隨著生活水平以及科技水平逐步提高,移動機(jī)器人的使用逐漸滲透到基層生活中來。移動機(jī)器人逐漸開始具備感知,規(guī)劃以及決策能力。其中行人檢測的功能是完成其他規(guī)劃任務(wù)的一項十分基礎(chǔ)和重要前提。由于行人具有非剛性,并且室內(nèi)環(huán)境不盡相同,行人的高矮胖瘦衣著等都具有很大的不確定性,所以檢測算法上需要更加靈活。移動機(jī)器人可以依靠搭載的深度相機(jī),較高頻率的獲取RGBD數(shù)據(jù)用來進(jìn)行環(huán)境感知工作。對于Kobuki這一類近地面移動平臺來說,受傳感器視野的影響,普遍的行人檢測算法無法在該類平臺上使用。所以本文提出一種應(yīng)用于近地面移動平臺的基于人腿檢測的行人檢測算法。相較于上半身的數(shù)據(jù),移動平臺應(yīng)該更加關(guān)心行人下半身的位置和動態(tài)信息。出于對二維圖像和三維點云數(shù)據(jù)結(jié)構(gòu)特點的考慮,本文針對二維圖像和三維點云利用不同的算法進(jìn)行處理。二維圖像信息結(jié)構(gòu)更加全面和完整,所以本文首先利用改進(jìn)版YOLOv3-tiny對RGB圖像中的人腿進(jìn)行檢測,檢測得到的包圍框的結(jié)果和D通道數(shù)據(jù)的結(jié)合可以得到一個錐形視角,錐形視角內(nèi)的點云數(shù)量少但大多是與行人腿部相關(guān),這樣既減少了點云分割網(wǎng)絡(luò)的計算壓力,同時也提高了分割網(wǎng)絡(luò)的精度上限,然后利用Po... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

物流機(jī)器人自主移動機(jī)器人可以實現(xiàn)在較為復(fù)雜的環(huán)境中進(jìn)行環(huán)境感知，動態(tài)決策以

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-1-第1章緒論1.1研究背景及意義自主移動機(jī)器人是集成了環(huán)境感知，智能控制，智能決策等功能于一體的多功能智能系統(tǒng)。這其中包含了信息工程，計算機(jī)工程，自動化工程，傳感器技術(shù)和電子工程等多種學(xué)科。近年來由于計算機(jī)技術(shù)以及相關(guān)的硬件水平的逐步提高，移動機(jī)器人的發(fā)展也迎來了一個新的熱潮。自主移動機(jī)器人需要通過傳感器獲取的數(shù)據(jù)對相應(yīng)的環(huán)境狀況做出決策和策略。移動機(jī)器人可以使用深度相機(jī)較高頻率的獲取RGBD信息，利用獲得的數(shù)據(jù)進(jìn)行周圍環(huán)境的感知工作。圖1-1物流機(jī)器人自主移動機(jī)器人可以實現(xiàn)在較為復(fù)雜的環(huán)境中進(jìn)行環(huán)境感知，動態(tài)決策以及相應(yīng)的控制操作。上世紀(jì)90年代，人工成本逐漸升高，各種各樣，越來越多的初代機(jī)器人進(jìn)入到工廠中代替人工進(jìn)行工作，但這種功能單一，使用環(huán)境范圍小的機(jī)器人漸漸的不能夠滿足行業(yè)的需求，反而是智能機(jī)器人因其它具有的環(huán)境感知能力，傳感器技術(shù)以及靈活的決策規(guī)劃能力受到了人類的青睞。不僅如此，這一類機(jī)器人也慢慢的進(jìn)入到我們的日常生活中來。例如目前越來越多的家庭都是用掃地機(jī)器人分擔(dān)家務(wù)。圖1-2掃地機(jī)器人

法。但是當(dāng)移動平臺無法獲取到完整的行人信息的時候，尤其是臉部，肩頸的信息有丟失或者信息模糊的時候，識別算法效率會大打折扣甚至可能會失效，不再具有參考價值。算法需要提取的特征較多，算法復(fù)雜性較高，對于那種計算能力不是很高的平臺里說，檢測算法的實時性就會受到非常大的影響，這無疑會對后續(xù)的機(jī)器人的決策工作造成很大的壓力。在機(jī)器人移動過程中，可以實時獲取到距離地面較近的環(huán)境數(shù)據(jù)。當(dāng)人行走在地面上時人腿的數(shù)據(jù)可以較完整的被捕獲，這些數(shù)據(jù)的獲取會相對來將比較穩(wěn)定。近地面移動平臺獲取的視野圖像如圖1-3所示，相較于行人上半身，視野中更多的部分是行人的人腿部分以及地面附近的信息。圖1-3近地面視角所視物體基于二維深度圖和三維點云結(jié)合的處理方式可以快速有效的實現(xiàn)行人的聚類、分割以及定位的任務(wù)�；谌送葯z測的行人檢測可以極大增強(qiáng)算法的魯棒性，在人與移動機(jī)器人多種距離及姿態(tài)狀態(tài)下都可以很好地完成行人的檢測工作。將行人成功的進(jìn)行檢測可以讓移動機(jī)器人更出色的完成設(shè)定的任務(wù)。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)YOLOv3的復(fù)雜場景車輛分類與跟蹤[J]. 宋士奇,樸燕,蔣澤新.  山東大學(xué)學(xué)報(工學(xué)版). 2020(02)
[2]基于改進(jìn)型YOLO v3的蔬菜識別算法[J]. 魏宏彬,張端金,杜廣明,肖文福.  鄭州大學(xué)學(xué)報(工學(xué)版). 2020(02)
[3]基于改進(jìn)YOLOv3的火災(zāi)檢測與識別[J]. 任嘉鋒,熊衛(wèi)華,吳之昊,姜明.  計算機(jī)系統(tǒng)應(yīng)用. 2019(12)
[4]改進(jìn)YOLOv3在航拍目標(biāo)檢測中的應(yīng)用[J]. 魏瑋,蒲瑋,劉依.  計算機(jī)工程與應(yīng)用. 2020(07)
[5]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的交通場景小目標(biāo)檢測[J]. 鄭秋梅,王璐璐,王風(fēng)華.  計算機(jī)工程. 2020(06)
[6]基于多級特征的紅外圖像行人檢測算法[J]. 張馳,譚南林,李國正,蘇樹強(qiáng).  計算機(jī)工程. 2020(04)
[7]基于分布式二維激光測距儀的室內(nèi)行人檢測與跟蹤[J]. 胡釗政,李招康,陶倩文.  吉林大學(xué)學(xué)報(工學(xué)版). 2020(02)
[8]基于Kinect深度信息的室內(nèi)分散障礙物檢測[J]. 陳代斌,楊曉梅.  兵工自動化. 2018(03)
[9]基于激光掃描儀的人腿信息數(shù)據(jù)獲取與處理[J]. 趙艷梅,張愛武,王貴賓.  資源環(huán)境與工程. 2007(03)
[10]基于激光的行人腿部特征信息提取[J]. 趙艷梅,張愛武,王貴賓,龔俐達(dá).  工程地質(zhì)計算機(jī)應(yīng)用. 2007(02)

碩士論文
[1]基于深度學(xué)習(xí)的行人檢測和視頻濃縮研究[D]. 趙春飛.山西大學(xué) 2019
[2]森林防火無人機(jī)系統(tǒng)的研究[D]. 焦振田.西安理工大學(xué) 2019
[3]行人目標(biāo)跟蹤的遮擋問題研究[D]. 高炳輝.西安理工大學(xué) 2019
[4]無人機(jī)行駛過程中障礙物檢測及避障處理研究[D]. 唐博文.廣西科技大學(xué) 2019
[5]基于深度學(xué)習(xí)的蛋雞行為檢測方法研究與系統(tǒng)開發(fā)[D]. 王凱.浙江農(nóng)林大學(xué) 2019
[6]基于激光雷達(dá)的行人目標(biāo)檢測與識別[D]. 范小輝.重慶郵電大學(xué) 2019
[7]基于卷積神經(jīng)網(wǎng)絡(luò)與AdaBoost算法的實時行人檢測系統(tǒng)研究[D]. 李陽.重慶郵電大學(xué) 2019
[8]基于YOLO的實時目標(biāo)檢測方法研究[D]. 任培銘.江南大學(xué) 2019
[9]用于割草機(jī)平臺的行人檢測技術(shù)研究[D]. 崔宇中.哈爾濱工業(yè)大學(xué) 2019
[10]基于卷積神經(jīng)網(wǎng)絡(luò)的車輛行人檢測模型的研究[D]. 丁一凡.重慶郵電大學(xué) 2019



本文編號：3135624