关于移动机器人导航中楼道场景语义分割的研究论文.pdf

简介：
本研究探讨了在复杂室内环境中，尤其是楼道场景下，移动机器人的路径规划与自主导航技术。通过引入先进的语义分割算法，旨在提高机器人对环境的理解能力，优化其避障和导航性能，为智能服务机器人的广泛应用提供理论和技术支持。 通过深度学习模型处理室内楼道环境的视觉信息，以帮助移动机器人在该环境下自主行走。为此，将楼道环境中的对象分为路、门、窗户、消防栓、门把手和背景六类，并采用图像语义分割技术实现这些对象的识别。实验中发现由于门把手相对于其他对象较小，影响了其准确识别率；因此改进分类模型为“5 2”模式，解决了这一问题。“5 2”分类模型的基础是全卷积神经（FCN）网络，可初步完成图像分割任务。为了进一步提升FCN网络的分割效果，在三个方向进行了实验研究：a) 提取并融合多个中间特征层；b) 考虑到移动机器人行进中视觉信息的时间序列特性，将递归神经网络（RNN）结构融入FCN模型形成时间递归t-LSTM架构；c) 鉴于二维图像相邻像素间存在依赖关系，构建空间递归s-LSTM网络。这些改进措施显著提升了图像分割效果，在实验结果中显示多层融合加s-LSTM的组合在分割准确性和计算效率方面表现最优。