基于RGB的四足机器人的楼梯检测:实施和分析
Piotr Wozniak1, Paweł Penar2, Damian Bielecki2
1Department of Computer and Control Engineering, Rzeszow University of Technology, 35-959 Rzeszow, Poland.
Sensors (Basel, Switzerland)
|December 11, 2025
概括
这项研究引入了四足机器人实时阶梯检测算法,通过识别危险来提高安全性. 深度学习方法适应各种摄像头视图,使机器人导航更安全.
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:
- 四足机器人需要先进的感知能力,以便在复杂的环境中安全导航.
- 阶梯检测对于防止机器人操作期间跌倒和损坏至关重要.
- 现有的方法往往缺乏适应不同观点和实时约束的适应性.
研究的目的:
- 为四足机器人开发和验证一个强大的楼梯检测算法.
- 为了实现实时危险检测,特别是楼梯附近,提高机器人安全.
- 创建一个可适应不同摄像头视角和平台的多功能算法.
主要方法:
- 使用深度神经网络 (YOLO版本11n) 与RGB输入进行对象检测.
- 在一个四足机器人双摄像头的26000多张图像数据集上训练了网络.
- 集成多摄像头图像训练 (前方和下方视图) 并在各种嵌入式平台上测试.
主要成果:
- 在17个未见的序列中,仅为楼梯图像的平均mAP@50为51.30,所有图像的平均mAP@50为87.56.
- 证明了算法的适应性,从单个训练序列到多个不同的序列.
- 在Unitree Go1机器人和其他嵌入式系统上进行了性能验证.
结论:
- 拟议的楼梯检测算法有效地提高了四足机器人在楼梯上的安全性.
- 该方法提供实时危险识别和适应不同环境和摄像头条件的适应性.
- 这项研究推进了有腿机器人的楼梯检测能力,解决了现实世界的部署挑战.
