Создана инновационная нейросеть для обработки пространственных данных

Ученые МИИГАиК совместно с китайскими коллегами из Хунаньского университета науки и технологий представили нейросеть PG-Net — инновационное решение для интеллектуального анализа данных трехмерного лазерного сканирования (LiDAR).

Современные лазерные сканеры способны создавать детализированные трехмерные модели местности, состоящие из миллионов отдельных точек («облака точек»). Однако из-за огромного объема данных и неравномерной плотности их традиционная обработка требует значительных вычислительных ресурсов и зачастую сопровождается потерей важной контекстной информации.

Новая нейросеть PG-Net (Point-Graph Network) решает эту проблему, объединяя два подхода к анализу данных: поточечный анализ, который позволяет учитывать особенности каждого элемента сканирования; и графовый анализ, который эффективно моделирует взаимосвязи между соседними точками, восстанавливая целостную картину объекта или ландшафта. Точечная ветвь отлично чувствует локальную геометрию и распределение точек, а графовая ветвь улавливает более сложные топологические взаимосвязи.

Благодаря такому гибридному подходу PG-Net, по словам разработчиков, демонстрирует впечатляющую точность при распознавании объектов (например, автомобилей, деревьев, зданий) даже в условиях «зашумленных» или некалиброванных данных. Эксперименты показали, что разработанная модель достигает общей точности сегментации до 97,69 % на валидационных наборах данных, превосходя по эффективности существующие аналоги.

Новая технология помогает компьютеру мгновенно разобраться, где в этом облаке — машина, где — пешеход, а где — дорожная разметка или стена. Раньше нейросети часто путали ограждения с кустами или не замечали мелкие объекты. PG-Net ошибается реже: например, заборы и барьеры она распознает на 8 % точнее лучших аналогов. Это значит, что автопилот сможет надежнее парковаться, а система помощи водителю — вовремя замечать дорожные знаки и разметку.

По оценкам ученых, новая технология может быть использована для автоматического распознавания дорожной обстановки, трехмерной реконструкции городской среды, а также для мониторинга инфраструктуры.

Работа является ярким примером плодотворного сотрудничества МИИГАиК с китайскими научными и образовательными организациями. Совместная работа над сложными технологическими задачами позволяет объединить передовые компетенции двух стран, ускоряя внедрение инноваций в гражданской сфере — от геоинформатики до экологического мониторинга. Кроме того, сотрудничество с китайскими партнерами дает российским ученым доступ к обширным базам данных для валидации моделей, что критически важно для создания качественных и надежных алгоритмов искусственного интеллекта, подобных разработанной сети PG-Net.