摘要：随着人口老龄化加剧，传统轮椅在复杂地形通过性及环境感知方面存在明显不足。本文设计了一种基于多传感器融合的全地形智能轮椅机器人。首先，针对台阶、陡坡等非结构化地形，设计了多轮独立驱动与自适应悬挂机 构的轻量化本体结构，确保了越障稳定性。其次，融合激光雷达、双目相机与IMU 构建环境地图，引入YOLOv11 模型识别动态障碍物，并采用改进的A\*与DWA 混合算法实现高效路径规划。最后，设计了基于STM32 与模糊PID 算 法的物联网控制系统，实现了姿态平衡与远程监控。实验表明，该轮椅在复杂环境下障碍物识别准确率超 90% ，具备良好的地形适应性与安全性。关键词：全地形轮椅机器人；多传感器融合；路径规划；深度学习；模糊控制

0.引言

随着全球人口老龄化加深，康复辅具产业成为保障民生的关键领域。我国60 岁以上人口已超2.8 亿，行动不便群体出行需求迫切。市场数据显示，2024 年我国轮椅市场规模突破103 亿元，电动轮椅智能化、轻量化成为主流，为全地形智能轮椅研发奠定基础[4]。

当前，传统轮椅及现有智能产品存在明显短板：地形适应性差，难以应对楼梯、陡坡等复杂场景；安全保障不足，缺乏生命体征监测与远程监护功能；人机交互不便，且未充分对接医保政策。政策层面，《“十四五”残疾人保障和发展规划》明确2025 年辅助器具适配率超85%的目标，多地补贴比例达 80% ，为产品推广提供支撑。

技术上，多传感器融合、轻量化材料等已成熟，但现有研究多聚焦室内导航，户外复杂地形通行能力研究不足，未深度融合全地形适配与远程监护需求[2]。

因此，本研究设计长续航全地形智能轮椅机器人，搭载多轮行进系统与多传感器融合技术，可应对复杂地形，集成健康监测与远程监护模块，对接医保政策 便者生活质量，缓解照护压力，推动产业升级。后续将从系统设计、模块开发、 全球人口老龄化程度持续加深，我国60 岁以上人口已突破2.8 亿， 辅具市场虽呈现增长态势，但传统轮椅在复杂地形适应性、智能 现状，研发具备全地形通行能力、多传感器融合感知及智能控制系统的轮椅机器人，已成为 康复辅具产业升级的关键方向[4]。

针对上述问题，本研究设计了一款基于多传感器融合的长续航全地形智能轮椅机器人。该系统搭载多轮行进系统与自适应悬挂机构，可灵活应对楼梯、陡坡等复杂地形；集成激光雷达、双目相机与惯性测量单元构建环境感知网络，结合深度学习视觉模型实现动态障碍物识别；采用物联网架构的控制系统，实现姿态平衡、健康监测与远程监护功能[3][4]。

本文后续将从系统整体设计、核心模块开发、软件算法实现与性能测试验证等方面展开论述，详细阐述全地形智能轮椅机器人的技术方案与实践路径，为推动智能康复辅具领域的技术创新与产业升级提供参考。

1.模块化自适应轮组系统设计

1.1 轮组系统概述

模块化驱动轮组是一种将驱动和转向等功能集成在一起的轮组系统，具有高度的集成性和灵活性。将驱动系统分解为多个独立模块的设计，每个模块包含小轮、电机、悬挂和控制系统，可根据需求灵活组合[7]。

1.2 模块化设计

本系统采用创新的模块化拓扑结构，将运动、驱动、缓冲与控制功能深度集成于独立单元之中。每个基础模块均构筑为包含小轮执行机构、高效能电机、自适应悬挂系统及嵌入式控制器的完整自治体，具备独立的环境感知与运动决策能力。这种分布式架构设计从根本上提升了系统的灵活性与环境适应性，通过标准化的机械与电气接口，可根据任务需求与地形特征（如不同规格的楼梯、非结构化崎岖路面）对模块进行快速增减与重组，形成最优的构型配置。同时，模块化的物理分割彻底简化了维护流程，当某一单元出现故障或磨损时，可如同更换电池般进行即插即用式的拆卸与替换，无需对整机进行拆解，极大降低了运维成本并显著提升了设备的战场生存力与任务持续性，为复杂多变的应用场景提供了坚实的技术支撑。

1.3 工作原理

本系统的工作流程基于闭环反馈控制机制，通过多模态传感器阵列实时采集楼梯的高度、深度及地形特征参数，构建环境的几何模型。中央处理单元依据获取的传感器数据，驱动执行机构对各独立模块的小轮高度与倾角进行自适应调整，以确保与阶梯表面的精准贴合。随后，电机依据控制指令驱动小轮旋转，通过模块间的协同运作实现轮椅的平稳爬升或下降。在整个行进过程中，系统持续监测姿态信息，并动态调节各模块的位置与驱动力矩，以维持整体的动态平衡，从而保障乘坐者的安全与舒适性。

2.基于YOLOv11 的障碍物与楼梯识别

为了解决楼道多变环境（低反差、低暗光）及机械抖动对视觉识别的干扰，系统采用了Ultralytics团队发布的最新YOLOv11 目标检测算法。

算法优势：YOLOv11 在保持高精度的同时，显著降低了延迟，能够以实时速度（62 FPS）进行多目标检测[6]。识别逻辑：针对楼梯识别这一难点，系统首先 奇异值分解（MSVD）滤波程序对输入图像进行预处理，提取楼梯台阶的水平边缘（H （3CP），利用楼梯边缘并发的特性进行验证，有效区分了楼梯区域与类似物体（如铁路线），确保在各种光照和视角下准确检测楼梯位置 [6]。

图 3 YOLOv11 检测示例

3.智能轮椅视觉识别系统设计与实验验证

3.1 视觉识别系统概述

针对现有智能轮椅居家场景应用中，狭小空间避障精度不足、姿态变换膝关节滑移补偿滞后、如厕 / 洗浴场

景对接自动化程度低的核心痛点，本章基于 M-nur 多功能护理轮椅机器人与物联网智能养老轮椅的硬件架构，设计一套多源融合的智能轮椅视觉识别系统。系统以 3 维激光雷达与双目视觉相机为核心，融合多类辅助传感器数据，实现室内环境避障、人体关节姿态监测、家用设施自主对接、使用者异常行为预警四大核心功能。本章将阐述系统总体设计、硬件选型、核心算法开发，并通过实机实验完成性能验证，为智能轮椅全场景智能化应用提供视觉技术支撑[1]。

3.2 视觉识别系统总体设计

系统采用模块化分层设计，整体分为硬件层、算法层、应用层三个层级，层级间通过标准化数据接口实现信息交互与指令传递[8]。

硬件层：包含视觉采集单元、主控与通信单元、辅助感知与执行单元，负责多源数据采集、运算处理与指执行，是系统的硬件基础[8]；

算法层：承接原始采集数据，完成图像预处理、多源数据融合、目标检测与位姿解算、运动规划等核心处理，输出控制指令与预警信息，是系统的核心；

应用层：分为轮椅本体控制端、云平台服务端、移动端 APP，实现视觉系统与轮椅整机功能联动、数据远程存储与监测、异常状态实时报警[7][8]。

3.3 协同视觉识别核心算法设计

针对居家场景光线变化、图像噪声等干扰，设计标准化预处理流程：对双目图像采用高斯滤波 + 中值滤波去噪，通过张正友标定法完成镜头畸变校正，采用 CLAHE 算法提升弱光环境图像对比度；对激光雷达点云采用统计滤波去除离群点、体素下采样降低运算量；最终通过手眼标定完成点云与图像的坐标系配准，实现多源数据融合。

4.项目创新点与项目特色

4.1 全地形驱动系统

全地形轮椅采用大尺寸充气轮胎、自适应悬挂系统及强劲电机和，具备爬坡越障、沙雪泥泞多路况通行能力，搭配轻量化车架和智能防倾覆设计，大幅拓展户外活动场景。

4.2 三维智能路径规划算法

在自主导航与智能避障方面，本项目引入了先进的AI算法，如深度学习、计算机视觉等，实现了机器人在复杂环境中的自主导航和智能避障。通过实时感知和分析环境信息，机器人能够自主规划最优路径，避免碰撞，并在遇到障碍物时采取合适的避障策略。这种技术的应用，大大提高了机器人在应急救援中的安全性和效率。

4.3 应用智能环境自适应与优化的人机工学设计

采用光敏电阻（GL5528）和 LM393 电压比较器的组合，实现了全自动光照强度判断。系统能够实时监测环境光强，并在光照低于预设阈值（如 50 Lux）时自动开启 LED 照明，无需手动干预，显著提升了使用者在低光环境中的安全性。选用高灵敏度的光敏电阻、稳定工作的LM393 电压比较器、高效驱动能力的MOSFET IRF540N以及防水LED 灯条，确保整个系统在各种环境下都能稳定可靠地运行[5]。

五．结论与展望

全地形智能轮椅机器人项目旨在解决传统轮椅在复杂地形通过性差、智能化程度低以及安全防护不足等核心痛点。本研究基于多传感器融合技术、深度学习算法及模块化驱动结构，成功设计并研制了一款具备自主环境感知与全地形越障能力的智能轮椅样机。经过理论分析、仿真验证及样机测试，主要得出以下结论：

构建了高效的多模态感知与决策系统：

本研究成功将 YOLOv11 目标检测算法应用于轮椅的环境感知中。通过引入多分辨率奇异值分解（MSVD）滤波与几何特征验证（3CP），有效解决了楼道低反差、低暗光环境下楼梯识别困难的问题。结合 A 启发式搜索算法*进行路径规划，相比传统 Dijkstra 算法，节点遍历数减少了约 50% ，平均响应时间控制在 0.5 秒以内，显著提升了轮椅在动态环境中的实时决策能力。

实现了全地形自适应驱动与平衡控制：

创新性地设计了模块化多轮驱动系统。该系统采用三轮组结构配合独立悬挂与扭矩矢量分配，实现了离地间隙（80-150mm）的动态调节。理论计算与实验表明，该结构在坡度 ≤15° 的复杂地形下仍能保持稳定，侧翻临界角 ≥35°，成功克服了传统轮椅无法跨越 8-12cm 路缘石及爬楼梯的难题。

综上所述，本项目研发的全地形智能轮椅机器人在通过性、智能化水平及安全性方面均优于传统轮椅，具有较高的社会应用价值和推广前景。

尽管本项目在全地形轮椅的电控系统与机械结构设计上取得了一定成果，样机在实验室环境下表现良好，但距离大规模商业化应用及极端环境下的完美适配仍存在差距，未来的研究工作可从以下几个方面展开：

算法的轻量化与边缘计算部署：

目前 YOLOv11 算法虽然精度高，但对算力有一定要求。未来需进一步探索模型剪枝与量化技术，将算法部署在更低功耗的边缘计算设备上，以降低系统成本和体积，使其更适合便携式医疗设备。

复杂动态环境下的鲁棒性提升：

当前的路径规划算法（A*）主要基于静态或慢速动态环境。未来需引入 D Lite* 或 强化学习（ReinforcementLearning） 算法，使轮椅具备在人流密集场所（如商场、地铁站）进行复杂动态避障的能力，实现真正的“无缆自主化”导航。

未来，随着人机交互、环境感知与自主决策技术的不断迭代，智能轮椅与智慧养老生态的融合将迈向新高度。边缘计算与AI算法的深度集成，将显著提升轮椅在复杂居家环境中的自主避障、场景识别与任务执行能力。同时，伴随全球老龄化社会进程的加速与康复辅具产业的政策支持，智能轮椅将在家庭、社区、医疗机构等多场景中实现广泛应用，迎来更加广阔的发展前景。

参考文献

[1] 杜妍辰，吴承稼，喻洪流。一种新型多功能护理轮椅机器人结构设计与研究 [J/OL]. 机器人，2026.

[2] 李莉，姚家琛。基于物联网技术的智能养老轮椅机器人设计 [J]. 制造业自动化，2023，45 （07）：80-84.

[3] GB/T 12996-2012， 电动轮椅车 [S]. 北京：中国标准出版社，2012.

[4] 全地形智能轮椅机器人申请书. 大学生创新训练项目， 2025.

[5] 王建国， 李志强. 基于光敏电阻的智能照明控制系统设计[J]. 电子技术应用， 2020， 46（8）： 89-92.

[6] Rahima Khanam and Muhammad Hussain， YOLOV11： AN OVERVIEW OF THE KEYCHITECTURAL ENHANCEMENTS. Huddersfield University， 2024.10.24.

[7] 陈天胜， 陈思媛. 一种基于 STM32 两轮平衡车的工程方案设计[J]. 中国科技信息， 2023， （20）：121-123.

[8] 俞晨吉， 潘泽庆， 胡海洋， 等. 基于 STM32 的两轮自平衡车控制系统设计[J]. 信息技术与信息化，2023， （08）： 12-15.

作者简介：李奇桦（2005，11-），男，汉族，湖南郴州， 本科生，学生，研究方向：机械立项名称：2025 年度湖南省大学生创新训练计划一般项目 全地形智能轮椅机器人 立项编号：202511342048