深度学习辅助的行星机车视觉系统
计算机视觉与模式识别
2026-03-31 v1 机器人学
图像与视频处理
摘要
本研究提出一种面向行星机车的视觉系统，集成实时感知与离线地形重建功能。实时模块集成 CLAHE 增强的立体图像、基于 YOLOv11n 的目标检测，以及用于估计物体距离的神经网络。离线模块使用 Depth Anything V2 计量单目深度估计模型生成深度图，并通过 Open3D 将其融合为稠密点云。实时管道从真实世界距离估计中提供可靠的计量语境，搭配定性重建。针对月球 Chandrayaan 3 NavCam 立体图像进行评估，基准测试使用基于 CAHV 的实用工具，显示神经网络在 1 到 10 米范围内实现中位数深度误差为 2.26 cm。目标检测模型在灰度月球场景中保持平衡的精确度-召回率权衡。该体系结构为自主行星探索提供了一个可扩展、计算高效的视觉解决方案。
引用
@article{arxiv.2603.26802,
title = {Deep Learning Aided Vision System for Planetary Rovers},
author = {Lomash Relia and Jai G Singla and Amitabh and Nitant Dube},
journal= {arXiv preprint arXiv:2603.26802},
year = {2026}
}