- **镜面眩光(specular glare)** 在反射地板、玻璃边界和光滑室内表面常导致**主动立体RGB-D深度测量** 出现空洞和尖峰，从而在占据网格代价地图中积累为持久幻影障碍物
- 现有方法多将眩光问题视为**稠密深度补全问题(dense depth completion)**，但忽视了测量可靠性建模，导致安全关键导航中存在隐患
- 需要一种能显式处理测量不可靠性、避免虚假障碍物积累的代价地图构建方法
- 提出**深度可靠性图网络(DRM-Net)**，轻量级预测每像素在镜面干扰下的测量可信度
- 设计**可靠性引导的加权门控融合机制(RGF)**，在将测量值累加到地图前，调制占据更新操作
- 采用**姿态对齐的多视角参考深度构建(pose-aligned multi-view reference-depth construction)** 减少循环监督偏差，支撑鲁棒训练与评估
- 在真实移动机器人平台（Intel RealSense D435 + Jetson Orin Nano）上进行融合变体消融、参数敏感性、跨条件测试等全面实验
- **视角转变**：首次将镜面眩光问题处理为**测量可靠性问题(measurement-reliability problem)** 而非稠密深度补全问题，更符合安全导航需求
- **显式可靠性建模**：通过轻量级网络预测每像素可信度，并设计**加权门控融合** 机制，从根源上阻止不可靠测量积累
- **减少循环监督偏差**：使用多视角参考深度构建技术，避免训练过程中自监督循环带来的偏差
- **实时性能**：方法在低功耗边缘设备上保持实时吞吐量，适合实际机器人部署
- 为**安全室内导航(safety-critical indoor navigation)** 提供了一种可靠的眩光鲁棒代价地图构建新范式
- 在反射地板、玻璃墙和自然光眩光等困难条件下，显著减少**虚假障碍物插入(false obstacle insertion)** 并改善**自由空间保留(free-space preservation)**
- 通过全面的消融实验和跨条件测试验证了每个组件（DRM-Net、RGF、参考深度构建）的有效性
- 开源或可复现的实验设置为后续研究提供了基准，推动将眩光视为可靠性问题的研究方向