基于语义神经网络和激光SLAM的山地拖拉机自动避障的研究
Ningjie Chang1, Xianghai Yan1,2, Bingxin Chen1
1College of Vehicle and Traffic Engineering, Henan University of Science and Technology, Luoyang, Henan, China.
PloS one
|May 21, 2025
概括
本研究引入了使用语义神经网络和激光SLAM的山地拖拉机的自主避障系统. 该方法通过在复杂的地形中准确地检测和导航各种障碍物来提高驾驶安全.
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
- 人工智能的人工智能
背景情况:
- 在动态环境中,避障地图的构造缺乏准确性.
- 山地拖拉机驾驶安全受到复杂地形的影响.
研究的目的:
- 为山地拖拉机开发一种自主避障方法.
- 提高在具有挑战性的山区环境中驾驶安全.
主要方法:
- 使用RPLIDAR-A1激光雷达进行高精度环境扫描.
- 采用轻量级卷积神经网络,用于障碍物检测和语义信息提取.
- 集成激光SLAM (同时定位和映射) 用于用语义数据构建3D地图.
- 应用A*算法用于全球路径规划.
主要成果:
- 准确检测各种障碍物,包括的山坡,岩石堆和密集的植被.
- 成功识别和提取障碍物的语义信息 (类型,大小,位置).
- 创建山区环境的3D语义地图.
- 计划最短和最优的驾驶路径,以有效避开障碍物.
结论:
- 拟议的方法显著提高了山地拖拉机的障碍物检测和避开能力.
- 这种方法可以在复杂和动态的山地地形中提高自主导航的安全性.
