适应RGB-D语义细分与跳过连接融合用于室内楼梯和电梯定位
Zihan Zhu1, Henghong Lin1, Anastasia Ioannou2
1Fujian Provincial Key Laboratory of Information Processing and Intelligent Control, School of Computer and Data Science, Minjiang University, Fuzhou 350108, China.
Journal of imaging
|August 27, 2025
概括
我们介绍了跳过连接融合 (SCF), 通过增强功能集成来改善复杂环境中的机器人导航,
科学领域:
- 计算机视觉
- 机器人技术
- 人工智能
背景情况:
- 室内建筑元素的精确语义细分对于机器人导航至关重要.
- 传统的融合方法面临着阻塞,反射和低对比度的挑战.
研究的目的:
- 提出一个新的功能融合模块,跳过连接融合 (SCF),以改善语义细分.
- 在复杂的室内环境中增强障碍探测和人机交互.
主要方法:
- 使用自适应加权和跳过连接集成RGB和深度功能的SCF模块.
- 动态强调信息区域并抑制噪音以实现强大的细分.
- 在新收集的数据集上进行了广泛的实验.
主要成果:
- 这种方法比PSPNet和DeepLabv3更有效.
- 在具有挑战性的案例中实现了5.23%的细分精度.
- 在不同复杂场景的现实环境中表现出强度.
结论:
- 在具有挑战性的室内环境中,SCF提供了一个强大的语义细分解决方案.
- 拟议的方法显著改善了自主导航和辅助机器人.
- 这为智能监控和人机交互提供了坚实的基础.


