跟随足迹：基于几何与视觉线索的越野车辆导航自监督可通行性估计

在这项研究中，我们解决了越野可通行性估计问题，即预测机器人可以在越野环境中导航的区域。越野环境是一种非结构化环境，包含可通行和不可通行空间的组合，这对可通行性估计提出了挑战。本研究强调了影响机器人在越野环境中可通行性的三个主要因素：地表坡度、语义信息和机器人平台。我们提出了两种估计可通行性的策略，使用引导滤波器网络（GFN）和足迹监督模块（FSM）。第一种策略是使用新设计的引导滤波器层构建一个新颖的GFN。GFN从输入数据中解释地表和语义信息，并将它们集成以提取针对可通行性估计优化的特征。第二种策略是开发FSM，这是一个自监督模块，利用机器人在预驾驶中经过的路径，也称为足迹。这使得能够预测反映机器人平台特性的可通行性。基于这两种策略，所提出的方法克服了现有方法的局限性，这些方法需要费力的人工监督且缺乏可扩展性。在包括汽车和无人地面车辆、草地、林地和农田等多种条件下的广泛实验表明，所提出的方法适用于各种机器人平台并能适应多种地形。代码可在 https://github.com/yurimjeon1892/FtFoot 获取。