GlassGuard：验证式玻璃平面建图方法，兼顾高覆盖率与低假阳性
这篇预印本提出 GlassGuard 框架，结合视觉玻璃分割、LiDAR 结构线索和深度无关的2D投影几何验证，重建建筑玻璃平面并纳入导航地图。在九个真实场景、2.1公里机器人运行中，全景版本实现85.2%的玻璃覆盖率，同时每帧假阳性体素仅15.3个，显著优于基线。该方法在保证玻璃碰撞边界的同时减少了可通行空间的虚假占用，对玻璃环境下的机器人导航具有潜在价值。
如何在机器人导航地图中可靠地重建建筑玻璃平面，同时避免在可通行区域产生虚假障碍？
LiDAR在透明玻璃表面可能穿透或产生镜面反射，导致导航地图缺失碰撞边界；现有方法试图重建玻璃但可能将可通行空间标记为障碍，造成'误占'。机器人需要地图既覆盖真实玻璃又不污染自由空间，但此前的视觉重建方法缺乏逐帧验证和全局管理，容易产生错误放置。
此前有基于物理线索的方法（如利用反射强度、声呐等），但依赖可观测信号或额外硬件；视觉到3D重建方法中，学习式 MonoGlass3D 直接预测玻璃掩码和平面参数，管线式 GlassRecon 将基础模型深度先验与 RGB-D 测量对齐。这些方法通常只做单帧放置，不验证方向或深度，也不在后续帧中修正，因此在复杂场景中容易产生错误平面。
GlassGuard 采用三阶段流程：首先使用剪枝后的 Slim SAM3 检测玻璃实例掩码，然后将掩码关联的 LiDAR 结构线（垂直柱和水平柱）构建为候选平面；接着利用深度无关的2D投影几何恢复方向参考，通过单帧射线投射验证航向一致性；最后在全局管理中合并、修剪或移除平面假设，包括种子-地面证据和多视角验证。所有组件在 NVIDIA RTX 5070 Ti 上平均每帧约0.74秒，显存占用约1.7 GB。
在九个真实场景（超过1小时、2.1公里机器人遍历）中，使用 Mecanum 轮式机器人、Livox Mid-360 LiDAR 和 Ricoh Theta 全景相机评估。在相同针孔输入下，GG-pin 达到82.1%的 Ever 覆盖率，而 MonoGlass3D 为61.0%、GlassRecon 为44.4%；全景版 GG-360 达到85.2%。同时假阳性体素显著更低：GG-pin 每帧16.7个，而 GlassRecon 为85.4个、MonoGlass3D 为290.2个；GG-360 为15.3个。当前地图保护方面，GG-360 在0–2米和2–5米距离带分别覆盖89.1%和91.5%的需求体素帧，GG-pin 为84.4%和89.0%。消融实验显示角度门控和全局管理对减少虚假占用贡献显著。
作者承认当前方法假设玻璃为平面且接近垂直，未处理曲面或大倾斜玻璃；推理速度约0.74秒/帧，更新率有待提升；多视角验证在消融中显示会降低近场当前覆盖率，存在覆盖与假阳性的权衡。论文报告为预印本，尚未经过同行评审，且未提及代码开源情况；定性实验仅展示规划器集成效果，未进行定量的导航成功率评估。
该方法可应用于需要在玻璃建筑环境中自主导航的机器人，如清洁机器人、配送机器人、巡检机器人等。若进一步优化推理速度并验证在其他传感器和机器人平台上的泛化性，有望在1-3年内进入商业部署。前提是机器人需配备摄像头和LiDAR，且具备足够的板载计算能力。
受许可协议限制，本站不转载该论文全文，仅提供摘要和原文链接。