声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1137/TP
国际刊号：1002-0446
发布日期:
作者：王晶, 黄智鑫, 徐京邦, 周萌, 鞠爽
关键词：目标检测, 多模态融合, 地下环境, 地下感知机器人, 轻量化
针对地下复杂环境中机器人感知系统面临的低光照干扰与计算资源受限双重挑战，提出一种轻量化双模态目标检测方法。通过构建融合激光雷达（LiDAR）点云与RGB图像的双分支网络架构，在浅层、中层和深层实现多尺度特征融合。所提方法引入StarFusion模块，采用逐元素乘法增强跨模态特征交互，结合深度可分离卷积与通道压缩策略，将模型参数量压缩至2.3M。为突破算法验证瓶颈，构建包含4类地下典型目标的低光照多模态数据集，其图像亮度（25±8.3）与清晰度（18.6±6.9）显著低于常规数据集。实验表明，本文方法在自建数据集上mAP50（交并比为0.5时的平均精度均值）达到86.1%，较基准算法YOLOv8提升2.6%，推理速度达20帧/秒。将该方法实际部署于Jetson Orin NX平台的勘探机器人，结果表明，双模态互补机制有效克服了单传感器在低光照环境下的感知盲区，为地下自主作业提供了可靠的实时环境感知解决方案。
来源：2025年第4期
《机器人》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。