Združevanje modelov YOLOv8 in PointPillars na ravni odločanja: Začetne ugotovitve

Ta prispevek predstavlja multimodalni zaznavni sistem, prilagojen za avtonomno vožnjo in varnostni nadzor v okoljih javnih parkirišč, ki uporablja dvostopenjsko združevanje modelov YOLOv8-seg in PointPillars na ravni odločanja. Arhitektura zagotavlja natančno spremljanje zasedenosti in varnosti z integracijo 2D instančne segmentacije z oblaki 3D točk 3D LiDAR. Specializiran pogon za fuzijo odločitev (decision fusion engine) vključuje fazo umerjanja na podlagi razdalje in fazo reševanja (rescue phase) za ohranjanje zaznav med zakritji senzorjev. Z implementacijo 2,5-metrskega evklidskega praga in mehanizma za preglasitev z visoko stopnjo zaupanja YOLO (YOLO Override), sistem učinkovito kompenzira redkost podatkov LiDAR. Eksperimentalni rezultati na naboru podatkov KITTI izkazujejo znatno izboljšanje zanesljivosti, zlasti s povečanjem ocene F1 za pešce za 10,11 % in za avtomobile za 6,99 %. Te ugotovitve potrjujejo, da sinergija vizualnih mask in geometrijskih podatkov zagotavlja robustno rešitev za sprotno spremljanje vozil in ranljivih udeležencev v prometu (pešcev in kolesarjev) v okoljih avtomatiziranih parkirišč.