ASC-SW：带滑动窗口的空洞条带卷积网络
机器人学
2025-10-28 v3
摘要
随着轻量级视觉神经网络架构的快速发展，传统的高性能视觉模型经历了显著的压缩，增强了其计算和能源效率，使其能够在资源受限的边缘设备上部署。为使移动机器人能够避开地面电线，我们提出了一种称为 Atrous Strip Convolution Sliding Window（ASC-SW）的视觉辅助导航框架。该框架弥补了传统激光测距（LiDAR）传感器检测地面障碍物（如电线）的局限性。我们提出了一个轻量且高效的分割模型 Atrous Strip Convolution Network（ASCnet），用于检测可变形线性对象（DLOs）。设计了 Atrous Strip Convolution Spatial Pyramid Pooling（ASCSPP）以有效提取 DLO 特征。将空洞条带卷积集成到 ASCSPP 中，以低计算成本准确识别 DLO 的线性结构。此外，提出了一个滑动窗口（SW）后处理模块，用于对复杂环境下的输出进行去噪，提高识别准确率。ASC-SW 在自建真实世界数据集上实现了 75.3% MIoU 以上 217 FPS，实验验证了该框架在真实机器人上的有效性。
引用
@article{arxiv.2507.12744,
title = {ASC-SW: Atrous strip convolution network with sliding windows},
author = {Cheng Liu and Fan Zhu and Yifeng Xu and Baoru Huang and Mohd Rizal Arshad},
journal= {arXiv preprint arXiv:2507.12744},
year = {2025}
}
备注
The data of model comparsion in chapter 4 need to be modified