發(fā)布時間：2021-07-21 04:03

　　基于激光雷達的室內(nèi)機器人行人檢測、跟蹤容易受到復雜背景的影響。針對這種情況,提出一種基于似然域背景差分的行人檢測、跟蹤和跟隨系統(tǒng)。利用即時定位與地圖構建算法獲得陌生環(huán)境的二維柵格地圖,通過蒙特卡洛定位獲得機器人在地圖中的后驗位姿,利用似然域模型分割出前景對應的激光雷達數(shù)據(jù)后,進行行人的檢測、跟蹤以及跟隨。實驗結果表明,該系統(tǒng)使行人檢測準確率提升3.49%,平均檢測時間縮短近32%,有效降低復雜背景對多行人檢測與跟蹤的影響,實現(xiàn)機器人對目標行人的實時跟隨。 

【文章來源】：計算機工程與設計. 2020,41(01)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

實驗硬件平臺

如圖2所示，在完成環(huán)境地圖構建后，先利用蒙特卡洛定位確定機器人位姿。如果定位失敗則直接進行數(shù)據(jù)聚類，否則進行似然域背景差分，只對提取到的前景對應的激光雷達數(shù)據(jù)進行數(shù)據(jù)聚類，避免復雜背景對后續(xù)行人檢測與跟蹤的干擾。最后根據(jù)一定的規(guī)則對行人跟蹤器輸出的跟蹤目標進行判斷，如存在目標行人，則讓機器人對目標行人進行自動跟隨，否則結束進入下一個掃描幀的循環(huán)。2 建圖與定位

GMapping算法具有不依賴激光雷達性能、不需要大量計算資源、建圖精確等優(yōu)點，故本文選用其來構建環(huán)境地圖。圖3為圖1實驗平臺在一個辦公室內(nèi)運行GMapping算法后得到的柵格地圖。圖中白色部分表示該區(qū)域不被占據(jù)；黑色部分則表示該區(qū)域被障礙占據(jù)；灰色則是狀態(tài)不明，一般是被障礙隔擋無法探測或未建圖區(qū)域；數(shù)字對應背景差分實驗位置。2.2 蒙特卡洛定位

【參考文獻】：
期刊論文
[1]移動機器人SLAM關鍵問題和解決方法綜述[J]. 楊雪夢,姚敏茹,曹凱.  計算機系統(tǒng)應用. 2018(07)
[2]基于Adaboost和碼本模型的手扶電梯出入口視頻監(jiān)控方法[J]. 杜啟亮,黎浩正,田聯(lián)房.  計算機應用. 2017(09)
[3]激光雷達引導下的紅外圖像中行人檢測[J]. 魏麗,丁萌,曾麗娜,曾麗君.  計算機工程與應用. 2017(23)
[4]大數(shù)據(jù)聚類算法綜述[J]. 海沫.  計算機科學. 2016(S1)
[5]基于局部特征的車載紅外行人檢測方法研究[J]. 王國華,劉瓊,莊家俊.  電子學報. 2015(07)
[6]基于梯度方向和強度直方圖的紅外行人檢測[J]. 朱聰聰,項志宇.  計算機工程. 2014(12)



本文編號：3294265