LiDAR ও 2D অ্যানোটেশনের মাধ্যমে রেলওয়ে দৃশ্য উপলব্ধির রূপান্তর
জানুন কীভাবে শাইপ-এর লাইডার, ক্যামেরা এবং টুডি ডেটা অ্যানোটেশন পরিষেবাগুলো এআই মডেলকে বস্তু শনাক্ত করতে, রেলওয়ের পরিবেশ বুঝতে এবং স্বয়ংক্রিয় গতিশীলতা উপলব্ধি উন্নত করতে সাহায্য করে।
প্রজেক্ট সারসংক্ষেপ
আধুনিক রেলওয়ে শনাক্তকরণ সিস্টেমের জন্য সাধারণ বস্তু চিহ্নিতকরণের চেয়েও বেশি কিছু প্রয়োজন। এর জন্য রেল-নির্দিষ্ট প্রেক্ষাপট, নির্ভুল জ্যামিতি এবং LiDAR পয়েন্ট ক্লাউড ও সিঙ্ক্রোনাইজড ক্যামেরা ভিউ জুড়ে নির্ভরযোগ্য আন্তঃ-সেন্সর সামঞ্জস্য দরকার।
এই চাহিদা মেটাতে, শাইপকে রেল অবকাঠামোর দৃশ্য সম্বলিত একটি লাইডার রেল ডেটা অ্যানোটেশন প্রকল্পে নিযুক্ত করা হয়েছিল। এর আওতায় বাধ্যতামূলক ও ঐচ্ছিক বৈশিষ্ট্যসহ একটি ২৯-শ্রেণির ট্যাক্সোনমি ব্যবহার করে, প্রতিটি দৃশ্যের জন্য পাঁচটি সিঙ্ক্রোনাইজড ২ডি রেফারেন্স ইমেজের সাহায্যে লাইডার পয়েন্ট ক্লাউডের অ্যানোটেশন অন্তর্ভুক্ত ছিল।
প্রতিটি শ্রেণীর জন্য বৈশিষ্ট্যসমূহ।
এর লক্ষ্য ছিল একটি সুসংগঠিত ও মান-নিয়ন্ত্রিত ডেটাসেট তৈরি করা, যা বস্তু শনাক্তকরণ, দৃশ্য অনুধাবন, ট্র্যাক সচেতনতা এবং অবকাঠামো ব্যাখ্যার জন্য রেলওয়ে পারসেপশন মডেলগুলোকে প্রশিক্ষণ ও যাচাই করতে সক্ষম হবে।
মূল পরিসংখ্যান
সেন্সর সেটআপ
LiDAR পয়েন্ট ক্লাউড
শ্রেণীবিন্যাস
২৯টি রেল-নির্দিষ্ট শ্রেণী
গুণমানের লক্ষ্যমাত্রা
≥৯৯% সামগ্রিক অ্যানোটেশন নির্ভুলতা
ক্রস-সেন্সর সামঞ্জস্য
≥৯৯% LiDAR – 2D অ্যালাইনমেন্ট
চ্যালেঞ্জ
- LiDAR এবং 2D চিত্র জুড়ে মাল্টিমোডাল রেল দৃশ্যগুলিকে সামঞ্জস্যপূর্ণভাবে টীকাযুক্ত করা
- বিস্তারিত অ্যাট্রিবিউট এবং অবজেক্ট সম্পর্কসহ ২৯টি ক্লাসের একটি রেল-নির্দিষ্ট শ্রেণিবিন্যাস পরিচালনা করা।
- 3D এবং 2D অ্যানোটেশনের মধ্যে সেন্সর জুড়ে সামঞ্জস্য বজায় রাখা
- ট্র্যাক এবং কেবলের মতো রৈখিক কাঠামোর জ্যামিতিক নির্ভুলতা বজায় রাখা
- একটি পাইলট পরিবেশে ক্লাস লেবেল, জ্যামিতি এবং অ্যাট্রিবিউটের জন্য কঠোর নির্ভুলতার সীমা পূরণ করা
সমাধান
শাইপ প্রকল্পের প্রযুক্তিগত প্রয়োজনীয়তা অনুসারে একটি রেলপথ-কেন্দ্রিক টীকা সংযোজন কর্মপ্রবাহ ডিজাইন করেছেন।
ডেটা কৌশল
একটি মাল্টিমোডাল অ্যানোটেশন পাইপলাইন সংজ্ঞায়িত করা হয়েছে যা LiDAR পয়েন্ট ক্লাউড ডেটা এবং প্রতিটি LiDAR ফ্রেমের জন্য পাঁচটি সিঙ্ক্রোনাইজড 2D রেফারেন্স ইমেজ অন্তর্ভুক্ত করে।
টীকা কাঠামো
অবজেক্টের ধরণ এবং দৃশ্যের কাঠামোর উপর ভিত্তি করে একাধিক অ্যানোটেশন পদ্ধতি প্রয়োগ করা হয়েছে:
- বিচ্ছিন্ন আয়তনিক বস্তুসমূহের জন্য ত্রিমাত্রিক ঘনবস্তু টীকা
- রৈখিক রেল-সম্পর্কিত কাঠামোর জন্য 3D পলিলাইন অ্যানোটেশন
- ছবিতে বস্তুর অবস্থান নির্ণয়ের জন্য 2D বাউন্ডিং বক্স
- অনিয়মিত বস্তুর সীমানার জন্য 2D বহুভুজ
- রেল, কেবল এবং চিহ্নের জন্য 2D পলিলাইন
- দ্বিমাত্রিক দৃশ্যে ত্রিমাত্রিক আয়তক্ষেত্র, যেখানে অভিমুখ এবং গভীরতার প্রেক্ষাপট প্রয়োজন ছিল
রেল-নির্দিষ্ট শ্রেণিবিন্যাস নকশা
মানুষ, ব্যক্তিগত জিনিসপত্র, যানবাহন, ট্রেন, ওয়াগন, প্রাণী, ট্র্যাক, সুইচ, ক্যাটেনারি পোল, সিগন্যাল পোল, সিগন্যাল, সিগন্যাল ব্রিজ, বাফার স্টপ, প্রতিফলক পরীক্ষামূলক বস্তু এবং রেল-দৃশ্যের অন্যান্য সত্তা সহ ২৯টি পূর্বনির্ধারিত ক্লাসকে টীকাযুক্ত করা হয়েছে।
অ্যাট্রিবিউট-সমৃদ্ধ টীকা
বাধ্যতামূলক এবং ঐচ্ছিক উভয় বৈশিষ্ট্যই অন্তর্ভুক্ত করা হয়েছে, যার মধ্যে রয়েছে:
- অক্লুশন স্তর
- অবস্থা এবং প্রকার
- connectedTo এর মাধ্যমে সংযোগ স্থাপন
- রেল-পার্শ্ব এবং ট্র্যাক শনাক্তকারী
- বস্তুর ক্রম এবং অভিমুখীকরণ
- সংকেতের মুখ, দিক এবং কাঠামোগত বৈশিষ্ট্য
পরিচয় ও সম্পর্কের অখণ্ডতা
সেন্সর-সচেতন পদ্ধতিতে দ্বিমুখী ‘কানেক্টেড-টু’ সম্পর্কের মাধ্যমে এটা নিশ্চিত করা হয়েছে যে, প্রতিটি অ্যানোটেশনের একটি অনন্য অ্যানোটেশন আইডি এবং প্রতিটি অবজেক্টের UUID ফরম্যাটে একটি অনন্য অবজেক্ট আইডি থাকবে।
প্রিসিশন রুলস এবং কিউএ
বাস্তবায়িত টীকা নিয়মাবলীর মধ্যে অন্তর্ভুক্ত রয়েছে:
- ২ডি এবং ৩ডি জুড়ে অবরুদ্ধতার অনুমান
- ২৫ পিক্সেল বা তার বেশি উচ্চতা বা প্রস্থের বস্তুসমূহের দ্বি-মাত্রিক লেবেলিং থ্রেশহোল্ড
- ±৩ পিক্সেলের দ্বি-মাত্রিক সহনশীলতা
- ১০ সেমি পর্যন্ত ত্রিমাত্রিক সহনশীলতা
- বস্তুর অভিমুখের সামঞ্জস্যের জন্য z-অক্ষে ঘূর্ণন সারিবদ্ধকরণ
- সাব-থ্রেশহোল্ড আউটপুটের জন্য সংশোধন লুপ সহ ৩-স্তরীয় QA
প্রকল্পের সুযোগ
| ডেটা সেট উপাদান | সবিস্তার বিবরণী |
|---|---|
| প্রাথমিক পদ্ধতি | LiDAR পয়েন্ট ক্লাউড ডেটা |
| রেফারেন্স মোডালিটি | প্রতিটি LiDAR ফ্রেমে ৫টি সিঙ্ক্রোনাইজড ২ডি ছবি: ৩টি আইআর ছবি এবং ৫টি আরজিবি ছবি |
| মোট ক্লাস | ২৯টি রেল-নির্দিষ্ট শ্রেণী |
| 3D অ্যানোটেশনের প্রকারভেদ | ত্রিমাত্রিক আয়তক্ষেত্র, ত্রিমাত্রিক পলিলাইন |
| 2D অ্যানোটেশনের প্রকারভেদ | 2D ভিউতে 2D বাউন্ডিং বক্স, 2D পলিগন, 2D পলিলাইন, 3D কিউবয়েড |
| পাইলট ভলিউম | ২টি ক্রম |
| আইডি স্ট্যান্ডার্ড | UUID-ভিত্তিক টীকা আইডি এবং অবজেক্ট আইডি |
| নির্ভুলতার লক্ষ্যমাত্রা | সামগ্রিকভাবে ≥৯৯%, বৈশিষ্ট্যগতভাবে ≥৯৯%, বিভিন্ন সেন্সরের মধ্যে ≥৯৯% সামঞ্জস্য |
উদাহরণ শ্রেণী কভারেজ
| বিভাগ | নমুনা ক্লাস | টীকা প্রকার |
|---|---|---|
| মানুষ ও গতিশীলতা | ব্যক্তি, হুইলচেয়ার, স্কুটার, বাইসাইকেল, ভিড় | ২ডি বিবি / ৪-বিন্দু বহুভুজ / ৩ডি বিবি |
| রেল সম্পদ | ট্রেন, ট্রেনের_সামনে, ওয়াগন, ট্র্যাক, সুইচ, ড্র্যাগ_শু | আউটলাইন পলিগন / পলিলাইন / 3D BB |
| সিগন্যালিং এবং ওভারহেড | সংকেত, সংকেত_মেরু, সংকেত_সেতু, ক্যাটেনারি_মেরু | ২ডি বিবি / আউটলাইন পলিগন / ৩ডি বিবি |
| পরিবেশ ও বিবিধ। | সড়কের যানবাহন, প্রাণী, প্রাণীদের দল, প্রতিফলক পরীক্ষার বস্তু, ধোঁয়া, শিখা | শ্রেণীভেদে ভিন্ন |
ফলাফল
- LiDAR এবং চিত্র ডেটার জন্য একটি রেল-নির্দিষ্ট মাল্টিমোডাল অ্যানোটেশন কাঠামো প্রতিষ্ঠা করা হয়েছে
- বিশদ বৈশিষ্ট্য পরিচালনাসহ একটি ২৯-শ্রেণির রেলওয়ে শ্রেণিবিন্যাস সংজ্ঞায়িত করা হয়েছে।
- অ্যানোটেশন নির্ভুলতা, অ্যাট্রিবিউট এবং ক্রস-সেন্সর সামঞ্জস্যের ক্ষেত্রে ≥৯৯% মানের মানদণ্ড নির্ধারণ করুন।
- উচ্চ-নির্ভরযোগ্য রেলওয়ে পারসেপশন মডেল তৈরির জন্য একটি পাইলট-প্রস্তুত ভিত্তি তৈরি করা হয়েছে।
কৌশলগতভাবে, এই প্রকল্পটি ক্লায়েন্ট ট্রেন এআই সিস্টেমগুলোকে রেল পরিবেশে আরও শক্তিশালী দৃশ্য উপলব্ধির ক্ষমতা প্রদান করে, যেখানে জ্যামিতি, বস্তুর ধারাবাহিকতা এবং অবকাঠামোগত প্রেক্ষাপট অত্যন্ত গুরুত্বপূর্ণ।
শাইপের মাল্টিমোডাল অ্যানোটেশন পদ্ধতি আমাদেরকে পারসেপশন মডেল তৈরির জন্য প্রয়োজনীয় নির্ভুলতার সাথে একটি অত্যন্ত বিশেষায়িত রেলওয়ে ডেটাসেট গঠন করতে সাহায্য করেছে। ট্যাক্সোনমির গভীরতা, জ্যামিতিক নির্ভুলতা এবং ক্রস-সেন্সর সামঞ্জস্যের উপর তাদের মনোযোগ আমাদের রেল এআই পাইপলাইনের জন্য একটি শক্তিশালী ভিত্তি তৈরি করেছে।
কম্পিউটার ভিশনের প্রধান