Riconoscimento della deambulazione tramite LiDAR e tecniche di Deep Learning per walker robotici assistivi

Lo sviluppo di soluzioni intelligenti per la mobilità è un passaggio fondamentale per aumentare l'autonomia delle persone con deficit motori, soprattutto nelle attività quotidiane. Questa tesi presenta la progettazione e l'implementazione di un sistema di percezione per un walker robotico e sviluppato nell'ambiente ROS 2. Il sistema utilizza un sensore Lidar 3D per tracciare la posizione dell'utente e, grazie ad algoritmi di filtraggio spaziale e clustering come DBSCAN, riesce a estrarre in tempo reale le posizione delle gambe, un aspetto essenziale per rendere l'assistenza più precisa e reattiva. Successivamente, attraverso l'integrazione di una rete neurale (LSTM) viene analizzata l'evoluzione temporale di tali coordinate e viene stimata l'intenzione di moto dell'utente, classificandola in tre possibili stati: camminata, staticità o assenza. Questa predizione, infine, viene utilizzata come "interruttore" per un sistema di controllo, il quale permette al robot di assistere l'utente nella camminata ed evitare gli ostacoli durante il movimento, e di agire sull'intero sistema per garantire un'interazione uomo - robot fluida e sicura