基于深度学习的多场景智能引导机器人
面向校园与园区半结构化场景，融合多源感知、语义分割、路径规划与安全控制，构建可自主引导、动态避障并支持人工接管的移动机器人系统。
系统架构图
正在加载架构图…项目整体架构综述
本项目面向校园与园区等半结构化场景，构建了一套“多源感知 + 视觉理解 + 路径决策 + 执行控制 + 安全接管”的端到端智能引导机器人系统。整体架构采用分层协同设计：上位机负责视觉计算、地图决策与策略调度，下位机负责高频数据采集、实时控制执行与通信中转。系统以模块化方式组织硬件与软件能力，使感知、决策、控制、安全四条主链路既能独立迭代，又能在统一时序下协同运行。通过该架构，机器人在复杂光照、遮挡、弯道和人车混行等场景下仍可维持稳定引导能力，并在异常状态下快速切换到安全模式。
环境感知模块：全方位的传感器阵列
感知层由四类核心传感器构成，并通过时间戳对齐与状态缓存机制实现多源同步。高清摄像头持续采集前向路面图像，承担车道边界、可通行区域与障碍形态识别任务；北斗/GPS 双模定位提供全局坐标，支撑地图匹配与路径切换；二维激光雷达负责 360 度环境扫描，输出障碍距离、相对角度与局部空间分布信息；九轴 IMU 以高频输出航向角、角速度和姿态变化量，为偏航补偿与控制闭环提供关键反馈。系统在工程实现中采用“视觉为主、雷达兜底、IMU稳态、GPS定锚”的融合策略：视觉负责语义理解，雷达提供几何安全边界，IMU保证短时姿态稳定，GPS负责全局定位一致性。
视觉处理核心：DeepLabV3+ 语义分割网络
视觉主干采用 DeepLabV3+ 语义分割网络，对输入图像进行像素级分类，输出“可行驶区域 / 非可行驶区域”语义结果。与传统边缘或颜色阈值方案相比，该方法在阴影、逆光、局部污损和纹理干扰条件下具有更强鲁棒性。分割结果经过后处理后，会生成中心引导线、边界约束区与风险区域标记，并映射到统一控制坐标系。系统同时定义了多级判定区域（如前向预警区、制动触发区、安全回退区），将视觉感知直接转化为可执行控制信号，使模型输出不仅“能看懂”，而且“能控制”。
决策导航模块：数字地图与全局路径规划
导航层以数字地图为先验，融合实时定位进行全局与局部双层规划。全局层根据起终点、道路可达性与历史通行约束生成候选路径，并按路段风险、转弯代价与拥挤度进行代价评估，选择最优主路径；局部层结合当前感知结果实时修正前向轨迹，实现对行人、临时障碍与非结构化边缘的动态绕行。系统在每个控制周期都会更新“目标航向 + 目标速度 + 目标曲率”三元组，并与 IMU 航向反馈进行闭环比对，持续输出下一步动作建议。即便在 GPS 短时抖动场景下，也可通过惯导与局部视觉约束维持导航连续性。
核心控制系统：多策略融合决策
控制层采用“学习策略 + 经典控制”融合框架：在高层用学习型方法进行状态评估与动作建议，在底层用 PID/模糊控制保证执行稳定与可解释性。控制器输入包含语义分割引导误差、障碍距离场、目标航向误差、速度状态与姿态变化量，输出方向、油门与制动控制指令。针对不同路况，系统支持多模式切换（巡航模式、避障模式、降速模式、人工接管待命模式），并通过限幅、死区、斜率约束与饱和保护避免突变指令造成机械冲击。最终控制参数会按协议编码下发，确保下位机可稳定解析并执行。
底层通信与执行机构：从信号到动作
底层执行平台由双 STM32F103ZET6 协同构成：下位机(1)承担多传感器数据采集、协议封装与上行转发；下位机(2)承担执行机构驱动、状态回传与安全逻辑落地。通信层设计了分频与优先级机制，高优先级安全信号可抢占普通控制指令，保证紧急情况下毫秒级响应。执行层直接控制转向、驱动与制动机构，并实时回传执行状态、故障码与关键反馈量，形成“上位决策—下位执行—状态回流”的闭环通道。该设计在保证实时性的同时，显著降低了单点故障风险。
安全模块：人工干预与紧急制动
安全模块采用“软件监测 + 硬件冗余 + 人工接管”三重保障。软件层持续监控传感器健康度、控制异常跳变、路径偏差超限与通信心跳；一旦触发阈值，系统自动进入降速或制动策略。硬件层提供独立制动触发链路，确保在主控异常时仍可停车。人工层由安全员实时监护，保留最高优先级接管权，支持一键切断自动驱动并强制制动。通过这套机制，系统可在复杂多场景运行中维持“可用且可控”的安全边界，为后续规模化部署提供可靠基础。