StairNet: 用于人机移动的楼梯视觉识别

Oct, 2023

StairNet: Visual Recognition of Stairs for Human-Robot Locomotion

Andrew Garrett Kurbis, Dmytro Kuzmenko, Bogdan Ivanyuk-Skulskiy, Alex Mihailidis, Brokoslaw Laschowski

TL;DR使用 StairNet 平台进行人机行走的研究，使用深度学习模型和数据集检测和识别楼梯，在有效模型精度和尺寸之间找到权衡，以提高复杂地面的行走效果。

Abstract

human-robot walking with prosthetic legs and exoskeletons, especially over complex terrains such as stairs, remains a significant challeng

发现论文，激发创造

通过加深感知能力与建模方法，本研究提出了一种深度感知的单目视觉楼梯建模方法，可有效提高楼梯结构几何特征的学习，并结合深度传感器获取楼梯表面的点云，取得了明显的改进。

Aug, 2023

提出了一种用于机器人自主探索城市环境的楼梯定位方法，该方法采用了级联流水线的模块化设计，由楼梯检测、线段检测和楼梯定位模块组成，在仅使用单个 RGB-D 相机的情况下，通过深度学习算法实现了准确的楼梯检测和定位。

Mar, 2024

本文介绍了一种用于四足机器人的端到端行动系统，结合了深度学习和增强学习技术，通过使用单个摄像头实现台阶、路障、石头和洞口的通过，能够快速在不同的地形上行动和适应各种推挤和摩擦，同时保持稳定。

Nov, 2022

本研究通过引入特征组合模块来改善基于 SSD 框架的一站式目标检测方法中对小物体检测的困难，提出了一种新的模型 StairNet，通过有效的多尺度表示和语义分配相结合，该模型显著提高了 SSD 的性能并且优于其他最先进的一阶段检测器。

Sep, 2017

本文提出了一种使用 RGB-D 摄像头的无接触方法，使用基于深度学习的算法来处理下肢 RGB-D 视频序列，以早期识别 / 检测人类动作，从而成功解码了人类运动和需求，使得智能步行器在康复中发挥更大作用。

Jan, 2023

本论文介绍了使用三轴加速度计通过电动轮椅的行为估计人行道可达性的方法，通过使用深度神经网络从轮椅加速度中提取知识，通过有监督和弱监督方法对道路表面条件进行分类，并通过无监督变分自编码器评估轮椅使用者的人行道障碍，从而估计行人道可达性。

Jan, 2021

本文提出一种基于学习的方法，重建移动机器人行进城市环境中的局部地形，通过算法估计机器人周围的地形，采用 4D 全卷积网络，可以利用合成数据进行训练，并在机器人上取得良好效果。

Jun, 2022

本研究旨在通过应用监督式学习阶段来提高机器人安装的 3D 摄像头在人步态分析中的准确性，采用 37 名健康参与者的数据，使用神经网络对相机的原始估计进行后处理，并证明了这种方法的可行性和优越性。

Jul, 2022

利用单目深度相机、神经体积记忆和几何先验知识，提出了一种新的方法来解决多种恶劣地形条件下的机器人步态规划问题。

Apr, 2023

使用稀疏的视觉观察来实现知觉运动，并提出一种学习框架以有效地学习反馈控制策略，可在人类中心的环境中在道路上行驶，越过不同的障碍，包括台阶、斜坡、间隙和楼梯。

Sep, 2021