随着生活水平以及科技水平逐步提高,移动机器人的使用逐渐渗透到基层生活中来。移动机器人逐渐开始具备感知,规划以及决策能力。其中行人检测的功能是完成其他规划任务的一项十分基础和重要前提。由于行人具有非刚性,并且室内环境不尽相同,行人的高矮胖瘦衣着等都具有很大的不确定性,所以检测算法上需要更加灵活。移动机器人可以依靠搭载的深度相机,较高频率的获取RGBD数据用来进行环境感知工作。对于Kobuki这一类近地面移动平台来说,受传感器视野的影响,普遍的行人检测算法无法在该类平台上使用。所以本文提出一种应用于近地面移动平台的基于人腿检测的行人检测算法。相较于上半身的数据,移动平台应该更加关心行人下半身的位置和动态信息。出于对二维图像和三维点云数据结构特点的考虑,本文针对二维图像和三维点云利用不同的算法进行处理。二维图像信息结构更加全面和完整,所以本文首先利用改进版YOLOv3-tiny对RGB图像中的人腿进行检测,检测得到的包围框的结果和D通道数据的结合可以得到一个锥形视角,锥形视角内的点云数量少但大多是与行人腿部相关,这样既减少了点云分割网络的计算压力,同时也提高了分割网络的精度上限,然后利用Point Net分割网络对锥形视角内的点云进行分割得到行人数据。本文提出的基于人腿检测的行人检测算法在准确度和实时性都具有不错的表现,在本文制作的数据集中,算法实时性可以达到47.89fps,点云分割精度达到70.27%,对比相关的算法性能优越。