Los puntos clave no están disponibles para este artículo en este momento.
El rápido desarrollo de la tecnología de detección de objetos 3D cooperativos de vehículos ha mejorado significativamente las capacidades de percepción de los sistemas de conducción autónoma. Sin embargo, la tecnología de percepción cooperativa de barcos ha recibido una atención de investigación limitada en comparación con la conducción autónoma, principalmente debido a la falta de conjuntos de datos de percepción cooperativa de barcos apropiados. Para abordar esta brecha, este documento propone S2S-sim, un novedoso conjunto de datos de percepción cooperativa de barcos. Se construyeron escenarios de navegación de barcos utilizando Unity3D, e incorporaron modelos de barcos precisos mientras se simularon parámetros de sensor de sensores LiDAR reales para recopilar datos. El conjunto de datos comprende tres escenarios típicos de navegación de barcos, incluyendo puertos, islas y aguas abiertas, con clases de barcos comunes como barcos de contenedores, graneleros y cruceros. Consiste en 7000 fotogramas con 96,881 cuadros delimitadores de barcos anotados. Aprovechando este conjunto de datos, evaluamos el rendimiento de los modelos de percepción cooperativa de vehículos más utilizados cuando se transfieren a escenas de percepción cooperativa de barcos. Además, considerando las características de los datos de navegación de barcos, proponemos un método de detección de objetos 3D cooperativos de barcos basado en fusión de agrupamiento regional. Los resultados experimentales demuestran que nuestro enfoque logra un rendimiento de vanguardia en la detección de objetos de barcos en 3D, lo que indica su idoneidad para la percepción cooperativa de barcos.
Yang et al. (Mon,) estudiaron esta cuestión.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: