火星探测需要精确可靠的地形模型,以确保火星车在其不可预测且经常危险的景观中安全导航。 立体视觉在漫游者的感知中起着关键作用,通过立体匹配生成精确的深度图,允许场景重建。 最先进的火星行星探索使用传统的局部块匹配,聚合成本超过方形窗户,并通过平滑度限制来缩小差异。 然而,这种方法经常与低纹理图像,遮挡和重复模式作斗争,因为它只考虑有限的相邻像素,并且缺乏对场景上下文的更广泛理解。 本文使用基于超像素的改进的Semi-Global Matching(SGM)来减轻固有的块状工件并恢复丢失的细节。 该方法平衡了SGM的效率和准确性,并增加了上下文感知的分割,以支持更连贯的深度推断。 拟议的方法已在三个数据集中进行了评估,结果取得了成功:在火星模拟中,获得的地形图显示出更好的结构一致性,特别是在倾斜或易遮挡区域。 岩石后面的大间隙,在原始间隙输出中很常见,并且更准确地捕获小岩石和边缘等表面细节。 另外两个数据集,评估以测试该方法的一般鲁棒性和适应性,显示更精确的差异图和更一致的地形模型,更适合火星自主导航的需求,以及非闭塞和全图像错误指标的竞争准确性。 本文概述了整个地形建模过程,从查找相应的功能到生成最终的2D导航地图,提供了适合未来行星探索任务中集成的完整管道。