基於佔據感知的層次化3D場景圖房間分割方法
本文提出一種基於佔據感知的層次化3D場景圖（3DSG）流程，通過將房間節點錨定到從佔據分解中提取的自由空間區域，為每個房間提供明確的凸多邊形足跡。該方法在12個Matterport3D場景上評估，與現有方法相比能恢復更多房間實例，但精度較低，且牆面精確的房間邊界仍是開放問題。
室內機器人需要理解空間結構以支持導航、操作等高級任務。層次化3D場景圖（3DSG）是一種有效的空間表示方法，它通過多尺度組織幾何與語義信息，使機器人能夠在不同粒度上理解環境。其中，房間層扮演着關鍵角色，它將物體級的感知與房間級的推理連接起來。然而，現有系統在構建房間層時依賴於不同的空間基元，例如地點聚類、牆面平面或語義分割輸出，導致不同方法生成的房間節點缺乏統一的幾何評價標準，難以進行公平比較。
為了解決這一問題，來自墨西哥國立自治大學（UNAM）的研究團隊提出了一種基於佔據感知的3DSG流程。該方法的核心創新在於，它利用佔據分解算法來跟蹤環境中的自由空間區域，並將每個房間節點錨定到這些區域上，從而為每個房間生成明確的凸多邊形足跡。這種設計使得房間分割結果可以直接與任意多邊形標註進行幾何匹配，大大簡化了評估過程。
研究人員在12個Matterport3D場景上進行了系統的實驗評估。他們將預測的房間多邊形與人工標註的真實房間實例進行匹配，並與當前最先進的基於地點連通性的Hydra方法進行對比。結果顯示，基於佔據感知的方法能夠恢復顯著更多的房間實例，召回率明顯高於Hydra，但代價是精度略低。此外，實驗還發現，兩種方法都無法精確捕捉與牆面一致的真實房間邊界，這仍然是未來研究面臨的關鍵挑戰。
該研究的代碼已在GitHub上開源，網址為https://github.com/crcz25/OccuSG。這一工作為室內機器人場景理解提供了新的視角，尤其是利用佔據信息直接構建房間層，有望推動3DSG在實際機器人系統中的應用。未來研究可以進一步探索如何結合其他傳感器信息（如激光雷達深度圖）來提升邊界精度，或者將這種方法擴展到更大規模的場景中。