一种基于跨模态协同学习的车底检测机器人局部路径规划方法

本发明涉及路径规划技术领域，尤其是涉及一种基于跨模态协同学习的车底检测机器人局部路径规划方法。方法包括对获取的多模态感知数据进行数据预处理；根据预处理后的数据并基于跨模态协同建模机制构建多模态融合感知特征图；基于路径规划将多模态融合感知特征图映射为局部路径导航图；基于路径生成机制在局部路径导航图中选择最优路径；基于状态误差估计机制进行最优路径优化。实现了多模态数据的深度融合、空间几何与语义类别的动态建图、模态置信自调与执行反馈修正等功能。实验验证表明，本发明方法在典型车底复杂场景中，可将路径规划任务成功率由78.6％提升至95.3％。