深度事前情報によるガラス表面再構成の強化とロボットナビゲーションへの応用
Enhancing Glass Surface Reconstruction via Depth Prior for Robot Navigation
ガラス面による深度センサの誤差を、深度基盤モデルを構造事前情報として用い、RANSACによる位置合わせで融合することで補正する訓練不要のフレームワークを提案。新規RGB-Dデータセットも導入し、既存手法を上回る性能を示した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Jiamin Zheng, Jingwen Yu, Guangcheng Chen, Hong Zhang
分類: cs.RO, cs.CV
原文アブストラクト
Indoor robot navigation is often compromised by glass surfaces, which severely corrupt depth sensor measurements. While foundation models like Depth Anything 3 provide excellent geometric priors, they lack an absolute metric scale. We propose a training-free framework that leverages depth foundation models as a structural prior, employing a robust local RANSAC-based alignment to fuse it with raw sensor depth. This naturally avoids contamination from erroneous glass measurements and recovers an accurate metric scale. Furthermore, we introduce \ti{GlassRecon}, a novel RGB-D dataset with geometrically derived ground truth for glass regions. Extensive experiments demonstrate that our approach consistently outperforms state-of-the-art baselines, especially under severe sensor depth corruption. The dataset and related code will be released at https://github.com/jarvisyjw/GlassRecon.
関連論文
- MRNaB: 光学シースルーMRビーコンを用いた複合現実ベースのロボットナビゲーションインターフェースロボットナビゲーション
- 人間とロボットのインタラクションを減らすための効率的なマルチバンド時間的ビデオフィルタロボットナビゲーション
- 音声ガイド付き指差しロボットナビゲーションロボットナビゲーション
- 低SNRサー�モカメラを用いたロボットナビゲーション向け平滑性ベースのエッジ検出ロボットナビゲーション
- 確率的システムによる免疫系型ロボット制御の模倣ロボットナビゲーション
- 確率的システムによる免疫型ロボット制御の模倣ロボットナビゲーション
