摘要
随着我国老年人口比重日益增加，家庭伴护机器人得到了广泛关注。多数伴护机器人只能满足老人的居家需求，缺乏自主载人乘坐电梯外出的能力，而且大多数居民楼电梯只能手动按键操作，不具备其他操作方式且电梯改造成本大、居民改进意愿低。本文针对伴护机器人载人乘梯外出任务中的电梯按键检测、SLAM与路径规划展开了研究，主要研究内容如下: (1)首先开展了电梯按键识别的研究。基于检测模型训练的需要，对公开的大规模电梯按键数据集进行改进、扩充。针对按键形状不一、电梯内环境光线复杂、严重反光导致检测网络对按键特征提取困难而造成漏检、误检等问题，本文以YOLOv5为基线算法，提出一系列改进措施:在主干特征提取网络和颈部特征融合网络中融入CA注意力机制，将目标位置信息嵌入到通道注意力当中，削弱无用特征，以提升检测算法对电梯按键的特征提取能力。将颈部特征融合网络中的路径聚合网络结构改进为Bi-FPN结构，实现加权特征融合与高效率双向跨尺度连接。增加了微小层检测尺度，将原有的3尺度的特征检测改为4个尺度，在此基础上进一步优化了特征融合网络的结构，使检测部分充分地利用更加细颗粒度的特征信息，提高了小目标按键的检测精度。 (2)其次，研究了楼道环境下的导航与路径规划问题。针对激光雷达在机器人运动过程中产生的畸变现象和感知范围局限的问题，通过边界滤波、里程计辅助、基于扩展卡尔曼滤波算法的里程计与IMU数据融合等方法，提高了伴护机器人对自身位姿估计的准确度。在综合考虑居民楼楼道环境和伴护机器人硬件性能后，选用Gmapping算法作为SLAM算法，并完成了仿真楼道环境下的建图;以此为基础，对全局路径规划中的Dijkstra算法、A*算法和局部路径规划中的DWA算法、TEB算法进行了理论研究。最后，在相同实验条件下进行了仿真实验，实验结果证明了在室内楼道环境中，A*算法规划的全局路径更加平滑，TEB算法动态避障性能更好。将两者结合使用，为伴护机器人的导航任务打下了坚实基础。 (3)最后，开展了算法的有效性验证实验。以伴护机器人的助老任务为背景，将改进后的电梯按键检测模型，SLAM算法和路径规划算法部署到嵌入式GPU平台。通过优化推理结构对改进电梯按键检测算法进行加速，完成对目标按键的快速精准检测，并在静态情形下，实现了机械臂按键操作，验证了静态情形下的按键功能。最后在实际居民楼楼道环境中对伴护机器人的多传感器融合、SLAM功能和自主导航功能进行实验验证，证明了其实用性和可行性。
NETL