوتات المتنقلة جمع بيانات المسح بالليزر بكفاءة وإعادة بناء حالة الإغاثة المستمرة من الكوارث في شكل غيوم نقطية ثلاثية الأبعاد. تم تصميم طرق معالجة سحابة النقاط الحالية في الغالب للعمل كخطوة ما بعد المعالجة وتكون غير فعالة عند تطبيقها في الوقت الفعلي. بالإضافة إلى ذلك ، فإن تقسيم الكائنات على بيانات سحابة النقطة من مواقع الكوارث يمثل تحديًا بسبب شوائب البيانات وانسدادها. للتغلب على هذه المشكلات ، تقترح هذه الورقة طريقة تجزئة سحابة نقطة مثيل تقوم بشكل تدريجي ببناء خريطة ثلاثية الأبعاد للمسح الآلي للبنية التحتية. في الخطوة الأولى ، تم تدريب الشبكة العصبية المقترحة ، المسماة Dynamic Graph PointNet (DGPointNet) ، لتصنيف الكائنات في بيئة الكوارث أثناء إنشاء خريطة دلالية ثلاثية الأبعاد للبيئة. بالإضافة إلى ذلك ، تتنبأ الطريقة المقترحة بتسميات مثيلات الكائن باستخدام تسلسل بيانات سحابة النقطة الدلالية المتوقعة. تُظهر الطريقة المقترحة أداءً قويًا على أحدث نماذج التجزئة الفنية من حيث التقسيم الدلالي وتجزئة المثيلات ووقت المعالجة باستخدام بيانات سحابة النقاط التي تم جمعها من روبوت مسح بالليزر مصمم خصيصًا في موقع خارجي لمحاكاة الكوارث.