الموقعية ثلاثية الأبعاد الفعّالة باستخدام تقنيات التعلم الآلي: مع دراسات إضافية حول تقدير الوضع وإعادة بناء الشكل

تتناول هذه الرسالة موضوع الموقعية، إعادة بناء الشكل، وتقدير الوضع من الصور الأحادية. بينما تسمح الكاميرات المتعددة بتحديد العمق عبر المثلثات في المشاهد، تتطلب الإعدادات الأحادية بعض العناصر النسبية، والافتراضات المعقولة عن العالم الحقيقي، والتقنين، والتعلم الآلي (ML) أو مجموعة من هذه العناصر. تتناول المقالات المرفقة بهذه الرسالة العديد من المواضيع، حيث تعتبر الموقعية الأحادية موضوعاً شائعاً. أولاً، يتم اعتبار تقدير الوضع ثلاثي الأبعاد بالتزامن مع إعادة بناء الشكل في إعدادات المرور. الجزء التالي يتعلق بتحليلات الرياضة وموقع اللاعبين في الملعب. هنا، تعتبر إنشاء الصورة العلوية (BEV) جزءًا مهمًا حيث يسمح بالكشف والموقعية دون الحاجة إلى كشف كائنات صريح مسبقًا في مساحة البكسل. يهدف ذلك إلى النشر المستقبلي على الأجهزة المدمجة، لذا تم اعتبار التبليط والتكميم أيضًا. يسمح التبليط للأجهزة المحدودة الذاكرة بتشغيل الاستنتاج مع الحفاظ على الأداء، بينما يتيح التكميم إجراء استنتاج أسرع على الأجهزة المدمجة ولكن أيضًا تمكين الاستنتاج على الأجهزة التي لا تحتوي على عمليات الفاصلة العائمة. تمت معالجة مشكلة نقص المعلومات في الصور الأحادية بطرق مختلفة طوال هذه الرسالة. تعتبر المقالات المتعلقة بالمرور مقياساً كعنصر مهم بالإضافة إلى سطح الأرض المحسوب مسبقًا حيث تم افتراض موقع المرور. في مشكلة تحليلات الرياضة، تم اعتبار سطح الأرض المستوي للعثور على المواقع. تم التأكيد على ذلك من خلال اختيار حساب الموقعية من BEV. جزء آخر مهم من الطرق الأحادية هو طرق استخراج الميزات المختلفة وقدراتها المختلفة. استخدمت المقالات أساليب مختلفة وتستمر الرسالة في المناقشة. الموقعية الأحادية ممكنة جدًا اليوم وتظهر مقدمة التبليط والتكميم وعدًا لمزيد من البحث بالإضافة إلى حالات الاستخدام في الصناعة.