Navigation & Mapping进阶
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。
机器人与具身智能领域的最新论文,以及每篇对产业的意义。
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。
论文来自 arXiv 机器人领域。尚未生成摘要的论文,显示摘要开头部分。