论文部分内容阅读
目前随着人工智能的高速发展,相关技术正逐步应用到人们的日常生活中。图像处理、语音识别、机器人、智能搜索等产品开始进入到医疗、教育、金融、出行以及工业生产的各个环节。在工业智能化发展的过程中,机器人不仅仅代替人工从事危险繁重的工作内容,还能完成高精度高复杂度的任务。在移动机器人领域,根据不同的应用场景,发展出不同的机器人,包括物流行业的AGV、服务行业的机器人、道路上的无人车等。其中地图创建、路径规划、目标跟踪是移动机器人的核心技术,也是移动机器人能否成功应用的关键。由于实际室内环境复杂,移动机器人容易丢失跟踪目标。本文将针对室内移动机器人的目标跟随问题作如下研究:(1)室内移动机器人跟随目标需要获得目标的深度信息。通过激光传感器可以获得深度信息,但价格高昂,而通过双目视觉等其他方法计算量大。这里采用Kinect深度传感器作为移动机器人的主要传感器,可以同时获得深度信息和彩色图像。为了提高移动机器人跟随的实时性,对深度图像模拟激光,保留深度信息的同时,减少计算量。针对Kinect深度传感器获得的深度信息存在的空洞和闪烁问题,通过基于频率的方法滤波,对滤波后仍然存在的空洞,采用区域生长法与中值滤波进行消除,增强模拟激光数据。(2)针对室内移动机器人跟随场景,以行人腿部作为主要跟踪目标。设计目标人腿的特征描述子,对激光数据设计了多约束条件的聚类方法。对聚类后的目标贴上标签,训练SVM二类分类器,对训练好的分类器进行交叉验证。通过训练好的SVM分类器从激光数据中提取出人腿信息。(3)设计了一种基于模拟激光数据的移动机器人行人跟随方法。为了提高跟踪的鲁棒性,采取融合目标深度信息的Camshift目标跟踪算法。由于移动机器人机动性能和Kinect传感器视野有限,目标容易丢失在视野中。针对这一情况,分析目标运动信息,设计了目标丢失后寻找目标的方法,通过激光数据特征和Camshift直方图信息确定跟随目标,实现重新跟随。(4)以Turtlebot移动机器人为实验平台,介绍了 ROS机器人操作系统和ROS程序的相关基本知识。设计了行人跟随系统的软件结构。通过实验验证目标跟随算法的效果,验证目标丢失后寻找目标和重新跟随目标的效果。