tusen-ai/SST
این پروژه شامل مجموعه‌ای از کدهای مربوط به درک محیط با استفاده از سنسور LiDAR است که در چندین مقاله برجسته علمی ارائه شده‌اند، از جمله SST (در کنفرانس CVPR 2022)، FSD (NeurIPS 2022)، FSD++ (TPAMI 2023)، FSDv2 و همچنین CTRL (که در ICCV 2023 با ارائه شفاهی (oral) معرفی شد).
کاربرد:
این کدها برای پردازش داده‌های سه‌بعدی LiDAR در سیستم‌های تشخیص محیط خودروهای خودران و رباتیک طراحی شده‌اند. این مدل‌ها به تشخیص اشیاء مانند ماشین، پیاده و دوچرخه‌سواران در محیط‌های پیچیده کمک می‌کنند.
در چه شرایطی بهتره استفاده شود؟
وقتی نیاز به یک سیستم قوی و دقیق برای تشخیص اشیاء در داده‌های اسکن لیزری سه‌بعدی دارید، به‌ویژه در شرایط نوری پایین یا محیط‌های شهری شلوغ، این مدل‌ها عملکرد عالی دارند. همچنین مناسب تحقیقات آکادمیک و توسعه الگوریتم‌های پیشرفته در حسگرهای خودروهای خودران هستند.
چند مثال از موارد استفاده
- تشخیص اشیاء متحرک در مسیر خودروهای خودران
- ناوبری هوشمند ربات‌های تحویل‌دهنده در محیط‌های شهری
- بهبود دقت سیستم‌های کمک راننده (ADAS) با داده‌های LiDAR ️
- استفاده در شبیه‌سازی‌های شهری هوشمند و مدیریت ترافیک
- ##LiDAR
- ##Autonomous
- ##3D
- ##SST
- ##FSD
- ##CTRL
- ##NeurIPS
- ##CVPR
- ##ICCV
- ##TPAMI