ஸ்மார்ட்சிட்டி தன்னாட்சி வாகனங்களுக்கான LiDAR சிறுகுறிப்பு திட்டம்
திட்ட கண்ணோட்டம்
வேகமாக வளர்ந்து வரும் பெருநகரப் பகுதியான SmartCity, பொதுப் போக்குவரத்திற்காக தன்னாட்சி வாகனங்களை (AVs) அறிமுகப்படுத்தும் ஒரு லட்சியத் திட்டத்தைத் தொடங்கியுள்ளது. இந்த ஏவிகளின் பாதுகாப்பான மற்றும் திறமையான செயல்பாட்டை உறுதிசெய்ய, நகரின் பல்வேறு சூழல்களுக்கு அனுப்பும் துல்லியமாக சிறுகுறிப்பு செய்யப்பட்ட LiDAR மற்றும் கேமரா தரவு ஆகியவை அவர்களுக்குத் தேவைப்பட்டன. இந்த முக்கியமான பணியை கையாள்வதற்கு SmartCity முன்னணி டேட்டா அன்னோ டேஷன் நிறுவனமான Shaip உடன் கூட்டு சேர்ந்தது.
ஸ்மார்ட்சிட்டியின் தெருக்களில் இருந்து சேகரிக்கப்பட்ட சென்சார் தரவுகளின் 15,000 பிரேம்களை சிறுகுறிப்பு செய்யும் பணி ஷைப்பிற்கு வழங்கப்பட்டது. ஒவ்வொரு சட்டகமும் 3 Velodyne VLP-32C LiDARகள் மற்றும் 4 உயர் தெளிவுத்திறன் கொண்ட கேமராக்களிலிருந்து தரவுகளைக் கொண்டிருந்தது, இது நகர்ப்புறக் காட்சிகளின் பரவலான காட்சிகளைக் கைப்பற்றுகிறது.
சவால்கள்
தொகுதி மற்றும் சிக்கலானது
சுத்த அளவு தரவு மற்றும் 2D மற்றும் 3D சிறுகுறிப்புகளின் தேவை ஆகியவை குறிப்பிடத்தக்க சவாலை முன்வைத்தன.
பல்வேறு சூழல்கள்
அடர்த்தியான நகர்ப்புற மையங்கள் முதல் புறநகர் பகுதிகள் வரை ஸ்மார்ட்சிட்டியின் மாறுபட்ட நிலப்பரப்புக்கு, மாற்றியமைக்கக்கூடிய சிறுகுறிப்பு உத்திகள் தேவை.
மீண்டும் மீண்டும் செயல்
நம்பகமான AI மாடல்களைப் பயிற்றுவிப்பதற்கு வெவ்வேறு சென்சார்கள் மற்றும் பல பிரேம்களில் நிலையான பொருள் ஐடிகளைப் பராமரிப்பது மிகவும் முக்கியமானது.
தனியுரிமை கவலைகள்
பயனுள்ள தரவைப் பாதுகாக்கும் போது, தனிப்பட்ட அடையாளம் காணக்கூடிய அனைத்து தகவல்களும் சரியாக மறைக்கப்பட்டிருப்பதை உறுதிசெய்தல்.
இறுக்கமான காலவரிசை
SmartCity அவர்களின் AV வரிசைப்படுத்தல் அட்டவணையை பூர்த்தி செய்ய 4 மாதங்களுக்குள் திட்டத்தை முடிக்க வேண்டும்.
ஷைப்பின் அணுகுமுறை
பணியாளர் நியமனம்
அனுபவம் வாய்ந்த 50 சிறுகுறிப்புகள், 10 தரக் கட்டுப்பாட்டாளர்கள் மற்றும் 3 திட்ட மேலாளர்கள் கொண்ட குழுவைக் கூட்டினர்.
தனிப்பயன் கருவிகள்
2D மற்றும் 3D சிறுகுறிப்பு பணிப்பாய்வுகளை ஒருங்கிணைத்து, செயல்திறன் மற்றும் நிலைத்தன்மையை மேம்படுத்தும் தனியுரிம மென்பொருள் உருவாக்கப்பட்டுள்ளது.
பயிற்சி
SmartCity இன் குறிப்பிட்ட சிறுகுறிப்புத் தேவைகள் மற்றும் தனியுரிமை வழிகாட்டுதல்கள் குறித்து தீவிர பயிற்சி அமர்வுகளை நடத்தியது.
ஆட்டோமேஷன்
செயல்முறையை விரைவுபடுத்த, குறிப்பாக கார்கள் மற்றும் பாதசாரிகள் போன்ற பொதுவான பொருட்களுக்கு AI-உதவி முன்-குறிப்பு பயன்படுத்தப்பட்டது.
முடிவு
- திட்டமிட்டதை விட இரண்டு வாரங்களுக்கு முன்னதாக, 3.5 மாதங்களில் திட்டத்தை முடித்தார்.
- ஸ்மார்ட்சிட்டியின் எதிர்பார்ப்புகளை மீறி 99.7% சிறுகுறிப்பு துல்லியத்தை அடைந்துள்ளது.
- அனைத்து பிரேம்களிலும் 450,000 க்கும் மேற்பட்ட தனிப்பட்ட பொருள்கள் வெற்றிகரமாக சிறுகுறிப்பு செய்யப்பட்டன.
- பல பிரேம்களில் உள்ள 98% பொருள்களுக்கு நிலையான ஐடிகள் பராமரிக்கப்படுகின்றன.
- அனைத்து உரிமத் தகடுகளையும் முகங்களையும் சரியாக மாஸ்க் செய்து, தனியுரிமை இணக்கத்தை உறுதிப்படுத்துகிறது.
தீர்மானம்
இந்த பெரிய அளவிலான LiDAR சிறுகுறிப்புத் திட்டத்தை Shaip வெற்றிகரமாகச் செயல்படுத்தியது SmartCity இன் தன்னாட்சி வாகன முயற்சியில் ஒரு முக்கிய பங்கைக் கொண்டிருந்தது. சிக்கலான, மல்டி-சென்சார் தரவு சிறுகுறிப்பு பணிகளை திறமையாகவும் துல்லியமாகவும் கையாள, மேம்பட்ட AI-உதவி கருவிகளுடன் திறமையான மனித சிறுகுறிப்புகளை இணைப்பதன் முக்கியத்துவத்தை இந்த திட்டம் நிரூபித்தது.
உயர்தரமான குறிக்கப்பட்ட தரவுகள், ஸ்மார்ட்சிட்டி தங்களின் தன்னாட்சி வாகன அமைப்புகளுக்கு மிகவும் திறம்படப் பயிற்சி அளிக்க உதவியதுடன், களச் சோதனைக்குத் தேவைப்படும் நேரத்தையும் 30% குறைத்தன. சீரான மற்றும் துல்லியமான இந்தக் குறிப்புகள், குறிப்பாக சிக்கலான நகர்ப்புறச் சூழல்களில் தன்னாட்சி வாகனங்களின் பொருள் கண்காணிப்பு மற்றும் முன்கணிப்புத் திறன்களை மேம்படுத்தின.
