Исследователи МИИГАиК совместно с коллегами из Хунаньского университета науки и технологий создали нейросеть PG‑Net (Point‑Graph Network) — инструмент, упрощающий анализ данных 3D‑лазерного сканирования (LiDAR).
Современные лазерные сканеры создают детализированные трехмерные модели местности, фиксируя миллионы отдельных точек. В совокупности они образуют так называемое «облако точек». Обрабатывать такие массивы традиционными методами крайне сложно: из‑за огромного объема информации и неравномерной плотности распределения точек требуются значительные вычислительные ресурсы, а в процессе нередко теряется важная информация.
PG‑Net решает эту проблему благодаря гибридному подходу к анализу данных. Система сначала проводит поточечный анализ — изучает каждую точку облака отдельно, фиксируя ее положение и форму. Затем алгоритм выполняет графовый анализ — выявляет связи между соседними точками и на их основе воссоздает общую структуру объекта или ландшафта. Такой метод позволяет нейросети одновременно улавливать локальные детали и понимать сложные взаимосвязи (например, отличать сплошную стену от ряда колонн).
Испытания подтвердили высокую эффективность PG‑Net. Нейросеть успешно распознает различные объекты — автомобили, деревья, здания и другие элементы — даже при работе с «зашумленными» данными (содержащими помехи) или некалиброванной информацией. Точность определения достигает 97,69 %.
Кроме того, разработка демонстрирует меньшую частоту ошибок. По словам ученых, распознавание заборов и барьеров стало на 8 % точнее по сравнению с лучшими существующими решениями. Это открывает новые возможности для практического применения: автопилоты смогут парковаться с большей надежностью, а системы помощи водителю — быстрее и точнее фиксировать дорожные знаки и разметку.
По оценкам разработчиков, новая нейросеть может быть использована для автоматического распознавания дорожной обстановки, трехмерной реконструкции городской среды, а также для мониторинга инфраструктуры.