开源 LiDAR 和单目越野自主导航堆栈

越野自主导航需要可靠的 3D 感知，以便在具有挑战性的非结构化地形中实现强大的障碍物检测。虽然激光雷达很准确，但它成本高昂且耗电。使用基础模型的单目深度估计提供了一种轻量级的替代方案，但其与户外导航堆栈的集成仍未得到充分探索。我们提出了一个开源越野导航堆栈，支持 LiDAR 和单目 3D 感知，无需进行特定任务的训练。对于单目设置，我们将零镜头深度预测 (Depth Anything V2) 与使用稀疏 SLAM 测量的度量深度重新缩放 (VINS-Mono) 结合起来。两项关键增强功能提高了鲁棒性：边缘遮蔽可减少障碍物幻觉，时间平滑可减轻 SLAM 不稳定性的影响。生成的点云用于生成以机器人为中心的 2.5D 高程图，用于基于成本图的规划。在真实感模拟 (Isaac Sim) 和现实非结构化环境中进行评估，单目配置在大多数情况下都与高分辨率 LiDAR 性能相匹配，这表明基于基础模型的单目深度估计是稳健越野导航的可行 LiDAR 替代方案。通过开源导航堆栈和模拟环境，我们提供了完整的越野导航管道以及可重复的基准。代码可在 https://github.com/LARIAD/Offroad-Nav 获取。