传统轮椅逆袭！RDK + 激光雷达如何重塑出行体验？

为满足特殊群体智能化出行需求，攻克传统轮椅技术短板，本项目研发了一款智能轮椅。该轮椅借助摄像头与激光雷达，精准感知环境、检测障碍物；融合激光 SLAM 技术和互联网地图，实现室内外无缝导航与自主避障；提供手柄、语音、手势、远程 APP 等多种交互方式，操作便捷。测试显示其在感知、导航、交互上表现出色，应用前景广阔。未来将从优化算法、丰富传感器、增强个性化体验等方向持续改进，提升产品竞争力——C.T.R.L.325.团队

一、方案论证与设计

（一）系统总体设计

系统聚焦多模控制与感知、室内外广域出行。室内利用 SLAM 算法建图，结合 IMU 和 AMCL 算法定位；室外依托拓扑地图与 RTK 实现定位及全局路径规划。激光雷达处理点云划分可行区域，摄像头感知路况，共同决策轮椅运动。人机交互提供手柄、手势、语音、上位机及远程 App 五种控制方式，远程 App 支持监护人实时监控。

系统采用分层开发模式，涵盖多模感知层、自主导航层、人机交互层、通信协议层和物理层。多模感知层通过摄像头、激光雷达等采集环境数据；自主导航层基于 SLAM 和路径规划算法实现自主避障；人机交互层提供多元操控方式；通信协议层保障数据传输；物理层负责驱动和动力控制。

（二）系统技术路线

（1）基于摄像头和激光雷达的多模感知技术

采用摄像头与三维激光雷达采集环境数据。激光雷达利用 PCL 库处理点云，识别可行驶区域；摄像头基于 YOLOv7 模型检测红绿灯、斑马线，实现轮椅自主调节。

（2）基于激光 SLAM 的室内自主导航技术

基于激光雷达的自主导航算法，搭配自适应蒙特卡罗定位（AMCL）实现定位。ROS 的 movebase 模块整合激光雷达、地图及定位数据，更新代价地图，规划路径并驱动轮椅运动。

（3）基于互联网地图的室外广域出行技术

通过百度地图 API 获取地图数据，结合 RTK 模块实现高精度定位。标注目标点获取路线后，利用 gps_goal 导航包与 move_base 协同，完成室外导航闭环。

（4）智能轮椅多模态人机交互技术

交互分为 “乘员 - 轮椅” 和 “监护人 - 轮椅” 两类。乘员可通过手柄、手势、语音控制轮椅，并查看状态；监护人能借助手机 App 远程监控与操控。

（三）软硬件平台搭建

（1）智能轮椅底层结构

采用两万向轮、两驱动轮底盘，前轮万向轮便于窄空间转向，后轮差速控制实现精准定位。自研底盘控制主板集成电源、电机驱动、STM32 控制等模块，保障底层稳定运行。

（2）智能轮椅终端设备组成

选用 RDK X3 部署 YOLOv7 模型，实现实时对象检测；采用 NVIDIA Jetson Orin NX 运行 ROS 系统，支持多传感器数据处理与控制指令生成。

（3）智能轮椅关键传感器介绍

选用速腾聚创 RSM1 三维激光雷达，基于 MEMS 技术生成高分辨率点云；配备索尼 IMX477 图像传感器的摄像头，支持低光环境高清成像；采用 DETA100R RTK 定位模块，融合 GNSS 与 INS 技术，提供厘米级定位与姿态数据。

二、技术细节与原理

（一）基于 YOLOv7 的多场景识别技术

（1）构建数据集

采用网络爬虫与实地拍摄结合的方式，采集多城市、多环境条件下的交通图像。涵盖不同光照（日光、夜间等）、气象（晴、雨）条件，以及多种拍摄视角，获取行人过街信号灯、斑马线场景。经人工筛选，剔除低质量与重复图像，形成 PTL-C 数据集。通过分辨率统一、色彩校正和去噪预处理，将 1251 张图像按 8:2 划分为训练集与验证集。使用 LabelImg 工具标注，记录类别标签及归一化坐标信息于同名 txt 文件。

（2）YOLOv7 模型

鉴于轮椅环境感知的实时性需求，选用 YOLOv7 模型。其采用扩展高效层聚合网络（E-ELAN）提升学习能力，基于串联模型的缩放方法平衡性能，应用卷积重参化等技术提高检测精度。Backbone 采用 FEN 特征网络，Head 使用 FPN-PAN 网络融合特征，并调整网络深度和宽度参数，以适配轮椅计算资源。

（3）实际场景测试

对比原模型与改进后模型，改进版在行人、红绿灯和斑马线识别中，定位更精准，误检与漏检率降低，验证了优化方案的有效性。