基于视觉的扫地机器人地毯识别、防跌落与避障系统（二）

地毯视觉特征提取与识别原理

地毯与硬质地面的视觉差异主要体现在纹理复杂度、表面粗糙度与光影反射特性上。硬质地面纹理单一、反光均匀，而地毯表面具有纤维纹理、绒毛起伏，纹理特征更丰富，且光线照射下会形成漫反射，无明显高光区域。算法层首先对地面图像进行灰度化与滤波处理，提取局部二值模式（LBP）、灰度共生矩阵（GLCM）等纹理特征，判断地面粗糙度；其次结合色彩特征，区分地毯与地面的色差边界；通过深度估计检测地毯高度，排除地面花纹、脚垫等干扰项。

为适配不同类型地毯，算法模型训练时纳入短绒地毯、长绒地毯、异形地毯、拼接地毯等多种样本，同时优化对浅色系、纯色地毯的识别能力，避免因纹理不明显导致漏识别。识别过程中，机器人会对地面区域进行网格化检测，实时判断当前位置是否处于地毯区域，以及地毯的覆盖范围。

地毯识别后的清洁策略适配

完成地毯识别后，系统会根据当前清洁模式与地毯类型，动态调整工作参数：标准清扫模式下，进入地毯区域后，吸力档位自动上调，主刷转速适配地毯绒毛高度，深度清理藏于纤维间的灰尘；拖地模式下，识别到地毯边缘时，提前抬起拖地模块，关闭出水功能，绕行通过地毯区域；对于超薄短绒地毯，可根据用户预设，选择不抬升拖布但降低出水量，兼顾清洁与防潮。此外，系统会将地毯区域标记在地图中，后续清扫时优先执行地毯深度清洁，提升整体清洁效率。

家用环境中的楼梯、台阶、门槛落差、高架台面等区域，是扫地机器人跌落风险的高发区。传统防跌落方案依赖红外测距传感器，易受地面颜色、反光度影响，出现误判。基于视觉的防跌落系统通过近距离地面图像分析与深度检测，精准识别落差区域，提前做出安全响应，适配合规高度的落差检测需求。

视觉防跌落检测原理与实现流程

视觉防跌落模块主要依赖机身底部的近距离视觉传感器，实时采集机器人前方与下方的地面图像，通过对比连续帧图像的纹理变化与深度差异，判断是否存在地面落差。当机器人接近楼梯、台阶等区域时，底部摄像头采集到的图像会出现明显的纹理断裂、深度突变，原本连续的地面纹理消失，取而代之的是悬空区域的背景纹理。

算法层通过边缘检测算法提取地面边界，结合深度估计计算落差高度，判断是否属于跌落风险区域：对于超过安全阈值的落差（如楼梯、高台），判定为高风险跌落区；对于较低的门槛落差，判定为可跨越区域，避免误判导致机器人无法通行。同时结合IMU的姿态数据，检测机身倾斜角度，辅助判断是否接近落差边缘，进一步提升检测可靠性。

防跌落响应策略与场景适配

当视觉系统检测到跌落风险时，执行控制层立即发出指令，驱动行走电机紧急减速，随后控制机器人转向后退，远离落差区域，重新规划清扫路径。针对不同落差场景，系统采用分级响应策略：对于明显的楼梯、高台，提前远距离检测并避让；对于低矮门槛、小幅度地面落差，精准判断落差高度，可平稳跨越的区域正常通行，无需绕行。为提升暗光环境下的检测精度，底部视觉传感器搭配补光模块，在光线不足的楼梯间、床下区域，仍能清晰采集地面纹理，保证防跌落功能稳定运行。