异构移动机器人上的非接触式呼吸监测：多模态边缘计算框架
本文提出了一种适用于异构移动机器人的非接触式呼吸率监测框架，该框架利用机载边缘计算，结合RGB、热成像、近红外和低光摄像机，通过亮度自适应传感器选择、关键点引导的胸部ROI提取和基于信号质量指数的滤波机制，实现了在多变光照、不同姿态和多种机器人平台上的可靠呼吸监测。实验表明，RGB最远覆盖8米，近红外6米，热成像仅短距离有效，低光在完全黑暗中可达8米。该框架为危险环境中的自主分诊和受害者评估奠定了坚实基础。
在紧急响应、灾难恢复和传染病防控等场景中，呼吸率（RR）监测是远程分诊和受害者评估的关键组成部分。减少物理接触不仅能够降低救援人员的感染风险，还能提升整体操作安全性。然而，由于光照条件多变、人体姿态变化、机器人平台异构性以及危险环境中穿戴式传感器难以使用等因素，非接触式呼吸率监测的现场部署仍面临巨大挑战。
针对这些难题，研究人员提出了一种模态自适应的非接触式呼吸率监测框架，专为配备机载边缘计算的异构移动机器人设计。该框架的核心创新在于融合多种成像模态——包括RGB摄像头、热成像摄像头、近红外（NIR）摄像头以及低光摄像头——并采用亮度自适应传感器选择机制，根据环境光照自动切换最佳传感器组合。同时，利用关键点引导的胸部感兴趣区域（ROI）提取技术，确保在不同姿态下仍能准确锁定监测区域；而基于信号质量指数（SQI）的滤波机制则进一步滤除噪声，保证呼吸估计的可靠性。
研究团队在三种不同的机器人平台上实现了该框架，涵盖了四足机器人和轮式机器人，并适配了多种边缘计算架构。实验在广泛变化的光照条件、受试者姿态以及机器人-受试者距离下进行，结果令人振奋：该框架能够跨平台泛化，无需针对每种平台重新调整算法参数。同时，实验也揭示了各模态的独特操作边界——RGB摄像头在8米距离内提供最广的覆盖范围；近红外在6米内有效；热成像仅适用于短距离；而低光传感器则在完全黑暗中支持长达8米的监测。总体而言，研究结果证实了在移动机器人上实现多模态非接触式呼吸率监测的可行性，为危险搜救环境中的自主分诊和受害者评估奠定了坚实基础。
该论文由Milind Rampure等五位作者撰写，共8页、6张图表。论文将发表于2026年6月在冰岛雷克雅未克举行的IEEE DCOSS-IoT 2026大会的第八届物联网应用与工业5.0国际研讨会（IoTI5 2026）论文集。这一工作有望推动救援机器人领域的进步，使机器人能够在无需直接接触的情况下快速评估伤员状态，从而大幅提升救援效率和安全性。