


Adakah anda benar-benar menguasai penukaran sistem koordinat? Isu berbilang sensor yang tidak dapat dipisahkan daripada pemanduan autonomi
Pengenalan pertama dan perkara penting
Artikel ini terutamanya memperkenalkan beberapa teknologi pemanduan autonomous yang biasa digunakan . Dan cara melengkapkan perkaitan dan penukaran antara mereka, dan akhirnya membina model persekitaran bersatu. Fokus di sini adalah untuk memahami penukaran daripada kenderaan kepada badan tegar kamera (parameter luaran), penukaran kamera kepada imej (parameter dalaman) dan penukaran unit imej kepada piksel. Penukaran daripada 3D kepada 2D akan mempunyai herotan, terjemahan, dsb.
Isi penting: sistem koordinat kenderaan sendirisistem koordinat badan kameraApa yang perlu ditulis semula ialah: sistem koordinat satahsistem koordinat piksel#🎜🎜 🎜🎜 # Kesukaran: Herotan imej mesti dipertimbangkan Kedua-dua penyahherotan dan penambahan herotan diberi pampasan pada satah imej Sistem visual mempunyai empat sistem koordinat: sistem koordinat satah piksel (u, v). sistem koordinat imej (x, y), sistem koordinat kamera () dan sistem koordinat dunia (). Terdapat hubungan antara setiap sistem koordinat, jadi bagaimana untuk mencari koordinat sistem koordinat dunia melalui koordinat piksel imej perlu diselesaikan dengan melalui penentukuran kamera, di mana bahagian algoritma utama terletak pada koordinat Transformasi sistem
koordinat homogen .
Tiga sistem koordinat sensor3.1 Sistem koordinat kamera#🎜🎜🎜 fungsinya ialah
memampatkan maklumat bentuk dan warna dalam dunia tiga dimensi kepada imej dua dimensi. algoritma persepsi berasaskan kamera mengekstrak dan memulihkan elemen dan maklumat dalam dunia tiga dimensi, seperti garisan lorong, kenderaan, pejalan kaki, dsb., daripada imej dua dimensi dan mengira kedudukan relatifnya kepada diri mereka sendiri.
Sistem koordinat yang berkaitan dengan algoritma persepsi dan kamera termasuk sistem koordinat imej (sistem koordinat piksel) dan sistem koordinat kamera Apa yang perlu ditulis semula ialah: sistem koordinat satah. #🎜 🎜#
3.1.1 Sistem koordinat imej (atau sistem koordinat piksel)Foto atau imej yang disimpan pada komputer biasanya mempunyai sudut kiri atas sebagai asal, menghala ke arah Kanan ialah arah x positif, dan ke bawah ialah arah y positif Unit yang paling biasa digunakan ialah "piksel". Sistem koordinat imej ialah sistem koordinat dua dimensi, berlabel (Xv, Yv).
Kandungan yang perlu ditulis semula ialah: 3.1.2 Sistem koordinat kamera#🎜🎜🎜 sistem koordinat imej Paksi-x menghala ke kanan dan paksi-y menghala ke bawah, jadi sistem koordinat kamera mengambil pusat paksi optik utama kanta sebagai asalnya. Secara umumnya, arah positif ialah paksi-x ke kanan, arah positif ialah paksi-y ke bawah, dan arah positif ialah paksi-z ke hadapan. Dengan cara ini, arah x dan y adalah konsisten dengan arah sistem koordinat imej, dan arah z mewakili kedalaman medan. Sistem koordinat kamera boleh dinyatakan sebagai (Xc, Yc)
Apa yang perlu ditulis semula ialah: 3.1.3 Apa yang perlu ditulis semula ialah: sistem koordinat satah (atau sistem Koordinat pengimejan)
Supaya dapat secara kuantitatif menerangkan hubungan pemetaan antara ruang tiga dimensi dan imej dua dimensi #🎜🎜 #, grafik yang diperkenalkan perlu ditulis semula ialah: sistem koordinat satah. Ia adalah terjemahan sistem koordinat kamera Bahagian tengah masih pada paksi optik utama kamera Jarak dari pusat paksi optik adalah sama dengan panjang fokus kamera
#. 🎜🎜#Kita tahu bahawa kamera akan Imej terbalik yang dikurangkan muncul pada filem di belakang pusat paksi, iaitu satah imej sebenar (Xf, Yf). Walau bagaimanapun, untuk kemudahan analisis dan pengiraan, kami akan menyediakan satah imej maya di hadapan pusat paksi optik. Imej pada satah imej maya ialah imej tegak, dan saiznya sama dengan imej terbalik sebenar
Apa yang perlu ditulis semula ialah: sistem koordinat satah
3.5 Sistem koordinat dunia Bergantung pada situasi tertentu, sebarang objek boleh diwakili, yang diperkenalkan oleh kamera . Unitnya ialah meter
Sistem koordinat dunia
#🎜,🎜# #🎜 sistem
dan sistem koordinat piksel
Sistem koordinat Empat LidarPengesanan Lidar dan Deringan (Light) Teknologi Penderiaan Jauh
mendapatkan maklumat 3D persekitaran sekeliling. Dalam kebanyakan kes, sistem koordinat Lidar adalah tangan kanan, tetapi definisi khusus mungkin berbeza-beza bergantung pada pengeluar Lidar.
4.1 Definisi
X paksi: selalunya menunjuk di hadapan Lidar. Apabila pancaran laser ditembak terus ke hadapan, ukuran jarak dari arah itu menghasilkan nilai positif pada paksi-X. Y axis: biasanya menunjuk ke sebelah kiri Lidar. Apabila pancaran laser ditembak terus ke kiri, ukuran jarak dari arah itu menghasilkan nilai positif pada paksi-Y. Paksi Z: Biasanya menunjuk ke atas Lidar, berserenjang dengan paksi X dan Y. Pengukuran ketinggian biasanya diambil di sepanjang paksi Z, dengan nilai positif mewakili objek lebih tinggi daripada peranti Lidar, dan nilai negatif mewakilinya lebih rendah daripada peranti Lidar.
4.2 Kepentingan
- Sistem koordinat sistem Lidar yang dipasang pada kenderaan mungkin tidak sejajar sepenuhnya dengan sistem koordinat kenderaan, dan matriks transformasi diperlukan untuk melakukan transformasi koordinat antara kedua-duanya.
- Anotasi data, penjanaan peta, pengesanan objek dan tugas lain memerlukan takrifan yang jelas bagi sistem koordinat Lidar.
- Untuk penyatuan data dengan penderia lain, seperti kamera, adalah sangat penting untuk mengetahui sistem koordinat masing-masing untuk melakukan penjajaran dan gabungan data yang betul.
- Apabila melakukan gabungan data dengan kamera, radar atau penderia lain, biasanya perlu mengetahui parameter penentukuran luaran (contohnya, matriks putaran dan terjemahan) antara Lidar dan penderia ini untuk melakukan transformasi koordinat antaranya.
Sistem koordinat lima kenderaan
Pilih sistem koordinat rujukan dalam persekitaran umum untuk menghuraikan kedudukan penderia dan objek Sistem koordinat ini dipanggil sistem koordinat dunia secara amnya merujuk kepada badan kenderaan Pusat gandar belakang ialah asal (kerana pusat gandar belakang tidak akan berubah berbanding hayunan kereta) , sistem koordinat ruang kiri atas depan atau atas kanan depan, kiri (kanan) secara amnya mendatar, bahagian depan biasanya membujur, dan atas merujuk kepada tanah Dalam ruang di atas, sistem koordinat bergerak dengan pergerakan kereta. Semua sasaran hiliran yang perlu dikesan dan keluaran mestilah di bawah sistem koordinat kenderaan sendiri Sasaran perspektif BEV juga merujuk kepada di bawah sistem koordinat ini
Secara amnya, sistem koordinat tiga dimensi. menggunakan tiga paksi ortogon X , Y, Z mewakili kedudukan objek, dan sudut putaran (sudut gulung, sudut pic, sudut yaw) di sekeliling ketiga-tiga paksi ortogon ini mewakili sikap objek. Sistem koordinat masa hanya mempunyai satu dimensi. Untuk kemudahan ekspresi, kami biasanya membincangkan koordinat ruang dan koordinat masa secara berasingan.
6 Parameter dalaman dan luaran kamera
6.1 Parameter dalaman kamera
Parameter dalaman digunakan untuk menentukan hubungan tayangan kamera daripada ruang tiga dimensi kepada imej dua dimensi. Ia terutamanya mengandungi tiga parameter, titik utama kamera, panjang fokus kamera dan pekali herotan. Parameter dalaman biasanya diberikan oleh peniaga, dan penentukuran kamera juga boleh dilakukan. Dalam aplikasi pemanduan autonomi, parameter dalaman kamera adalah pemalar dan tidak akan berubah semasa digunakan, tetapi ia perlu ditentukur sebelum digunakan. Proses penangkapan kamera boleh disarikan sebagai proses pemetaan daripada sistem koordinat kamera 3D kepada sistem koordinat kamera 2D Apa yang perlu ditulis semula ialah: sistem koordinat satah, dan kemudian proses pemetaan kepada sistem koordinat imej. 6.2 Panjang fokus (f)
Ia menerangkan jarak
antara penderia imej- dan kanta kamera. Biasanya diwakili oleh dua parameter (
- ) dan (), masing-masing sepadan dengan paksi-x dan paksi-y imej. Dalam banyak kes, kami menganggap ( ), yang bermaksud bahawa piksel adalah segi empat sama dalam kedua-dua arah.
- 6.3 Titik utama
Ia adalah titik dalam imej, biasanya berhampiran dengan pusat imej. Ia ialah titik 2D yang sepadan dengan titik dalam ruang 3D apabila ditayangkan pada satah imej.
- biasanya diwakili oleh dua parameter (
- ) dan (
- ), yang sepadan dengan koordinat pada paksi-x dan paksi-y imej. 6.4 Pekali herotan
Kanta kamera sebenar mungkin menyebabkan herotan, menyebabkan herotan imej. herotan biasa termasuk herotan jejarian dan herotan tangen.
- Pekali herotan jejari yang biasa digunakan ialah (
- ).
- Pekali herotan tangen ialah ( ).
- Secara amnya, parameter dalaman kamera boleh diwakili oleh matriks:
Matriks ini sering dipanggil matriks parameter dalaman atau matriks kamera.
6.5 Parameter ekstrinsik kamera
Simpulkan kedudukan objek dalam sistem koordinat kamera tiga dimensi melalui imej dua dimensi, seperti mendapatkan maklumat jarak dan kedalaman. Dapatkan maklumat jarak tiga dimensi daripada imej dua dimensi Jika perlu mendapatkan kedudukan objek dalam sistem koordinat dunia , anda juga perlu mengetahui pose kamera dalam sistem koordinat dunia . Perwakilan pose ini dipanggil parameter luaran kamera, dirujuk sebagai parameter luaran, dan digunakan untuk menentukan hubungan kedudukan relatif antara koordinat kamera dan sistem koordinat dunia. Dalam aplikasi pemanduan autonomi, mendapatkan hubungan kedudukan ini memerlukan satu siri kerja penentukuran dan penentududukan. Kamera ialah matriks putaran + terjemahan berbanding dengan sistem koordinat lain, di mana parameter luaran putaran ialah sudut Euler yang disebut di atas [yaw, tampal, guling], susunan putaran secara amnya (z-y-x), darjah unit terjemahan; parameter ialah terjemahan kamera kepada sistem koordinat sasaran Jarak, meter unit
Sistem koordinat tujuh kenderaan dan sistem koordinat dunia
7.1 Sistem Koordinat Kenderaan (Sistem Koordinat Kenderaan)
Sistem koordinat tetap pada kenderaan.- Biasanya, paksi-X menghala ke hadapan kenderaan, paksi-Y menghala ke kanan (atau kiri, bergantung pada persetujuan) kenderaan, dan paksi-Z menghala ke atas kenderaan.
- Asal sistem koordinat ini biasanya terletak pada titik tetap pada kenderaan, seperti pusat kenderaan, gandar belakang kenderaan, dan lain-lain, bergantung pada aplikasi dan konvensyen tertentu.
Ini ialah sistem koordinat global tetap yang digunakan untuk menerangkan objek dan kenderaan dalam persekitaran.
- Asal usul dan arah sistem koordinat dunia biasanya dipilih berdasarkan aplikasi atau senario tertentu. Sebagai contoh, ia boleh diletakkan pada titik tetap pada peta, atau di tengah pemandangan.
- Sistem koordinat dunia menyediakan rangka rujukan yang sama untuk berbilang entiti, membenarkan kedudukan relatif dan navigasi antara mereka.
- Sejak kenderaan bergerak di dunia, hubungan antara sistem koordinat kenderaan sendiri dan sistem koordinat dunia berubah mengikut masa. - Untuk menukar antara dua sistem koordinat ini, matriks transformasi atau transformasi (biasanya terdiri daripada putaran dan terjemahan) biasanya diperlukan. Penukaran ini boleh diperolehi melalui pelbagai sensor (seperti GPS, IMU, lidar) dan algoritma (seperti SLAM). - Penjelmaan boleh dinyatakan sebagai matriks koordinat homogen 4x4, membolehkan kita mengubah dari satu sistem koordinat ke sistem koordinat yang lain.
Dalam kebanyakan kes, sistem koordinat kenderaan sendiri dan sistem koordinat dunia adalah sama, dan artikel ini juga memahami iniHubungan penukaran antara lapan sistem koordinat
8.1 Dari sistem koordinat dunia sistem koordinat kamera
Transformasi sistem koordinat antara objek boleh mewakili
transformasi putaran ditambah transformasi terjemahan sistem koordinat, dan perkara yang sama berlaku untuk hubungan penukaran daripada sistem koordinat dunia kepada sistem koordinat kamera. Memusingkan sudut yang berbeza di sekeliling paksi yang berbeza menghasilkan matriks putaran yang berbeza.Gambarajah skematik putaran θ mengelilingi paksi Z:
Akhirnya, ia boleh diringkaskan secara ringkas sebagai matriks putaran:
8.2 Sistem koordinat kamera kepada sistem koordinat imej
Daripada sistem koordinat kamera kepada sistem koordinat imej, ia tergolong dalam hubungan unjuran perspektif, menukar daripada 3D kepada 2D Ia juga boleh dilihat sebagai model perubahan model lubang jarum. Penuhi teorem persamaan segi tiga.
8.3 Sistem koordinat imej ke sistem koordinat piksel
Dalam kes ini, tidak seperti transformasi sistem koordinat sebelumnya, tiada perubahan putaran pada masa ini, tetapi kedudukan dan saiz asal koordinat tidak konsisten, jadi reka bentuk teleskopik diperlukan Transformasi dan transformasi terjemahan
8.4 Hubungan antara empat sistem koordinat
Melalui perhubungan penukaran akhir, titik koordinat tiga dimensi boleh mencari titik piksel yang sepadan dalam imej. Walau bagaimanapun, sebaliknya, ia menjadi masalah untuk mencari titik sepadan dalam ruang tiga dimensi melalui titik dalam imej, kerana kita tidak tahu nilai di sebelah kiri persamaan
Kotak merah ialah parameter luaran, R dan T ialah jumlah putaran dan terjemahan masing-masing. Parameter dalaman ialah sifat bawaan kamera, yang sebenarnya ialah panjang fokus f dan saiz piksel dx,dy. Jelas sekali, ia mewakili jarak antara titik dan paksi optik
Sembilan ringkasan
menyusun pelbagai sistem koordinat pemanduan autonomi, menunjukkan hubungan antara pelbagai sistem koordinat pemanduan autonomi, dan akhirnya memperoleh hubungan antara. sistem koordinat piksel dan sistem koordinat dunia.
Pautan asal: https://mp.weixin.qq.com/s/tTRCjZBRZcnb59nX3FRR8w
Atas ialah kandungan terperinci Adakah anda benar-benar menguasai penukaran sistem koordinat? Isu berbilang sensor yang tidak dapat dipisahkan daripada pemanduan autonomi. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Ditulis di atas & pemahaman peribadi pengarang Gaussiansplatting tiga dimensi (3DGS) ialah teknologi transformatif yang telah muncul dalam bidang medan sinaran eksplisit dan grafik komputer dalam beberapa tahun kebelakangan ini. Kaedah inovatif ini dicirikan oleh penggunaan berjuta-juta Gaussians 3D, yang sangat berbeza daripada kaedah medan sinaran saraf (NeRF), yang terutamanya menggunakan model berasaskan koordinat tersirat untuk memetakan koordinat spatial kepada nilai piksel. Dengan perwakilan adegan yang eksplisit dan algoritma pemaparan yang boleh dibezakan, 3DGS bukan sahaja menjamin keupayaan pemaparan masa nyata, tetapi juga memperkenalkan tahap kawalan dan pengeditan adegan yang tidak pernah berlaku sebelum ini. Ini meletakkan 3DGS sebagai penukar permainan yang berpotensi untuk pembinaan semula dan perwakilan 3D generasi akan datang. Untuk tujuan ini, kami menyediakan gambaran keseluruhan sistematik tentang perkembangan dan kebimbangan terkini dalam bidang 3DGS buat kali pertama.

Semalam semasa temu bual, saya telah ditanya sama ada saya telah membuat sebarang soalan berkaitan ekor panjang, jadi saya fikir saya akan memberikan ringkasan ringkas. Masalah ekor panjang pemanduan autonomi merujuk kepada kes tepi dalam kenderaan autonomi, iaitu, kemungkinan senario dengan kebarangkalian yang rendah untuk berlaku. Masalah ekor panjang yang dirasakan adalah salah satu sebab utama yang kini mengehadkan domain reka bentuk pengendalian kenderaan autonomi pintar satu kenderaan. Seni bina asas dan kebanyakan isu teknikal pemanduan autonomi telah diselesaikan, dan baki 5% masalah ekor panjang secara beransur-ansur menjadi kunci untuk menyekat pembangunan pemanduan autonomi. Masalah ini termasuk pelbagai senario yang berpecah-belah, situasi yang melampau dan tingkah laku manusia yang tidak dapat diramalkan. "Ekor panjang" senario tepi dalam pemanduan autonomi merujuk kepada kes tepi dalam kenderaan autonomi (AVs) kes Edge adalah senario yang mungkin dengan kebarangkalian yang rendah untuk berlaku. kejadian yang jarang berlaku ini

0. Ditulis di hadapan&& Pemahaman peribadi bahawa sistem pemanduan autonomi bergantung pada persepsi lanjutan, membuat keputusan dan teknologi kawalan, dengan menggunakan pelbagai penderia (seperti kamera, lidar, radar, dll.) untuk melihat persekitaran sekeliling dan menggunakan algoritma dan model untuk analisis masa nyata dan membuat keputusan. Ini membolehkan kenderaan mengenali papan tanda jalan, mengesan dan menjejaki kenderaan lain, meramalkan tingkah laku pejalan kaki, dsb., dengan itu selamat beroperasi dan menyesuaikan diri dengan persekitaran trafik yang kompleks. Teknologi ini kini menarik perhatian meluas dan dianggap sebagai kawasan pembangunan penting dalam pengangkutan masa depan satu. Tetapi apa yang menyukarkan pemanduan autonomi ialah memikirkan cara membuat kereta itu memahami perkara yang berlaku di sekelilingnya. Ini memerlukan algoritma pengesanan objek tiga dimensi dalam sistem pemanduan autonomi boleh melihat dan menerangkan dengan tepat objek dalam persekitaran sekeliling, termasuk lokasinya,

Kertas StableDiffusion3 akhirnya di sini! Model ini dikeluarkan dua minggu lalu dan menggunakan seni bina DiT (DiffusionTransformer) yang sama seperti Sora. Ia menimbulkan kekecohan apabila ia dikeluarkan. Berbanding dengan versi sebelumnya, kualiti imej yang dijana oleh StableDiffusion3 telah dipertingkatkan dengan ketara Ia kini menyokong gesaan berbilang tema, dan kesan penulisan teks juga telah dipertingkatkan, dan aksara bercelaru tidak lagi muncul. StabilityAI menegaskan bahawa StableDiffusion3 ialah satu siri model dengan saiz parameter antara 800M hingga 8B. Julat parameter ini bermakna model boleh dijalankan terus pada banyak peranti mudah alih, dengan ketara mengurangkan penggunaan AI

Ramalan trajektori memainkan peranan penting dalam pemanduan autonomi Ramalan trajektori pemanduan autonomi merujuk kepada meramalkan trajektori pemanduan masa hadapan kenderaan dengan menganalisis pelbagai data semasa proses pemanduan kenderaan. Sebagai modul teras pemanduan autonomi, kualiti ramalan trajektori adalah penting untuk kawalan perancangan hiliran. Tugas ramalan trajektori mempunyai timbunan teknologi yang kaya dan memerlukan kebiasaan dengan persepsi dinamik/statik pemanduan autonomi, peta ketepatan tinggi, garisan lorong, kemahiran seni bina rangkaian saraf (CNN&GNN&Transformer), dll. Sangat sukar untuk bermula! Ramai peminat berharap untuk memulakan ramalan trajektori secepat mungkin dan mengelakkan perangkap Hari ini saya akan mengambil kira beberapa masalah biasa dan kaedah pembelajaran pengenalan untuk ramalan trajektori! Pengetahuan berkaitan pengenalan 1. Adakah kertas pratonton teratur? A: Tengok survey dulu, hlm

Tajuk asal: SIMPL: ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving Paper pautan: https://arxiv.org/pdf/2402.02519.pdf Pautan kod: https://github.com/HKUST-Aerial-Robotics/SIMPL Unit pengarang: Universiti Sains Hong Kong dan Teknologi Idea Kertas DJI: Kertas kerja ini mencadangkan garis dasar ramalan pergerakan (SIMPL) yang mudah dan cekap untuk kenderaan autonomi. Berbanding dengan agen-sen tradisional

Ditulis di hadapan & titik permulaan Paradigma hujung ke hujung menggunakan rangka kerja bersatu untuk mencapai pelbagai tugas dalam sistem pemanduan autonomi. Walaupun kesederhanaan dan kejelasan paradigma ini, prestasi kaedah pemanduan autonomi hujung ke hujung pada subtugas masih jauh ketinggalan berbanding kaedah tugasan tunggal. Pada masa yang sama, ciri pandangan mata burung (BEV) padat yang digunakan secara meluas dalam kaedah hujung ke hujung sebelum ini menyukarkan untuk membuat skala kepada lebih banyak modaliti atau tugasan. Paradigma pemanduan autonomi hujung ke hujung (SparseAD) tertumpu carian jarang dicadangkan di sini, di mana carian jarang mewakili sepenuhnya keseluruhan senario pemanduan, termasuk ruang, masa dan tugas, tanpa sebarang perwakilan BEV yang padat. Khususnya, seni bina jarang bersatu direka bentuk untuk kesedaran tugas termasuk pengesanan, penjejakan dan pemetaan dalam talian. Di samping itu, berat

Pada bulan lalu, atas sebab-sebab yang diketahui umum, saya telah mengadakan pertukaran yang sangat intensif dengan pelbagai guru dan rakan sekelas dalam industri. Topik yang tidak dapat dielakkan dalam pertukaran secara semula jadi adalah hujung ke hujung dan Tesla FSDV12 yang popular. Saya ingin mengambil kesempatan ini untuk menyelesaikan beberapa buah fikiran dan pendapat saya pada masa ini untuk rujukan dan perbincangan anda. Bagaimana untuk mentakrifkan sistem pemanduan autonomi hujung ke hujung, dan apakah masalah yang sepatutnya dijangka diselesaikan hujung ke hujung? Menurut definisi yang paling tradisional, sistem hujung ke hujung merujuk kepada sistem yang memasukkan maklumat mentah daripada penderia dan secara langsung mengeluarkan pembolehubah yang membimbangkan tugas. Sebagai contoh, dalam pengecaman imej, CNN boleh dipanggil hujung-ke-hujung berbanding kaedah pengekstrak ciri + pengelas tradisional. Dalam tugas pemanduan autonomi, masukkan data daripada pelbagai penderia (kamera/LiDAR
