📖 AI 总结

该研究提出了一种面向微型移动设备（如电动滑板车）的轻量级单目 sidewalk 路径提取系统。研究者通过三轮设计迭代，从骨架图基线发展到距离变换走廊规划，最终构建了图像空间架构，并系统比较了五种路径规划方法。核心成果是采用半监督教师-学生框架训练的紧凑型 SegFormer-B0 模型，在保持 11.7 毫秒/帧处理速度的同时，将手标注 IoU 从 0.758 提升至 0.946。在 32 帧标注数据的规划器对比中，图像空间中点规划以 2.2 毫秒实现最低横向中心误差（14.3 像素），相比 BEV 距离变换规划提速 421 倍。六段校园视频（22,679 帧）回放验证了改进后分割将时间不稳定性从 1.46% 降至 0.33%，模板路径可用率提升至 79.3%。研究还发现单目 BEV 路径提取存在脆弱性（某次运行中 99.3% 帧无有效 BEV 路径），最终推荐架构以图像空间中点规划为主、距离变换为备选，BEV 仅用于可视化，整套系统在 CPU 上每帧处理时间低于 50 毫秒，适用于嵌入式行人速度微型移动场景。

🔑 关键词速览