Video-driven 2D Digital Twin

室内视频呈现的是摄像机视角，而平面图需要统一的俯视表示和有意义的尺度。团队通过模块化管线连接这两种表示：从背景提取、语义分割、单视角 Bird’s-eye View 转换，到多视角融合、门体与尺度推理，最终生成可用于后续运动映射的真实尺度平面图。

我负责 door-detection 模块，并参与候选 mask 处理、门体下端点估计与尺度锚定。有用的输出不只是“这里有一扇门”：下游重建需要具有几何意义的点，以及建立尺度的参照。这也要求我将检测结果与后续模块所需的坐标和表示方式连接起来。

我的技术贡献：让视觉检测结果能够被下游几何推理真正使用。

我也参与了单视角 BEV 对齐与多视角融合。已记录的融合模块结合多策略配准、双向闭环检查、稳健的 pose-graph 推理，以及带不确定性输出的像素和 footprint 共识。图像合并不能默认不同视角天然一致，而需要通过这些步骤检验它们能否支持同一个空间解释。

除了具体模块，我还搭建并管理共享 GitHub 仓库，协调贡献结构与模块接口。项目在 2026 年 8 月记录中仍处于开发阶段。我的职责有清晰边界：仓库协调、门体几何，以及融合部分的贡献；更完整的系统由团队共同构建。