动力轮椅自动引导系统的设计和特征

科学领域:

• 机器人技术 机器人技术 机器人技术
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 机器学习的进步正在推动自主和半自主动力轮椅 (PWs) 等辅助技术的创新.
• 现有系统通常需要复杂的硬件和校准,限制了广泛采用.
• 需要轻量级,准确且易于部署的PW导航系统.

研究的目的:

• 设计和验证一种轻量级的实时测量方法,用于估计护理人员与电动轮椅 (PW) 之间的距离.
• 为了实现嵌入式实现一个准确的导航系统,以提高用户自主性.
• 将拟议的2D成像方法的计量性能与现有的3D深度传感技术进行比较.

主要方法:

• 使用单眼RGB相机开发实时测量方法.
• 应用深度学习模型来检测护理人员的脚部.
• 从PW到检测到的护理人员的距离估计.
• 用深度摄像机 (例如LiDAR,立体摄像机) 进行计量表征和比较.

主要成果:

• 拟议的基于单眼RGB摄像机的方法实现了与光检测和测距 (LiDAR) 和立体摄像机相比较的计量性能.
• 测量不确定性在10厘米的范围内.
• 观察到数据量和对象检测复杂性的显著减少.
• 与3D细分算法相比,校准,定位和部署的复杂性降低了.

结论:

• 开发的方法提供了一个可行的,轻量级和准确的替代方案,用于PW导航中的护理人员距离估计.
• 由于复杂性降低,该系统可更轻松地部署和集成到PW中.
• 这种方法通过改善指导和环境交互能力来增强PW用户的自主性.