ระบบ LiDAR หลายโหมดและการระบุรายละเอียด 2 มิติสำหรับทางรถไฟ

Shaip ได้ส่งมอบโครงการที่มีความหลากหลายของประเภทคำอธิบายประกอบมากที่สุดโครงการหนึ่งในด้าน AI สำหรับรถไฟ โดยผสมผสานภาพจากกล้อง 2 มิติและจุดเมฆ LiDAR 3 มิติจากคลาสวัตถุมากกว่า 39 ประเภทและป้ายกำกับที่แตกต่างกัน 8 ประเภท เพื่อขับเคลื่อนระบบการรับรู้รถไฟอัตโนมัติและระบบความปลอดภัยทางรถไฟ

ดาวน์โหลดกรณีศึกษา
ระบบไลดาร์แบบหลายโหมดสำหรับรถไฟและการระบุรายละเอียดแบบ 2 มิติ

ภาพรวมโครงการ

เนื่องจากระบบการรับรู้ขบวนรถไฟอัตโนมัติกำลังก้าวเข้าสู่การใช้งานจริง ลูกค้าจึงต้องการระบบการติดป้ายกำกับข้อมูลแบบหลายรูปแบบขนาดใหญ่ ที่สามารถติดป้ายกำกับสภาพแวดล้อมทางรถไฟทั้งหมดได้ทั้งจากภาพจากกล้อง 2 มิติ และข้อมูลจุดเมฆ LiDAR 3 มิติ ด้วยความแม่นยำเชิงพื้นที่ที่สม่ำเสมอ

Shaip ได้สร้างไปป์ไลน์การระบุข้อมูลแบบหลายโมดอลแบบครบวงจร ครอบคลุมประเภทป้ายกำกับที่แตกต่างกัน 8 ประเภท คลาสวัตถุมากกว่า 39 คลาส และการจำแนกสถานะสัญญาณมากกว่า 25 รายการ ในระบบสัญญาณ H/V และ Ks ซึ่งส่งมอบชุดข้อมูลที่ผ่านการตรวจสอบความถูกต้องและพร้อมใช้งานสำหรับโมเดล AI ด้านความเป็นอิสระและความปลอดภัยของทางรถไฟ

สถานะสำคัญ

คลาสวัตถุ

39 +

ประเภทคำอธิบายประกอบ

8

สถานะสัญญาณ

25 +

รูปแบบ

2D + 3D

ชาเลนจ์ (Challenge)

  • การจัดการ คำอธิบายประกอบหลายรูปแบบ 2D + 3D ด้วยความสอดคล้องเชิงพื้นที่ที่ผ่านการตรวจสอบแบบไขว้
  • คำอธิบายประกอบ คลาสวัตถุมากกว่า 39 คลาส ครอบคลุมถึงผู้คน ยานพาหนะ โครงสร้างพื้นฐาน สัตว์ และวัตถุเพื่อความปลอดภัย
  • ดำเนินการทั่ว ประเภทคำอธิบายประกอบ 8 แบบ — กรอบสี่เหลี่ยม 2 มิติ/3 มิติ, ทรงสี่เหลี่ยมมุมฉาก, เส้นหลายเหลี่ยม, รูปหลายเหลี่ยม
  • การจำแนก สถานะสัญญาณที่แตกต่างกันมากกว่า 25 แบบ ทั่วระบบสัญญาณ H/V และ K ของเยอรมัน
  • การประยุกต์ใช้ ตรรกะเกณฑ์ฝูงชน และการใส่คำอธิบายประกอบเส้นทางต่อเนื่องใต้ตัวรถไฟ

Solution

กระบวนการใส่คำอธิบายประกอบแบบหลายโมดอล

Shaip ได้กำหนดค่าไปป์ไลน์การระบุตำแหน่งแบบขนานโดยใช้กล้อง 2 มิติและ LiDAR 3 มิติ พร้อมการตรวจสอบความถูกต้องข้ามโมดาลิตี้ ผู้ระบุตำแหน่งทำงานพร้อมกันกับแหล่งข้อมูลทั้งสองเพื่อให้มั่นใจในความสอดคล้องเชิงพื้นที่ โดยสถานะการบดบังจะได้รับการประเมินจากข้อมูลจุดคลาวด์เท่านั้น แทนที่จะใช้ภาพ 2 มิติ

ออนโทโลยีคลาส 39+

ระบบการจำแนกประเภทข้อมูลครอบคลุมถึงผู้คน (โดยแบ่งตามกลุ่มอายุ อุปกรณ์ช่วยในการเคลื่อนที่ บทบาทหน้าที่ ท่าทางของร่างกาย สิ่งของที่ถือ และคุณลักษณะที่ทำให้เสียสมาธิ) ยานพาหนะ (จักรยาน รถจักรยานยนต์ รถยนต์บนท้องถนน โดยแบ่งตามหมวดหมู่ย่อย) สัตว์ 18 ชนิด และโครงสร้างพื้นฐานทางรถไฟ รวมถึงรางรถไฟ สวิตช์ เสาไฟฟ้าแรงสูง สัญญาณไฟ ตัวหยุดกันชน สะพานสัญญาณไฟ อุปกรณ์ลากจูง และวัตถุทดสอบสะท้อนแสง

การจำแนกสถานะสัญญาณ

มีการระบุรายละเอียดของสัญญาณโดยใช้การจำแนกประเภทลักษณะเฉพาะอย่างละเอียดในระบบสัญญาณ H/V และ Ks ครอบคลุมสถานะสัญญาณที่แตกต่างกันมากกว่า 25 แบบ ผู้ระบุข้อมูลได้ระบุลักษณะของสัญญาณที่แน่นอนจากทั้งมุมมองด้านหน้าและด้านหลัง โดยแยกความแตกต่างระหว่างสัญญาณแสงและสัญญาณรูปทรงในระบบสัญญาณรถไฟของเยอรมนีหลายระบบ

เกณฑ์ฝูงชนและตรรกะกลุ่ม

การระบุกลุ่มคนจำเป็นต้องมีจำนวนคนที่ซ้อนทับกันอย่างน้อย 6 คนก่อนที่จะเปลี่ยนจากการระบุรายบุคคลเป็นการระบุเป็นกลุ่ม กลุ่มจักรยานและกลุ่มสัตว์ใช้ตรรกะเกณฑ์เดียวกัน โดยมีกฎเกี่ยวกับท่าทางและชนิดของสัตว์ที่สอดคล้องกันภายในกลุ่ม วิธีนี้ช่วยให้สามารถติดป้ายกำกับฉากที่มีความหนาแน่นสูงได้อย่างมีประสิทธิภาพโดยไม่สูญเสียรายละเอียด

การใส่คำอธิบายประกอบแทร็กต่อเนื่อง

มีการกำหนดเส้นทางอย่างต่อเนื่องแม้กระทั่งใต้ตัวรถไฟหรือตู้สินค้า โดยมีการระบุพื้นที่สับเปลี่ยนและจุดหยุดอย่างแม่นยำ ชั้นความต่อเนื่องนี้มีความสำคัญอย่างยิ่งสำหรับการวางแผนเส้นทางรถไฟและแบบจำลองการตรวจจับสิ่งกีดขวางในขั้นตอนต่อไป

ขอบเขตโครงการ

ประเภทชุดข้อมูล รูปแบบ เรียน ประเภทฉลาก สถานะสัญญาณ ระบบพลังงาน
การรับรู้สภาพแวดล้อมทางรถไฟ LiDAR 2 มิติ + 3 มิติ 39 + 8 (กล่อง, ทรงสี่เหลี่ยมมุมฉาก, เส้นหลายเหลี่ยม, รูปหลายเหลี่ยม) 25 + เอช/วี, เคเอส

ผลลัพธ์

  • ก่อตั้งเป็น กระบวนการระบุตำแหน่งข้อมูล LiDAR แบบหลายโมดอล 2 มิติ + 3 มิติ สำหรับการรับรู้รถไฟอัตโนมัติ
  • มาตรฐาน ออนโทโลยีคลาสวัตถุ 39+ ครอบคลุมทั้งผู้คน ยานพาหนะ สัตว์ และโครงสร้างพื้นฐานทางรถไฟ
  • จัดส่ง การจำแนกสถานะสัญญาณมากกว่า 25 รายการ ครอบคลุมระบบสัญญาณ H/V และ K ของเยอรมัน
  • การดำเนินการ ตรรกะเกณฑ์ฝูงชน และมีการใส่คำอธิบายประกอบรางรถไฟอย่างต่อเนื่องใต้ตู้รถไฟ
  • เปิดใช้งานของลูกค้า ระบบ AI สำหรับรถไฟอัตโนมัติ ความปลอดภัย และการตรวจจับสิ่งกีดขวาง แผนงาน

โดยรวมแล้ว Shaip ช่วยเปลี่ยนความต้องการการรับรู้ทางรถไฟแบบหลายรูปแบบให้กลายเป็นไปป์ไลน์การใส่คำอธิบายประกอบที่มีโครงสร้างและพร้อมใช้งานจริง ซึ่งสามารถรองรับการทำงานของรถไฟอัตโนมัติ ปัญญาประดิษฐ์ด้านความปลอดภัยทางรถไฟ และระบบการจดจำสัญญาณด้วยความสอดคล้องเชิงพื้นที่ 2 มิติและ 3 มิติที่ผ่านการตรวจสอบความถูกต้องในระดับใหญ่

ไอคอนคำคม

Shaip สามารถจัดการกับความซับซ้อนของการระบุข้อมูล (annotation) ที่ผู้จำหน่ายส่วนใหญ่ไม่กล้าทำ เช่น คลาสมากกว่า 39 คลาส, ประเภทป้ายกำกับ 8 แบบ, สถานะสัญญาณมากกว่า 25 แบบ, การตรวจสอบความถูกต้องแบบ 2 มิติและ 3 มิติ — และพวกเขาส่งมอบทั้งหมดนี้ในรูปแบบไปป์ไลน์เดียวที่ประสานงานกัน ส่งผลให้โมเดลการรับรู้ทางรถไฟของเราฝึกฝนได้เร็วขึ้น

— รองประธานฝ่ายระบบรางอัตโนมัติ

★★★★★
ไอคอนคำคม