煤矿狭窄非结构化巷道中履带式机器人动态避障方法
周炜明1
许娜1
刘志刚2
1.河南工业职业技术学院自动化工程学院,河南南阳 4730002.南昌大学资源与环境学院,江西南昌 330000
摘要：现有机器人避障多依赖单一传感器,在非结构化、动态障碍物随机出现的复杂巷道环境中,存在障碍物标定误差较大、避障安全裕度不足等问题.针对上述问题,面向煤矿狭窄非结构化巷道,提出了一种基于多传感器感知与深度强化学习的履带式机器人动态避障方法.利用可见光波段的高分辨率成像与红外波段的热辐射敏感特性,感知巷道中低照度和高反光环境;引入Mean Shift算法对巷道中障碍物出现概率进行核密度估计,标定障碍物三维空间坐标,解决巷道狭窄导致的视角局限与遮挡问题;利用球体包络法构建障碍物三维空间坐标对应的安全势场边界,作为深度强化学习避障奖励值的约束条件,根据避障奖励值优化机器人避障行为,完成动态避障.实验结果表明:在高粉尘浓度、强光及弱光条件下,该方法感知结果中可见光图像和红外图像的跨模态结构相似性均值均高于55％,能精准感知巷道环境;对障碍物位置的标定结果与实际位置的最大误差仅为0.4 m;应用该方法的机器人在行进过程中与障碍物之间的最小距离大于安全阈值,无碰撞事件发生,具有足够的避障安全裕度.
关键词：机器人动态避障履带式机器人非结构化巷道多传感器感知深度强化学习Mean Shift算法障碍物标定
分类号：TD67(矿山电工)
资助基金：河南省科技发展计划项目(242102111191)
论文发表日期：2026-02-28
在线出版日期：2026-04-07（本平台首次上网日期，不代表文献的发表时间）
页数：6( 137-142 )
英文信息