GlassGuard kartiert Glasflächen verifiziert für sichere Roboternavigation
GlassGuard ist ein Preprint-Framework, das transparente Architekturverglasung aus Kamera- und LiDAR-Daten rekonstruiert und als Hindernis in die Navigationskarte einträgt. In neun realen Gebäudeszenen mit mehr als einer Stunde und 2,1 km Fahrt erreicht die Panoramavariante 85,2 % Gesamtabdeckung, die Pinhole-Variante 82,1 % gegenüber höchstens 61 % der getesteten Baselines, bei 5- bis 17-mal weniger falschen Voxeln pro Bild. Der Ansatz verbindet damit Sicherheit durch Glasabdeckung mit Nutzbarkeit durch geringe Belegung des Freiraums.
Wie können planare Glasflächen aus visuellen und LiDAR-Daten so rekonstruiert und verwaltet werden, dass sie als Hindernisse abgedeckt werden, ohne befahrbaren Freiraum zu verunreinigen?
Transparente und spiegelnde Oberflächen liefern unzuverlässige LiDAR-Rückmeldungen; Glas fehlt dann in der Karte. Direkte Lernverfahren oder Pipeline-Ansätze platzieren Glasflächen oft metrisch falsch, etwa durch falsche Kanten, Tiefenfehler oder Reflexionen, und blockieren dadurch freie Wege. Die bisherigen Systeme prüfen weder Orientierung noch Tiefe einzelner Kandidaten und revidieren sie nicht, wodurch das doppelte Ziel aus Sicherheit und Nutzbarkeit verletzt wird.
Bisherige Ansätze nutzen physikalische Hinweise wie Intensität, Reflexionsmuster oder Ultraschall, die jedoch von beobachtbaren Rückstreuungen oder Zusatzhardware abhängen. Verfahren wie MonoGlass3D sagen Glasmaske und Ebenenparameter direkt aus RGB vorher, während die Pipeline GlassRecon einen Foundation-Modell-Tiefenschätzer mit RGB-D-Messungen per RANSAC ausrichtet. Beide platzieren Oberflächen pro Einzelbild ohne Orientierungs- oder Tiefenprüfung und ohne spätere Korrektur.
GlassGuard trennt die Aufgaben: Ein beschnittener Slim-SAM3-Student liefert 2D-Instanzmasken über konfidenzgesteuertes Pruning und Destillation. Aus zugeordneten LiDAR-Seeds werden vertikale und horizontale Strukturpfeiler extrahiert und daraus begrenzte 3D-Ebenenkandidaten gebildet. Eine tiefenfreie Strahlwurf-Prüfung vergleicht die aus Maskenkanten und Schwerkraft abgeleitete Gierreferenz mit der LiDAR-Ebene und akzeptiert Kandidaten nur bei ausreichender Orientierungsübereinstimmung. Ein globaler Manager fusioniert überlappende Hypothesen anhand von Seed-Unterstützung, entfernt durch Bodenpunkt-Evidenz widersprochene Ebenen und weist Ebenen bei steigender Off-Mask-Fraktion in Mehrfachansichten aus.
Die Autoren evaluieren auf einem Mecanum-Roboter mit Livox Mid-360 LiDAR und 1920x640-Panoramakamera in neun Szenen, sechs Innen- und Außenbereichen, tagsüber und nachts, über eine Stunde und 2,1 km Fahrt. Bei identischer Pinhole-Eingabe erreicht GG-pin 82,1 % Ever-Abdeckung gegenüber 61,0 % für MonoGlass3D und 44,4 % für GlassRecon; GG-360 erreicht 85,2 %. Schon bis 10 m Warndistanz deckt GG-pin 32,6 % und GG-360 47,6 % ab, die Baselines 11,8 % und 16,6 %. Beim aktuellen Kartenzustand deckt GG-360 89,1 % der geforderten Voxelbilder im 0- bis 2-m-Band und 91,5 % im 2- bis 5-m-Band ab, GG-pin 84,4 % und 89,0 %. Die mittlere Anzahl falscher Voxel pro Bild liegt für GG-pin bei 16,7 und für GG-360 bei 15,3, gegenüber 85,4 für GlassRecon und 290,2 für MonoGlass3D, also 5- bis 17-mal weniger. Die Pinhole-Variante benötigt im Mittel 0,74 s pro Bild auf einer RTX 5070 Ti Laptop-GPU, GlassRecon 3,6 s; der VRAM-Bedarf beträgt 1,7 GB.
Die Autoren nennen als Grenzen: Die Annahme planarer, annähernd vertikaler Glasflächen schließt gekrümmte oder stark geneigte Verglasung aus; schnellere Detektion und Inferenz würden die Update-Rate erhöhen. Die Mehrfachansichtsprüfung reduziert die akkumulierte Fehlbelegung um 10 %, senkt aber die aktuelle Nahfeldabdeckung um 5,4 Punkte und ist damit ein bewusster Zielkonflikt. Alle Ergebnisse stammen von einer einzigen Roboterplattform mit einem LiDAR-Typ; quantitative Navigationserfolgsmessungen fehlen. Im Paper nicht berichtet sind weitere Plattformen, Sensorvarianten oder eine formale Peer-Review.
Hersteller autonomer Serviceroboter, Reinigungsroboter und Logistikfahrzeuge in glasreichen Gebäuden wie Büros, Hotels oder Krankenhäusern könnten GlassGuard als Kartierungs- und Planungsmodul in bestehende LiDAR-SLAM-Stacks integrieren. Bei der aktuellen Rechenzeit von 0,74 s pro Bild und der Beschränkung auf planare, annähernd vertikale Glasflächen ist ein produktiver Einsatz mittelfristig denkbar, sobald die Update-Rate steigt und die Methode auf weiteren Roboter- und Sensorkonfigurationen validiert wird. Der Zeithorizont liegt bei 1 bis 3 Jahren; für Spezialanwendungen mit niedrigeren Frequenzanforderungen ist eine Integration bereits jetzt vorstellbar.
Der Volltext wird hier nicht wiedergegeben, weil die Lizenz der Studie das nicht erlaubt. Das Original steht auf arXiv.