可通行域精准检测
针对光照变化和数据集多样性引入数据增强，同时利用曲率抑制交叉熵损失锐化通行区域边界，并结合楼梯位姿估计校正倾斜视角造成的建模误差，在楼梯数据集上取得优越精度和泛化能力。
Chun, Qing · Rongxiang, Zeng · Xuan, Wu · Shi, Yongliang · Ma, Gan
2024
通过一系列数据增强，网络学习到对光照变化不敏感的特征，避免在多样化场景中过拟合。
曲率抑制交叉熵损失减少可通行与非可通行区域边界上的预测歧义，使分割边界更清晰，提升通行安全性。
基于楼梯位姿估计的测量校正校准了因倾斜视角影响的原始建模输出，提高了楼梯物理模型的精度。