DesertFormer: تقسيم دلالي قائم على المحولات لتصنيف تضاريس الصحراء خارج الطرق في أنظمة الملاحة الذاتية

الإدراك الموثوق للتضاريس هو متطلب أساسي للملاحة الذاتية في بيئات خارج الطرق وغير منظمة. نقدم DesertFormer، خط أنابيب لتقسيم دلالي لتحليل تضاريس الصحراء خارج الطرق يعتمد على SegFormer B2 مع بنية أساسية هرمية Mix Transformer (MiT-B2). يصنف النظام التضاريس إلى عشر فئات ذات معانٍ بيئية—الأشجار، الشجيرات الخصبة، العشب الجاف، الشجيرات الجافة، الفوضى الأرضية، الزهور، الجذوع، الصخور، المناظر الطبيعية، والسماء—مما يتيح تخطيط مسار آمن للروبوتات الأرضية والمركبات الذاتية. تم تدريبه على مجموعة بيانات مصممة خصيصًا تضم 4,176 صورة معلمة بدقة 512×512، يحقق DesertFormer متوسط تقاطع الاتحاد (mIoU) بنسبة 64.4% ودقة بكسل 86.1%، مما يمثل تحسنًا مطلقًا بنسبة +24.2% مقارنة بخط الأساس DeepLabV3 MobileNetV2 (41.0% mIoU). تحدد تحليل الفشل أنماط الخلط الأساسية—الفوضى الأرضية ↔ المناظر الطبيعية والعشب الجاف ↔ المناظر الطبيعية—التي تنشأ عن التشابه الطيفي تحت إضاءة الصحراء. تم نشر الشفرة والنقاط المرجعية ولوحة استدلال تفاعلية على https://github.com/Yasaswini-ch/Vision-based-Desert-Terrain-Segmentation-using-SegFormer.