下肢康复外骨骼作为一种康复医疗设备,能够帮助下肢运动功能障碍人群实现不同场景下的行走。当前的下肢外骨骼机器人仅仅侧重于某些特定任务或者环境,无法满足下肢功能障碍患者穿戴外骨骼“独立安全”地在未知环境下行走的需求。因此,有必要通过环境感知的方式,提高外骨骼对环境所在场景的理解以及对环境几何参数的辨识,以实现在不确定环境下人机能够协作行走。本文主要研究外骨骼在日常生活环境中可行走区域的感知方法,论文的主要工作内容如下:针对外骨骼在日常生活环境下的可行走区域,本文以步态类别将可行域划分为平地、斜坡、楼梯和障碍四种行走场景。每种场景包括影响行走的因素与具体指标,结合外骨骼、无障碍道路设计以及使用者三者的信息,获得每种场景下可行的具体指标参数,然后基于RGB-D相机设计了一套针对外骨骼的行走域感知系统:(1)针对外骨骼行走场景的识别,本文提出了基于深度学习语义分割的场景识别方法。首先通过Laplacian算子以及相机位姿剔除模糊且语义信息偏少的图像;然后通过语义分割网络实现图像像素级的语义分类;最后,将分割结果中的语义映射为场景类别,通过深度数据划分行走感知区域,使用轮廓检测算法判断感知区域的场景类别。实验中选择PSPNet、UPerNet以及MobileNetV2作为分割网络,训练集基于ADE20K。结果表明,三种网络对大部分场景有高于80%的正确识别率,在小范围移动中仅楼梯识别效果较差,会因为位姿和环境影响楼梯分割结果。(2)针对外骨骼行走过程中环境几何参数的识别,本文提出了基于相机深度数据的环境参数识别方法。为减小计算量,将相机深度数据转化为点云后,以点云的深度与高度数据建立二值图。通过边缘检测方式获取环境的几何边缘信息,然后提取含有更多高度信息的上边缘轮廓,利用改进的RANSAC算法提取线性特征,针对不同场景以不同策略估计其环境参数。实验中,用已知参数的模板验证斜坡、楼梯、可跨障碍三种场景的识别精度,除障碍物的侧面宽度因为视角遮挡而无法准确预估,其余估计值误差在数厘米范围内。实验中还与RANSAC和概率霍夫变换算法进行了对比,结果表明本文的特征提取方法能同时保证速度和结果准确性。本论文设计的行走域感知方法,最后在离线环境下验证了整体方案在室外及楼梯区域内行走时的有效性。通过感知系统传递的场景类型以及环境的几何参数,丰富了外骨骼原本缺乏的环境信息,能有效的提高行走时的决策判断以及安全性。