基于碰撞时间的动态避障方法：利用预训练视觉模型实现机器人在非结构化环境中的自主导航
提出一种数据高效、可解释的视觉动态避障方法，利用预训练的单目深度估计模型UniDepth和特征匹配管道SuperPoint+SuperGlue，通过计算每个关键点的碰撞时间（TTC）来选择避障动作。在M3ED数据集上评估，精确率0.49，召回率0.38，对22个障碍物中的20个成功检测到TTC<1秒的帧。无需训练机器人专用模型，仅需74秒数据调整超参数。
在非结构化户外环境中，动态障碍物回避是自主移动机器人面临的关键挑战。传统的端到端学习方法依赖于大量机器人专用训练数据，且仿真环境训练的策略存在“仿真到现实”的迁移难题。本文提出了一种数据高效且可解释的视觉动态避障方法，完全基于真实世界数据运行，避免了上述问题。
该方法利用大规模预训练的单目深度估计模型UniDepth，仅从RGB视频即可生成密集深度图，无需立体相机或激光雷达。为实现动态避障，研究者扩展了SuperPoint和SuperGlue特征对应管道，在长帧序列中跟踪关键点，利用相机内参和预测深度将二维像素坐标投影到三维空间，并通过光束法平差进行优化。随后计算每个关键点的碰撞时间（TTC），并选择远离最小TTC关键点最近接近点的地面平面运动原语。
在M3ED数据集上的评估显示，该方法在识别地面真值TTC低于1秒的帧时，精确率达到0.49，召回率为0.38。在84%的真阳性检测中，系统正确生成了规避运动方向。重要的是，对于测试序列中的22个独特物理障碍物，该方法成功检测到其中20个的TTC小于1秒的帧。与需要数千小时训练数据的传统方法相比，本文方法完全无需模型训练，仅需74秒的数据进行超参数调整，展现了卓越的数据效率和跨障碍物类型的泛化能力。