← 返回论文列表

基于可靠性的深度融合：抗眩光导航成本地图构建
Reliability-Guided Depth Fusion for Glare-Resilient Navigation Costmaps

作者: Shang-En Tsai, Wei-Cheng Sun
arXiv: 2604.12753v1
分类: cs.RO
📝 论文摘要
镜面反射光常导致反光地板与玻璃表面的RGB-D深度测量失真，产生孔洞与尖峰噪声，这些误差在占据栅格代价地图中会累积成持续的幻影障碍物。本文提出一种基于显式深度可靠性建模的抗眩光代价地图构建方法。通过轻量级深度可靠性图（DRM）估计器预测镜面干扰下各像素测量的可信度，并采用可靠性引导融合（RGF）机制，在失真数据累积入地图前，利用该信号调节占据状态更新。在搭载英特尔RealSense D435相机与Jetson Orin Nano平台的真实移动机器人实验中表明：该方法在真实反光地板与玻璃表面场景下，能显著减少错误障碍物插入并提升自由空间保持能力，同时仅引入适度计算开销。这些结果证明，将眩光问题转化为测量可靠性问题，可为安全关键室内环境中提升代价地图准确性与导航鲁棒性提供实用且轻量化的解决方案。

📊 核心分析

🎯 研究动机
解决在室内安全关键环境中，反射性地板和玻璃表面的镜面眩光(specular glare)会损坏RGB-D深度测量，导致深度图中出现空洞和尖峰，这些错误数据在占据栅格代价地图(occupancy-grid costmaps)中累积为持久的幻影障碍物(phantom obstacles)，从而影响导航鲁棒性的问题。
🔧 核心方法
论文提出了一种基于显式深度可靠性建模的、抗眩光的代价地图构建方法。 - 使用一个轻量级的深度可靠性地图(Depth Reliability Map, DRM)估计器，在镜面干扰下预测每个像素的测量可信度。 - 设计了一个可靠性引导融合(Reliability-Guided Fusion, RGF)机制，该机制利用DRM信号，在被损坏的测量值累积到地图之前，调制占据状态更新。
💡 核心创新
论文的核心创新在于将眩光问题重新定义并处理为一个测量可靠性(measurement-reliability)问题，而非直接进行深度修复或过滤。 - 独特之处在于提出了一个显式的、轻量化的深度可靠性地图(DRM)估计器，专门用于量化镜面干扰下的像素级信任度。 - 创新性地设计了可靠性引导融合(RGF)机制，将可靠性估计直接整合到代价地图的更新过程中，从而在源头防止不可靠数据污染地图，这与事后过滤或修复的现有方法有本质区别。
🏆 总体贡献
论文的整体贡献在于为安全关键的室内环境提供了一种实用且轻量级的解决方案，以提升代价地图的正确性和导航鲁棒性。 - 方法在配备Intel RealSense D435和Jetson Orin Nano的真实移动机器人平台上得到验证，在真实反射性地板和玻璃表面条件下，显著减少了错误障碍物插入(false obstacle insertion)，并改善了自由空间保持(free-space preservation)。 - 该方法仅引入了适度的计算开销，表明其处理眩光作为可靠性问题的思路具有实际部署的可行性和有效性。