Este artículo propone 3DTTNet, un novedoso método multimodal para el reconocimiento de áreas transitables para vehículos autónomos en entornos todoterreno no estructurados. 3DTTNet genera una estimación densa del terreno transitable mediante la integración de imágenes monoculares omnidireccionales y nubes de puntos LiDAR. Esto implica la generación de cuatro etiquetas de coste transitable: crítico, medio, bajo y libre, considerando las condiciones de franqueamiento de obstáculos y las restricciones estructurales del vehículo. También se presenta el conjunto de datos RELLIS-OCC, que incluye nuevas anotaciones de áreas transitables. Los resultados experimentales demuestran que 3DTTNet supera a los métodos existentes en el reconocimiento de áreas transitables 3D, especialmente en entornos todoterreno con geometrías irregulares y oclusión parcial, logrando una mejora del 42 % en el IoU de finalización de la escena. El marco propuesto es escalable y adaptable a diversas plataformas de vehículos, y la estimación del coste transitable puede mejorarse mediante el ajuste de los parámetros de la cuadrícula de ocupación y la incorporación de modelos dinámicos avanzados.
