論文の概要: Reliability-Guided Depth Fusion for Glare-Resilient Navigation Costmaps
- arxiv url: http://arxiv.org/abs/2606.03421v1
- Date: Tue, 02 Jun 2026 10:06:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-03 22:00:04.926328
- Title: Reliability-Guided Depth Fusion for Glare-Resilient Navigation Costmaps
- Title（参考訳）: グラル弾性航法コストマップのための信頼性誘導深度融合
- Authors: Shang-En Tsai,
- Abstract要約: 反射床、ガラス境界、光沢のある屋内表面の光沢は、アクティブステレオRGB-D深度測定を頻繁に破壊する。
本稿では,明示的な深度信頼度モデルに基づくグレアレジリエントなコストマップ構築手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Specular glare on reflective floors, glass boundaries, and glossy indoor surfaces frequently corrupts active-stereo RGB-D depth measurements, producing holes and spikes that accumulate as persistent phantom obstacles in occupancy-grid costmaps. This paper presents a glare-resilient costmap construction method based on explicit depth-reliability modeling. A lightweight Depth Reliability Map network (DRM-Net) predicts per-pixel measurement trustworthiness under specular interference, and a reliability-guided weighted-and-gated fusion (RGF) mechanism modulates occupancy updates before corrupted measurements are accumulated into the map. To support robust training and evaluation, the method uses pose-aligned multi-view reference-depth construction to reduce circular-supervision bias and is evaluated through fusion-variant ablations, parameter-sensitivity analysis, cross-condition tests, paired navigation comparisons, reliability-map metrics, and embedded runtime profiling. Experiments on a real mobile robotic platform equipped with an Intel RealSense D435 and a Jetson Orin Nano show that the proposed method reduces false obstacle insertion, improves free-space preservation, and maintains real-time throughput under reflective-floor, glass-wall, and natural-light glare conditions. These results support treating glare as a measurement-reliability problem rather than as a dense depth-completion problem for safety-critical indoor navigation.
- Abstract（参考訳）: 反射床、ガラス境界、光沢のある屋内表面の特異な光は、しばしばアクティブステレオのRGB-D深度測定を破損させ、占有するコストマップに永続的な幻の障害物として蓄積する穴やスパイクを発生させる。
本稿では,明示的な深度信頼度モデルに基づくグレアレジリエントなコストマップ構築手法を提案する。
軽量depth Reliability Map Network(DRM-Net)は、スペクトル干渉下での画素単位の計測信頼性を予測し、信頼性誘導重み付け融合(RGF)機構は、破損した測定結果がマップに蓄積される前に占有率の更新を変調する。
頑健なトレーニングと評価を支援するため,多視点参照深度構造を用いて円形超視差を低減し,融合可変アブレーション,パラメータ感度解析,クロスコンディションテスト,ペアナビゲーション比較,信頼性マップメトリクス,組込みランタイムプロファイリングを通じて評価する。
Intel RealSense D435とJetson Orin Nanoを備えた実動ロボットプラットフォームにおける実験により,提案手法は虚偽の障害物挿入を低減し,自由空間保存を改善し,反射床,ガラス壁,自然光グラア条件下でのリアルタイムスループットを維持する。
これらの結果から, グラーレは, 安全上重要な屋内航法における深度補修問題というよりも, 測定信頼性の問題として扱われる。
関連論文リスト
- Reliability-Guided Depth Fusion for Glare-Resilient Navigation Costmaps [0.6445605125467574]
反射床とガラス表面の特異な光沢は、しばしばRGB-D深度測定を破損させる。
本稿では,明示的な深度信頼度モデルに基づくグラレ-レジリエントなコストマップ構築法を提案する。
論文 参考訳（メタデータ） (2026-04-14T14:00:51Z) - Tightly-Coupled Radar-Visual-Inertial Odometry [12.2300314007703]
提案手法は,反復拡張カルマンフィルタ(IEKF)内の画像特徴,レーダドップラー計測,慣性測定ユニット(IMU)計測をリアルタイムに融合する。
本手法は,室内および屋外の両方で実施した飛行実験により評価した。
論文 参考訳（メタデータ） (2026-03-24T10:47:04Z) - A2VISR: An Active and Adaptive Ground-Aerial Localization System Using Visual Inertial and Single-Range Fusion [17.59898575353575]
これは、地上と航空の協調システムを用いて、散在した環境下での飛行ロボットのロケライズロバスト性を高めるための実践的なアプローチである。
我々は、アクティブビジョン、単一配列、慣性計測、光学フローを統合した地上局地化フレームワークをより包括的に改善する。
提案手法は、平均根平均平方誤差が約0.09mであり、損失とセンサ故障を捕捉するためのレジリエンスを維持しながら、ロバストなオンラインローカライゼーションを実現する。
論文 参考訳（メタデータ） (2025-12-18T10:07:06Z) - Dense-depth map guided deep Lidar-Visual Odometry with Sparse Point Clouds and Images [4.320220844287486]
オドメトリは、自律システムにとって、自己ローカライゼーションとナビゲーションにとって重要なタスクである。
我々は,LiDARの点雲と画像を統合し,正確なポーズ推定を行う新しいLiDAR-Visual odometryフレームワークを提案する。
提案手法は,最先端のビジュアルおよびLiDARオドメトリー法と比較して,類似あるいは優れた精度とロバスト性を実現する。
論文 参考訳（メタデータ） (2025-07-21T10:58:10Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - Unveiling the Depths: A Multi-Modal Fusion Framework for Challenging
Scenarios [103.72094710263656]
本稿では,学習に基づくフレームワークを用いて,支配的モダリティの奥行きを識別し,統合する手法を提案する。
本稿では,信頼度予測ネットワークを操り,潜在電位深度領域を特定する信頼マップを作成する新しい信頼損失を提案する。
得られた信頼度マップを用いて,最終深度をエンドツーエンドに融合するマルチモーダル融合ネットワークを提案する。
論文 参考訳（メタデータ） (2024-02-19T04:39:16Z) - On Robust Cross-View Consistency in Self-Supervised Monocular Depth Estimation [56.97699793236174]
本論文では,2種類の堅牢なクロスビュー整合性について検討する。
深度特徴空間と3次元ボクセル空間の時間的コヒーレンスを自己教師付き単眼深度推定に利用した。
いくつかのアウトドアベンチマークの実験結果から,本手法は最先端技術より優れていることが示された。
論文 参考訳（メタデータ） (2022-09-19T03:46:13Z) - A high-precision self-supervised monocular visual odometry in foggy
weather based on robust cycled generative adversarial networks and multi-task
learning aided depth estimation [0.0]
本稿では,霧の天候下でのナビゲーションに特化して設計された,高精度な自己監督型単分子VOを提案する。
サイクル生成対向ネットワークは、前と後ろの半サイクルに一貫した推定を強制することで、高品質な自己監督的損失を得るように設計されている。
霧の天候における自己監督的損失に対する複雑な光度変化の干渉を取り除くため、勾配に基づく損失と知覚的損失が導入された。
論文 参考訳（メタデータ） (2022-03-09T15:41:57Z) - Adaptive confidence thresholding for monocular depth estimation [83.06265443599521]
本稿では,自己教師付ステレオマッチング法から生成されたステレオ画像の擬似地上真実深度マップを利用する新しい手法を提案する。
擬似地底深度マップの信頼度マップを推定し、不正確な擬似地底深度マップによる性能劣化を緩和する。
実験結果から, 最先端の単分子深度推定法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2020-09-27T13:26:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。