PERCEPTION开放获取
Trinity：利用合成数据统一非结构化户外环境中的类别无关地形与语义分割
Marcus G Müller, Wout Boerdijk, Maximilian Durner, Riccardo Giubilato, Abel Gawel, Wolfgang Stürzl, Roland Siegwart, Rudolph Triebel
2026
摘要
本文提出一种基于Transformer的统一网络Trinity，同时执行类别特定语义分割和类别无关地形分割，仅依赖视觉外观学习机器人无关的地形先验。通过扩展OAISYS模拟器并引入RUGDSynth合成数据集，该方法能在非结构化户外环境中实现高效地形理解，并支持可通行性估计、视觉里程计等下游任务。
关键词
terrain segmentationsynthetic datatransformerunstructured environmentsrobot-agnostic
相关论文
PERCEPTION
📊 0 引用
基于点云配准的非破坏性高分辨率涂层厚度三维扫描测量
Simon Duenser, Ivo Aschwanden, Raamadaas Krishnadas 等 5 位作者
Robotics and Computer-Integrated Manufacturing · 2026
PERCEPTION
📊 0 引用
基于原型模糊推理与证据融合的不确定性引导工业机器人可进化识别框架
Yanrun Zhou, Zihao Lei, Guangrui Wen 等 7 位作者
Robotics and Computer-Integrated Manufacturing · 2026
PERCEPTION
📊 0 引用
迈向智能机器人时代：用于高级感知系统的多模态柔性触觉传感器
Sili Ding, Feng Xu, Jie Chen 等 6 位作者
Progress in Materials Science · 2026
PERCEPTION
📊 0 引用
基于交叉注意力的类别级6D姿态估计先验变形
Shuai Guo, Yongchao Yang, Lifeng Zhang 等 5 位作者
Neural Networks · 2026