基于偏振视觉融合的楼梯场景三维重建与机器人落脚规划技术研究

本文创新性地提出偏振-视觉融合框架，通过YOLOv11算法融合偏振强度对比增强与点云分割实现98.7%±0.10%的楼梯识别精度，结合改进灰狼优化器（IGWO）完成异源传感器（0.33±0.04 mm标定误差）校准，最终融合偏振双目与TOF深度信息实现<0.2%重建误差的三维重建，为机器人地形适应提供新范式。

　　

Highlight

本研究基于偏振视觉融合框架，建立了"楼梯识别-异源传感器校准-偏振三维重建"的全新技术范式。在楼梯识别模块中，融合偏振强度对比增强算法与点云分割的YOLOv11模型展现出98.7%±0.10%的识别精度；传感器校准模块采用改进的Levy飞行动态权重灰狼优化器（IGWO），实现0.33±0.04 mm的异源相机标定精度；重建模块创新性地通过双目视觉校正偏振方位角模糊，并利用TOF填补立体匹配数据空洞，在0.5米距离内重建误差<0.2%，显著优于传统双目（表面畸变）和纯偏振（法向量模糊）方法。

Discussion

本研究通过偏振三维视觉实现了楼梯场景的精准感知。偏振成像相比传统RGB或灰度图像能获取更丰富的维度信息，而双目偏振与TOF的融合策略有效解决了偏振重建中的方位角模糊问题。实验表明，该方法在反射抑制和纹理无关性方面具有显著优势，为机器人动态环境中的实时地形适应提供了可靠解决方案。值得注意的是，偏振梯度场的双折射特性可能影响金属材质楼梯的重建精度，这将是未来研究的重要方向。

Conclusion

本文提出的偏振-视觉融合框架通过三大创新突破：1）基于多层感知器（MLP）的偏振信息融合识别算法；2）改进灰狼优化的异源传感器标定方法；3）偏振双目-TOF融合重建技术，实现了机器人楼梯场景的高精度感知。特别在重建模块中，通过TOF深度信息填补双目视觉的数据空洞（data holes），同时利用双目纹理校正偏振法向量模糊，最终在0.5米工作距离达到亚毫米级重建精度。该技术为下肢外骨骼、服务机器人等领域的复杂地形导航提供了新的技术路径。