J Shanghai Jiaotong Univ Sci ›› 2026, Vol. 31 ›› Issue (1): 167-175.doi: 10.1007/s12204-025-2807-7
收稿日期:2024-11-13
接受日期:2024-12-02
出版日期:2026-02-28
发布日期:2026-02-12
李名旺1, 5,李新德2, 4, 5, 6,张朕通3, 5,张泽宇2, 5,赵浩鸣5
Received:2024-11-13
Accepted:2024-12-02
Online:2026-02-28
Published:2026-02-12
摘要: 随着自主移动机器人在复杂环境中的广泛应用,传统的视觉传感器和激光雷达(LiDAR)面临着显著的局限性,特别是在盲区和透明物体的障碍物检测方面。为了解决盲区问题,我们设计了一种专门的触觉传感结构,并开发了触觉辅助导航车辆(HANV)。该系统集成了触觉传感器和激光雷达,提供全面的感知能力,显著提高了在传统传感器无法覆盖的盲区区域的近距离障碍物检测能力。为了应对透明障碍物的挑战,这些障碍物通常无法被视觉和激光雷达传感器检测到,我们采用了触觉传感器与激光雷达的融合。触觉系统提供物理接触反馈,确保可靠地检测到玻璃等透明障碍物,而激光雷达则提供远程感知能力。两者的结合使得触觉辅助导航车辆能够有效地在具有透明障碍物的环境中导航,克服了传统传感系统的局限性。实验结果表明,所提出的触觉与激光雷达融合方案显著提高了在盲区和透明障碍物环境中的障碍物检测能力。触觉辅助导航车辆在复杂且狭小的空间中,特别是在传统系统表现不足的情况下,取得了较高的成功率、最小的碰撞率和高效的障碍物规避。这些结果突显了我们的方法在动态和具有挑战性的环境中提升导航性能的有效性。
中图分类号:
. 触觉辅助导航车辆:增强盲区和透明物体场景中的障碍物检测[J]. J Shanghai Jiaotong Univ Sci, 2026, 31(1): 167-175.
Li Mingwang, Li Xinde, Zhang Zhentong, Wang Zeyu, Zhao Haoming. Haptic-Aided Navigation Vehicle: Enhancing Obstacle Detection in Blind Spots and Transparent Object Scenarios[J]. J Shanghai Jiaotong Univ Sci, 2026, 31(1): 167-175.
| [1] | 袁景美, 赵亮, 孙卓然, 徐志朝, 牛亚雷. 基于深度强化学习的导航信号自适应干扰决策方法[J]. 空天防御, 2026, 9(2): 41-52. |
| [2] | . 融合鸟瞰图特征的模仿与强化学习自动驾驶规划方法[J]. J Shanghai Jiaotong Univ Sci, 2026, 31(1): 154-166. |
| [3] | 陈实, 杨林森, 刘艺洪, 罗欢, 臧天磊, 周步祥. 小样本数据驱动模式下的新建微电网优化调度策略[J]. 上海交通大学学报, 2025, 59(6): 732-745. |
| [4] | 王志博, 呼卫军, 马先龙, 全家乐, 周皓宇. 感知驱动控制的无人机拦截碰撞技术[J]. 空天防御, 2025, 8(4): 78-84. |
| [5] | 周文杰, 付昱龙, 郭相科, 戚玉涛, 张海宾. 基于博弈树与数字平行战场的空战决策方法[J]. 空天防御, 2025, 8(3): 50-58. |
| [6] | 刘雁行, 乔如妤, 梁楠, 陈宇, 于凯, 吴汉霄. 基于负荷准线和深度强化学习的含电动汽车集群系统新能源消纳策略[J]. 上海交通大学学报, 2025, 59(10): 1464-1475. |
| [7] | 杨映荷, 魏汉迪, 范迪夏, 李昂. 基于高斯过程回归和深度强化学习的水下扑翼推进性能寻优方法[J]. 上海交通大学学报, 2025, 59(1): 70-78. |
| [8] | 周毅, 周良才, 史迪, 赵小英, 闪鑫. 基于安全深度强化学习的电网有功频率协同优化控制[J]. 上海交通大学学报, 2024, 58(5): 682-692. |
| [9] | 董玉博1, 崔涛1, 周禹帆1, 宋勋2, 祝月2, 董鹏1. 基于长周期极坐标系追击问题的多智能体强化学习奖赏函数设计方法[J]. J Shanghai Jiaotong Univ Sci, 2024, 29(4): 646-655. |
| [10] | 李舒逸, 李旻哲, 敬忠良. 动态环境下基于改进DQN的多智能体路径规划方法[J]. J Shanghai Jiaotong Univ Sci, 2024, 29(4): 601-612. |
| [11] | 苗镇华1, 黄文焘2, 张依恋3, 范勤勤1. 基于深度强化学习的多模态多目标多机器人任务分配算法[J]. J Shanghai Jiaotong Univ Sci, 2024, 29(3): 377-387. |
| [12] | 全家乐, 马先龙, 沈昱恒. 基于近端策略动态优化的多智能体编队方法[J]. 空天防御, 2024, 7(2): 52-62. |
| [13] | 张威振, 何真, 汤张帆. 风扰下无人机栖落机动的强化学习控制设计[J]. 上海交通大学学报, 2024, 58(11): 1753-1761. |
| [14] | 马驰, 张国群, 孙俊格, 吕广喆, 张涛. 基于深度强化学习的综合电子系统重构方法[J]. 空天防御, 2024, 7(1): 63-70. |
| [15] | 杨逸文, 贺越生, 王春香, 杨明. 一种面向固态激光雷达的简易标定与验证方法[J]. 上海交通大学学报, 2021, 55(S2): 98-102. |
| 阅读次数 | ||||||
|
全文 |
|
|||||
|
摘要 |
|
|||||