基于深度估计的单目视觉避障系统设计与实时性优化.docx

PAGE2

基于深度估计的单目视觉避障系统设计与实时性优化

摘要

随着移动机器人应用场景的日益复杂，自主导航与避障能力成为衡量机器人性能的核心指标。传统激光雷达传感器成本高昂且难以感知语义信息，而双目视觉受限于基线长度与标定复杂度。单目视觉凭借低成本、易部署的优势受到广泛关注，但缺乏物理深度信息成为其最大痛点。

本课题旨在设计并实现一套基于深度估计的单目视觉避障系统，同时针对边缘计算设备的算力瓶颈进行实时性优化。系统采用轻量化深度估计网络将单目RGB图像转换为稠密深度图，结合空间分割与距离阈值算法实现动态障碍物检测与避障决策。通过引入模型剪枝与TensorRT量化部署技术，大幅降低了推理