通过机器人导航的深度先验增强玻璃表面重建

室内机器人导航经常受到玻璃表面的影响，这会严重影响深度传感器的测量。虽然像 Depth Anything 3 这样的基础模型提供了出色的几何先验，但它们缺乏绝对的公制尺度。我们提出了一个 无需训练 框架，该框架利用深度基础模型作为结构先验，采用强大的基于 RANSAC 的局部对齐将其与原始传感器深度融合。这自然避免了错误的玻璃测量造成的污染，并恢复了准确的公制刻度。此外，我们引入了 \ti{GlassRecon}，这是一个新颖的 RGB-D 数据集，其中包含玻璃区域的几何导出 真值。大量的实验表明，我们的方法始终优于最先进的基线，特别是在严重的传感器深度损坏的情况下。数据集和相关代码将在https://github.com/jarvisyjw/GlassRecon发布。