HDCNet：用于感知透明和反射物体的深度完成混合网络
机器人学
2025-11-11 v1
摘要
透明和反射物体的深度感知长期以来一直是机器人操作中的关键挑战。常规深度传感器往往无法在此类表面提供可靠测量，限制了机器人在感知和抓取任务中的性能。为此，我们提出一种 novel 深度完成网络 HDCNet，将 Transformer、CNN 和 Mamba 架构的互补优势相结合。具体而言，编码器设计为双分支 Transformer-CNN 框架以提取模态特定特征。在编码器的浅层，我们引入轻量级多模态融合模块以有效整合低层特征。在网络瓶颈处，开发了 Transformer-Mamba 混合融合模块，以实现高层语义和全局上下文信息的深度集成，显著提升深度完成的准确性和鲁棒性。在多个公开数据集上的广泛评估表明，HDCNet 在深度完成任务中实现了最先进（SOTA）性能。此外，机器人抓取实验显示，HDCNet 在透明和反射物体的抓取成功率上提升了约 60%。
关键词
引用
@article{arxiv.2511.07081,
title = {HDCNet: A Hybrid Depth Completion Network for Grasping Transparent and Reflective Objects},
author = {Guanghu Xie and Mingxu Li and Songwei Wu and Yang Liu and Zongwu Xie and Baoshi Cao and Hong Liu},
journal= {arXiv preprint arXiv:2511.07081},
year = {2025}
}