نسخة Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# الأنماط المتكررة تشوّه تقدير العمق المجسّم في اختبارات المركبات

> تعزو دراسة بقيادة جامعة فلوريدا أخطاء تقدير العمق المجسّم إلى أخذ العينات بالكاميرا ومعايرتها. وتُظهر اختبارات مركبات مضبوطة إدراكًا زائفًا للعوائق؛ كما يحدّ دفاع برمجي مقترح من الأخطاء في مجموعات صور محدودة.

By BIG CHANGE Editorial

Published: 2026-09-24T04:45:44.657Z
Updated: 2026-09-24T04:45:44.657Z
Canonical: https://bigchange.ai/blog/repeated-patterns-stereo-depth-vehicle-tests

![From behind, a tripod-mounted stereo camera points toward a freestanding panel with repeated dark and orange vertical stripes.](https://bigchange.ai/api/media/file/stereo-camera-repeated-pattern-hero-v2.png)
AI-generated conceptual illustration by BIG CHANGE.

تفيد مجموعة بقيادة جامعة فلوريدا بأن الأنماط المرئية المتكررة قد تجعل كاميرات الرؤية المجسّمة ونماذج الذكاء الاصطناعي لتقدير العمق تضع الأجسام على مسافة خاطئة. وفي تجارب مضبوطة، أنتجت كاميرات على روبوت أرضي متحرك وسيارة تقديرات زائفة للعوائق استمرت مدة كافية لبلوغ عتبة الاستجابة التي استشهد بها الباحثون في برامج القيادة الذاتية.

وتربط [الدراسة المنشورة على أريكسيف في 14 سبتمبر](https://arxiv.org/abs/2609.16336) تلك الأخطاء بكيفية تحويل الكاميرات الضوء إلى بكسلات ومحاذاة صورتيها. كما تختبر وسيلة دفاع برمجية. وبالنسبة إلى مطوري الأنظمة الذاتية ومقيّميها، تكمن النتيجة المفيدة في تحديد آلية إخفاق بعينها تستمر في نماذج العمق المتعلّمة، إلى جانب أدلة على إمكان الحد منها.

## التغيير الأبرز

- **ما الذي تغيّر:** يربط الباحثون الالتباس الناجم عن الأنماط المرئية المتكررة بآثار قابلة للقياس في الكاميرا، ثم يعرضون أخطاء في تقدير العمق باستخدام المطابقة المجسّمة التقليدية والنماذج المتعلّمة. ولم يؤد استبدال خوارزمية المطابقة بالذكاء الاصطناعي إلى إزالة الضعف في الأنظمة التي اختُبرت.
- **لماذا يهم ذلك:** تغذي تقديرات المسافة أنظمةَ كشف العوائق. وفي هذه التجارب، أمكن لشاحنة صغيرة بمحاذاة مسار القيادة أن تظهر كعائق متخيّل داخله. وهذا يجعل موثوقية تقدير العمق ذات صلة بالقرار التالي للمركبة.
- **ما الذي ينبغي مراقبته:** يفحص الدفاع المقترح عملية المطابقة بحثًا عن التكرار. وكانت نتائجه واعدة في مجموعات صور محدودة؛ أما موثوقيته مع كاميرات ونماذج وظروف تشغيل أخرى فتبقى السؤال العملي عند التفكير في اعتماده.

## كيف يغيّر التكرار تقدير المسافة

تستخدم الكاميرا المجسّمة منظورين للمشهد نفسه. ويبحث البرنامج عن سمة في كل صورة ويقيس إزاحتها الأفقية، المسماة اختلاف المنظر. ثم يحوّل هندسُ الكاميرا تلك الإزاحة إلى مسافة.

ينشئ النمط المتكرر عدة مطابقات محتملة. ويحدد [تحليل البحث](https://arxiv.org/html/2609.16336v1#S3) طريقتين قد ترجح بهما المطابقة الخاطئة. أولًا، تأخذ كل كاميرا عينات من المشهد على شبكة بكسلات. وقد يقع الحد الفاصل بين شكل داكن وخلفية ساطعة في موضع مختلف على الشبكتين، ما ينتج تفاوتًا طفيفًا في شدة البكسلات. ثانيًا، تشوّه أخطاء المعايرة المتبقية الترابط بين الصورتين.

وقد تجعل هذه التأثيرات مجتمعةً تكرارًا آخر أشبه بالمرجع من التكرار الصحيح. فتضع الإزاحة الناتجة السطح على مسافة غير صحيحة. ووجد الفريق هذه الحساسية أيضًا في نماذج العمق المجسّم المتعلّمة، التي تقارن سمات مستخرجة من الصور.

كانت تلك الأنماط مختارة عمدًا. ويفترض نموذج التهديد في الدراسة معرفة الكاميرا وإعدادات المعالجة ذات الصلة، أو إمكانية الوصول إلى نظام مشابه لأغراض التقييم. وفي [عرض جامعة فلوريدا للبحث، المؤرخ في 22 سبتمبر](https://news.ufl.edu/2026/09/ai-powered-vehicles/)، ترى قائدة البحث سارة رامباتسي أيضًا أن الأنماط المتكررة التي تظهر طبيعيًا مصدر قلق على السلامة. لكن الدراسة لا تقيس مدى تكرار تسبب خامات الطرق العادية في أخطاء خطيرة لدى المركبات المستخدمة فعليًا.

## غطت الاختبارات أجزاء مختلفة من نظام الإدراك

جمع الباحثون بين تجارب على صور مسجلة وقياسات مادية للكاميرات ومحاكاة.

| التقييم | الأنظمة والظروف | ما الذي قيس |
| --- | --- | --- |
| صور قيادة معدّلة | أُضيفت أنماط إلى 7,518 زوجًا من صور KITTI المجسّمة؛ وخوارزميتا المطابقة BM وSGBM، إضافة إلى PSMNet وMoCha-Stereo وUniMatch | التغير في العمق المقدّر باستخدام الطرق التقليدية والمتعلّمة |
| دمج المجسّم وLiDAR | خوارزمية SGM-DDC مع سحابة نقاط LiDAR مُنشأة تمثل جدارًا مستويًا | مدى مقاومة طريقة الدمج هذه للخطأ الناتج عن الأنماط |
| اختبارات مادية بالكاميرا | كاميرتا ZED2 وRealSense، في الداخل والخارج | أخطاء العمق الناتجة عن أنماط معروضة أو مسقطة |
| الحركة الفعلية | كاميرات على المركبة الأرضية AgileX Hunter 2.0 بسرعة 10 كم/ساعة وعلى سيارة بسرعة نحو 15 كم/ساعة | مدة استمرار تقديرات العمق الزائفة أثناء الحركة |
| محاكاة بسرعات أعلى | محاكاة CARLA بسرعات 10 و20 و30 و40 كم/ساعة، مع معالجة الصور المجسّمة باستخدام BM | استمرار خطأ العمق في القيادة المحاكاة |

تحدد الدراسة وملحق المواد البحثية مستشعر RealSense بأنه D435. أما [صفحة عرض المؤلفين](https://cpseclab.github.io/stereocam/) فتسميه D435i؛ ولا تحسم أوصاف هذه المصادر الطراز الدقيق على نحو متسق.

في أحد الاختبارات الداخلية، قُدرت مسافة سطح يبعد ثلاثة أمتار عن الكاميرتين بـ0.8 متر بواسطة ZED2 و0.6 متر بواسطة RealSense في ظل ظروف الأنماط المختارة.

كان SGM-DDC، الذي يستخدم مسافات LiDAR لتقييد المطابقة المجسّمة، أكثر مقاومة لتغيرات الأنماط من الطرق التي لا تدمج النظامين، لكنه ظل ينتج أخطاءً في الإعداد المختبر. كما تقصر مدخلات LiDAR المُنشأة هذه النتيجة على طريقة دمج واحدة وفي ظروف مصطنعة.

## أثبتت اختبارات القيادة إدراكًا زائفًا للعوائق

في تجربة السيارة المادية، أسقط الفريق نمطًا على شاحنة صغيرة بجوار مسار السيارة. وأظهر تقدير العمق الزائف جزءًا من ذلك السطح داخل المسار الذي أدركته السيارة. ويورد جدول النتائج في البحث أن التقديرات الزائفة استمرت نحو 0.7 إلى 1.2 ثانية عبر الكاميرتين وظروف الإضاءة المختلفة.

وفي تقييم المراحل اللاحقة، استخدم الباحثون التجميع الإقليدي في Autoware، الذي يجمع النقاط المتقاربة في خريطة العمق ضمن عوائق محتملة. واحتسبوا التجربة ناجحة حين رُصدت النقاط الزائفة كعائق، واستشهدوا بعتبة استمرار قدرها 0.5 ثانية بوصفها كافية لاستجابة آلية، مثل الكبح الطارئ. ويصف [ملحق المواد البحثية](https://zenodo.org/records/20767261) كذلك تقييم سحب النقاط المسجلة ومدة استمرار مجموعة العمق الزائف.

لا يوثق التقييم المنشور مناورة كبح طارئ مادية أو تباطؤًا مقاسًا أو حادث اصطدام. وتصف جامعة فلوريدا احتمالات التصادم ومخاطر الكبح المفاجئ بوصفها أخطارًا أثارها البحث. ولم تُظهر التجارب المنشورة وقوع هذه النتائج.

أُجريت الاختبارات المادية في بيئات مضبوطة وبسرعات تصل إلى 15 كم/ساعة. أما نتيجة 40 كم/ساعة فمصدرها محاكاة CARLA؛ إذ استمر التلاعب بالعمق المحاكى 2.1 ثانية. وتوسّع المحاكاة المنفصلة نطاق الظروف المدروسة، لكنها لا تثبت إجراء اختبار مادي بهذه السرعة.

## دفاع يفحص تكرار المطابقات المرشحة

يفحص الدفاع المقترح الدرجات المستخدمة لمقارنة الصورتين. وتنتج البنى المتكررة سلسلة متواترة من المطابقات المحتملة. وترصد الطريقة هذا الانتظام وتطابق المنطقة المتأثرة بوصفها وحدة أكبر، ما يقلل احتمال اختيار العنصر المتكرر الخطأ.

في 200 زوج من الصور المجسّمة التي جُمعت في ظروف الاختبارات المادية، يفيد المؤلفون بأنهم خفضوا خطأ العمق إلى أقل من نصف متر في 96.5% من الحالات المقيّمة. كما كيّفوا النهج لاستخدام معلومات المطابقة الوسيطة داخل PSMNet. وفي 200 زوج من صور KITTI أُضيفت إليها الأنماط، خفض هذا الإصدار الخطأ إلى أقل من 0.1 متر في كل الحالات المقيّمة.

تخص نتيجة الدفاع على النموذج المتعلّم PSMNet؛ ولا تثبت النتيجة نفسها في MoCha-Stereo أو UniMatch. كما تقصر الدراسة تجاربها المادية على أسطح إسقاط مستوية أو شبه مستوية، وتستخدم نمطًا ثابتًا خلال التجارب الديناميكية. ويبين نقاشها أن بيانات التدريب قد تغير الأنماط المؤثرة في النموذج ومقدار تأثيرها.

تمنح التجارب مطوري الأنظمة سببًا لفحص سلوك الأنماط المتكررة في معالجة الكاميرات وفي تقدير العمق المتعلّم معًا. لكن أداء الدفاع عبر ظروف التشغيل الكاملة لنظام مستخدم فعليًا لم يُحسم بعد.

يذكر المؤلفون أن نشر البحث في مؤتمر ACM CCS 2026 مقرر لاحقًا. ويورد [الموقع الرسمي للمؤتمر](https://www.sigsac.org/ccs/CCS2026/) موعد 15–19 نوفمبر في لاهاي، ويقول إن البرنامج النهائي قيد الإعداد. ولم يُعرض البحث في المؤتمر حتى الآن.

## المصادر وقراءات إضافية

- [وهم العمق: كشف الثغرات الخفية للرؤية المجسّمة في تقدير العمق](https://arxiv.org/abs/2609.16336)، 14 سبتمبر 2026. يشرح البحث الكامل الآلية والخوارزميات والكاميرات التي خضعت للتقييم والظروف المادية والمحاكاة ونتائج الدفاع وحدوده. وتتمثل النتيجة المنشورة للمركبة في إدراك زائف للعوائق مع عتبة استجابة استشهد بها الباحثون؛ ولا توثق الأساليب مناورة كبح أو اصطدامًا فعليًا.
- [حساب جامعة فلوريدا للبحث](https://news.ufl.edu/2026/09/ai-powered-vehicles/)، 22 سبتمبر 2026 بحسب التاريخ في المصدر الحي. يعرض تفسير فريق البحث وما نسب إليه من مخاوف بشأن السلامة. وسيناريوهات التصادم والكبح المفاجئ عواقب محتملة، لا حوادث مرصودة.
- [صفحة العرض التوضيحي للمؤلفين: وهم العمق](https://cpseclab.github.io/stereocam/) و[المواد البحثية](https://zenodo.org/records/20767261)، جرى التحقق في 24 سبتمبر 2026. يصف ملحق المواد تقييمات الصور وسحب النقاط والمحاكاة. وتذكر تعليقات العرض D435i بينما تذكر الدراسة والملحق D435. ولم تستخدم «بيغ تشينج» مقاطع الفيديو المضمنة كأدلة إضافية.
- [مؤتمر ACM CCS 2026](https://www.sigsac.org/ccs/CCS2026/)، جرى التحقق في 24 سبتمبر 2026. يؤكد موعد المؤتمر وموقعه. وذكر المؤلفون أن نشر البحث مقرر لاحقًا؛ أما صفحة المؤتمر التي روجعت لهذا المقال فلم تذكر موعدًا محددًا لعرضه.

## Sources

- [وهم العمق: كشف الثغرات الخفية للرؤية المجسّمة في تقدير العمق](https://arxiv.org/abs/2609.16336) — 14 سبتمبر 2026. يحدد البحث الكامل الآلية والأنظمة المقيّمة ونتائج الدفاع عبر الأساليب والأشكال والملاحق. وقاست اختبارات القيادة المادية العمق الزائف وتجميع العوائق، واستُنتجت الاستجابة من عتبة الاستمرار؛ ولا يوثق البحث مناورة كبح مادية أو اصطدامًا.
- [جامعة فلوريدا: أنماط مرئية بسيطة قد تخدع المركبات والروبوتات العاملة بالذكاء الاصطناعي](https://news.ufl.edu/2026/09/ai-powered-vehicles/) — 22 سبتمبر 2026 بحسب التاريخ الوارد في المصدر الحي. يقدم تفسير فريق البحث ومخاوف السلامة المنسوبة إليه. وسيناريوهات التصادم والكبح المفاجئ عواقب محتملة لا حوادث مرصودة.
- [صفحة العرض التوضيحي للمؤلفين: وهم العمق](https://cpseclab.github.io/stereocam/) — جرى التحقق في 24 سبتمبر 2026. تصف التجربة وحالة نشر البحث لاحقًا في مؤتمر ACM CCS. وتحدد تعليقات العرض مستشعر RealSense D435i، فيما تذكر الدراسة وملحق المواد D435. ولم تستخدم مقاطع الفيديو المضمنة كأدلة إضافية.
- [مواد بحث وهم العمق وملحقها](https://zenodo.org/records/20767261) — نُشرت النسخة الحالية في 8 أغسطس 2026؛ وجرت مراجعتها في 24 سبتمبر. يصف الملحق الكامل تقييمات سحب النقاط المسجلة ومدد الاختبارات المادية ومحاكاة CARLA وتقييم الدفاع. ولم تُعِد «بيغ تشينج» التجارب.
- [الموقع الرسمي لمؤتمر ACM CCS 2026](https://www.sigsac.org/ccs/CCS2026/) — جرى التحقق في 24 سبتمبر 2026. يؤكد الموعد من 15 إلى 19 نوفمبر في لاهاي، وإشعار 18 سبتمبر بأن البرنامج النهائي قيد الإعداد. ويصف المؤلفون ورقتهم بأنها ستصدر لاحقًا؛ ولم تحدد صفحة المؤتمر التي روجعت موعد عرضها.