स्वायत्त वाहन में लिडार विफलता का त्रिआयामी फोरेंसिक पुनर्निर्माण

एक स्वायत्त डिलीवरी ग्राउंड ड्रोन ने पैदल यात्री क्रॉसिंग पर एक पैदल यात्री को टक्कर मार दी। प्रारंभिक जांच से पता चलता है कि धारणा प्रणाली में 3D सेगमेंटेशन में खराबी आई थी। दुर्घटना को स्पष्ट करने के लिए, प्रभाव से मिलीसेकंड पहले कैप्चर किए गए मूल LiDAR पॉइंट क्लाउड को निकाला गया और Unreal Engine 5 में दृश्य को फिर से बनाया गया। उद्देश्य यह निर्धारित करना है कि क्या पीड़ित के चिंतनशील कपड़ों के कारण एल्गोरिदम ने पैदल यात्री को पर्यावरण की एक स्थिर वस्तु, जैसे साइन या पोल, के रूप में गलत वर्गीकृत किया।

तकनीकी कार्यप्रवाह: Open3D, Foxglove Studio और Unreal Engine 5 🛠️

फोरेंसिक प्रक्रिया Python और Open3D का उपयोग करके कच्चे पॉइंट क्लाउड को निकालने, पर्यावरणीय शोर को फ़िल्टर करने और प्रभाव से पहले महत्वपूर्ण फ्रेम को अलग करने से शुरू होती है। इस क्लाउड को विश्लेषण के लिए PLY प्रारूप में निर्यात किया जाता है। Foxglove Studio के साथ, वाहन की टेलीमेट्री के साथ सिंक्रोनाइज़ किए गए LiDAR सेंसर डेटा को विज़ुअलाइज़ किया जाता है, जिससे पैदल यात्री के प्रक्षेपवक्र और योजना प्रणाली की प्रतिक्रिया की पहचान करने में मदद मिलती है। इसके बाद, दृश्य को Unreal Engine 5 में आयात किया जाता है, जहाँ शहरी ज्यामिति को फिर से बनाया जाता है और पॉइंट क्लाउड को रखा जाता है। फिर बिंदुओं पर एक परावर्तन फ़िल्टर लागू किया जाता है, जो पैदल यात्री के कपड़े की सामग्री के व्यवहार का अनुकरण करता है। परिणाम बताते हैं कि चिंतनशील जैकेट के अनुरूप बिंदु असामान्य तीव्रता दिखाते हैं, जो सड़क संकेतों के समान है, जिसके कारण 3D सेगमेंटेशन मॉडल ने उन्हें स्थिर वस्तुओं के वर्ग में समूहित कर दिया, उनकी गति को अनदेखा कर दिया।

स्वायत्त धारणा सुरक्षा के लिए सबक ⚠️

यह मामला दर्शाता है कि सामग्री की परावर्तनशीलता न केवल सेंसर की सीमा को प्रभावित करती है, बल्कि अर्थपूर्ण वर्गीकरण में घातक त्रुटियाँ भी पैदा कर सकती है। Unreal Engine 5 में पुनर्निर्माण वाहन के एल्गोरिथमिक ब्लाइंड स्पॉट को देखने की अनुमति देता है। भविष्य के सिस्टम के लिए, पॉइंट क्लाउड और थर्मल या इवेंट कैमरा डेटा के बीच क्रॉस-सत्यापन लागू करने के साथ-साथ उच्च-दृश्यता वाले कपड़ों वाले पैदल यात्रियों को शामिल करने वाले डेटासेट के साथ मॉडल को प्रशिक्षित करने की सिफारिश की जाती है। फोरेंसिक विश्लेषण के लिए Open3D और रीयल-टाइम डिबगिंग के लिए Foxglove Studio का संयोजन मोबाइल रोबोटिक्स में दुर्घटना जांच के लिए मानक के रूप में मजबूत हो रहा है।

क्या 3D फोरेंसिक सिमुलेशन के माध्यम से यह निर्धारित करना संभव है कि LiDAR विफलता का पुनर्निर्माण पैदल यात्री क्रॉसिंग पर पैदल यात्री के वास्तविक प्रक्षेपवक्र से मेल खाता है, या प्रभाव से पहले पॉइंट क्लाउड के अतिरिक्त विश्लेषण की आवश्यकता है?

(पी.एस.: दृश्य विश्लेषण में, प्रत्येक पैमाने का गवाह एक छोटा गुमनाम नायक होता है।)