鉱山-DW-融合: 動的重量調整に基づく地下炭鉱のBEVマルチスケール強化融合オブジェクト検出モデル

科学分野:

• ロボットと自律システム
• コンピュータ・ビジョン
• 地理科学エンジニアリング

背景:

• 地下炭鉱での自動運転は 塵や照明の不足や センサーの異常により 認識に問題があります
• 既存の方法は,マルチモダルのセンサーデータに対する有効な信頼性評価と,センサーの故障に対する堅固な融合技術がない.
• 地下炭鉱環境のための専用マルチモダルデータセットは,モデル開発と検証のために必要です.

研究 の 目的:

• 地下炭鉱の自動輸送車用の高度なマルチモダル融合感知モデルを開発する.
• 複雑な鉱山環境におけるデータ信頼性の評価とセンサーの故障の処理の限界を解決する.
• 地下の石炭鉱山のシナリオで認識モデルを訓練しテストするための包括的なデータセットを作成します.

主な方法:

• 動的重量調整による多スケール強化融合感知モデル (BEV) を提案した.
• BEVの特徴に基づくモダリティデータ重み付けのためのミックス・オブ・エキスパート・フージー・ロジック・インファレンス・モジュール (MoE-FLIM) を実装した.
• センサーデータの異常を処理するために,ピラミッドマルチスケール機能強化および融合モジュール (PMS-FFEM) を導入した.
• 地下炭鉱環境のために多式データセットを構築しました.

主要な成果:

• 提案されたモデルは,地下炭鉱の設定内のオブジェクト検出において高い精度と安定性を達成します.
• 低光や塵霧などの厳しい環境下でも,強固な知覚性能を証明した.
• ダイナミック・ウェイト・アジャストメントとマルチスケール・フュージョンは,センサーデータの異常から生じる問題を効果的に軽減します.

結論:

• 開発されたBEVマルチスケール強化融合感知モデルは,地下炭鉱での自律運転能力を大幅に改善します.
• MoE-FLIMとPMS-FFEMモジュールは,データの信頼性評価とセンサ故障処理のための効果的なソリューションを提供します.
• 作成されたデータセットは,より安全で効率的な採掘作業のための認識技術の進歩をサポートします.