AURASeg：基于注意力引导的升采样与残差辅助边界细化用于无人机可驾区域分割
机器人学
2026-03-09 v4 计算机视觉与模式识别
摘要
自由空间地面分割是导航自主机器人、识别可驾区域以及高效遍历的关键任务。现有分割模型在室内、户外和道路场景环境中难以捕获细粒度特征。这些困难源于多尺度处理效果不佳、边界细化次优以及特征表示受限。为此，我们提出注意力引导升采样与残差辅助边界细化（AURASeg）框架，旨在在边缘部署约束下提高边界精度，同时保持强区域准确性。基于 ResNet backbone，我们提出（i）残差边界细化模块（RBRM），通过边界辅助特征细化增强边缘描绘；（ii）注意力渐进式升采样解码器（APUD）块通过残差融合注意力模块来融合多层特征；此外，我们集成（iii）轻量级 ASPPLite 模块以最小开销捕获多尺度上下文。在 CARL-D、Ground Mobile Robot Perception（GMRPD）数据集以及自定义 Gazebo 室内数据集上的大量实验表明，AURASeg 在边界指标上 consistently 优于强基准模型，取得显著提升。最后，我们在配备 Jetson Nano 的 Kobuki TurtleBot 上实现设备部署，验证了实际边缘推理的可行性。代码因保密性暂不公开，接受录取后将发布。
引用
@article{arxiv.2510.21536,
title = {AURASeg: Attention-guided Upsampling with Residual-Assistive Boundary Refinement for Onboard Robot Drivable-Area Segmentation},
author = {Narendhiran Vijayakumar and Sridevi. M},
journal= {arXiv preprint arXiv:2510.21536},
year = {2026}
}
备注
6 pages, 4 figures, 4 tables