基于NVIDIAOrinNX的实时3D点云语义分割与机器人导航.docxVIP

PAGE2

基于NVIDIAOrinNX的实时3D点云语义分割与机器人导航

摘要

随着无人驾驶、自主移动机器人在物流、巡检、服务等领域的快速发展，对复杂场景下三维环境感知的实时性和准确性提出了更高要求。激光雷达点云因其不受光照影响、可提供精确距离信息的特性，成为机器人环境感知的核心数据源。然而，传统几何方法难以有效区分地面、障碍物与可通行区域，而高精度深度学习语义分割模型往往计算量大，难以在算力受限的嵌入式平台上实现实时推理。本课题面向移动机器人自主导航需求，设计并实现了一套基于NVIDIAOrinNX嵌入式平台的实时3D点云语义分割与可通行区域提取系统。系统以激光雷达点云为输入，部署轻量化RandLA-Net语义分割网络，对点云进行逐点分类，分割出地面、建筑物、植被、车辆、行人等类别，并实时生成二维可通行性栅格地图，为机器人局部路径规划提供可靠的环境信息。设计遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路。论文首先分析了实时点云语义分割在嵌入式平台部署的挑战，明确了功能与非功能需求；然后，在硬件选型与软件框架基础上，设计了分层可扩展的系统架构，将点云预处理、语义推理、后处理与导航地图生成解耦为独立模块；详细设计中，给出了模型轻量化、TensorRT加速、点云柱面投影与可通行性分析的算法流程；最终在NVIDIAOrinNX上实现完整推理管线，并开展