動態(tài)環(huán)境下的路徑規(guī)劃是機器人安全高效地完成導(dǎo)航任務(wù)的重要保證,特別是在有行人參與的環(huán)境中,機器人必須具備一定與環(huán)境的交互反應(yīng)能力�，F(xiàn)有的算法大多為獲取行人信息而設(shè)置專有的目標檢測模塊,甚至為此配備專屬傳感器,跟蹤與預(yù)測行人的運動狀態(tài)。然而由此帶來了兩方面的問題:一是在目標識別、跟蹤、預(yù)測與多源傳感器信息融合環(huán)節(jié)需要額外的計算開銷,無法為后續(xù)避障算法提供低時延環(huán)境信息,對人類的生命安全造成直接威脅;二是作為典型的完整約束目標,人類行動具有不可預(yù)知性,即行人具備在任意時刻任意地點改變運動方向與速度,根據(jù)行人的先驗行為而做出的預(yù)測在嚴格意義上來說并不可靠。為提高行人參與的動態(tài)環(huán)境下機器人避障算法的可靠性與安全性,受自動駕駛技術(shù)的啟發(fā),本文引入對動態(tài)環(huán)境表征與多源傳感器信息融合更具優(yōu)勢的動態(tài)柵格地圖,圍繞如何高效計算動態(tài)柵格地圖,以及如何有效利用動態(tài)目標的速度信息而開展研究,提出一種適用于多動態(tài)目標環(huán)境的實時避障方法:首先,為感知動態(tài)環(huán)境,將機器人避障環(huán)境定義為隨機動態(tài)系統(tǒng),設(shè)計多目標狀態(tài)估計器PHD/MIB濾波器,并引入D-S證據(jù)理論對未觀測柵格做近似處理,削減不必要的環(huán)境表征計算,完成DS... 

【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)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1雙目視覺行人跟蹤平臺

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-22-標，而分列其上下兩邊的目標則分別從左右兩邊以恒定速度對向移動。從濾波結(jié)果圖（b）來看，各個柵格的濾波結(jié)果將參考圖右下角的色環(huán)，以不同色域來表征所對應(yīng)的速度方向與大校a）模擬目標數(shù)據(jù)b）濾波后的速度估計效果圖2-4仿真器濾波效果示意圖2.5.2動態(tài)柵格地圖的粒子濾波實現(xiàn)為了通過仿真數(shù)據(jù)來驗證前文所設(shè)計的濾波器對點目標速度信息的估計效果以及對動/靜態(tài)目標的分辨能力，本節(jié)的仿真實驗首先將對上述這兩個方面加以驗證。2.5.2.1動態(tài)障礙物的速度估計驗證在速度估計測試中，初始狀態(tài)下，左右兩端的待測目標分別位于柵格坐標255,255中的[100.25,100.0]與[150.25,150.0]，二者在X軸方向相距50cells。仿真開始后，分別以每個采樣周期移動5cells的速度對向運動。經(jīng)濾波器計算后的速度估計可視化效果如圖2-5所示。圖2-5連續(xù)目標速度估計可視化以目標所占柵格個數(shù)為計量單位，針對不同新生粒子概率Bp，對速度估計過程中獲取速度真值的柵格數(shù)量占比進行統(tǒng)計，結(jié)果如圖2-6所示。

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-22-標，而分列其上下兩邊的目標則分別從左右兩邊以恒定速度對向移動。從濾波結(jié)果圖（b）來看，各個柵格的濾波結(jié)果將參考圖右下角的色環(huán)，以不同色域來表征所對應(yīng)的速度方向與大校a）模擬目標數(shù)據(jù)b）濾波后的速度估計效果圖2-4仿真器濾波效果示意圖2.5.2動態(tài)柵格地圖的粒子濾波實現(xiàn)為了通過仿真數(shù)據(jù)來驗證前文所設(shè)計的濾波器對點目標速度信息的估計效果以及對動/靜態(tài)目標的分辨能力，本節(jié)的仿真實驗首先將對上述這兩個方面加以驗證。2.5.2.1動態(tài)障礙物的速度估計驗證在速度估計測試中，初始狀態(tài)下，左右兩端的待測目標分別位于柵格坐標255,255中的[100.25,100.0]與[150.25,150.0]，二者在X軸方向相距50cells。仿真開始后，分別以每個采樣周期移動5cells的速度對向運動。經(jīng)濾波器計算后的速度估計可視化效果如圖2-5所示。圖2-5連續(xù)目標速度估計可視化以目標所占柵格個數(shù)為計量單位，針對不同新生粒子概率Bp，對速度估計過程中獲取速度真值的柵格數(shù)量占比進行統(tǒng)計，結(jié)果如圖2-6所示。

【參考文獻】：
期刊論文
[1]基于深度學(xué)習(xí)的行人檢測技術(shù)研究進展[J]. 黃同愿,向國徽,楊雪姣.  重慶理工大學(xué)學(xué)報(自然科學(xué)). 2019(04)
[2]一種基于激光雷達傳感器的行人檢測方法[J]. 韓驍楓,陸建峰,李祥瑞,趙春霞.  哈爾濱工程大學(xué)學(xué)報. 2019(06)
[3]中國機器人產(chǎn)業(yè)發(fā)展現(xiàn)狀與展望[J]. 曲道奎.  中國科學(xué)院院刊. 2015(03)
[4]改進人工勢場法的移動機器人路徑規(guī)劃[J]. 于振中,閆繼宏,趙杰,陳志峰,朱延河.  哈爾濱工業(yè)大學(xué)學(xué)報. 2011(01)
[5]一種基于激光雷達和視覺的行人檢測方法[J]. 錢慧佳,楊明,李顥,王春香.  上海交通大學(xué)學(xué)報. 2010(07)
[6]基于新人工勢場函數(shù)的機器人動態(tài)避障規(guī)劃[J]. 樊曉平,李雙艷,陳特放.  控制理論與應(yīng)用. 2005(05)

博士論文
[1]未知場景參數(shù)下的概率假設(shè)密度濾波多傳感器目標跟蹤算法研究[D]. 楊丹.西安電子科技大學(xué) 2019

碩士論文
[1]基于強化學(xué)習(xí)的無地圖導(dǎo)航策略研究[D]. 馬留龍.哈爾濱工業(yè)大學(xué) 2019
[2]基于人工勢場法的雙目視覺動態(tài)避障研究[D]. 陳珊.河北大學(xué) 2018
[3]基于行人追蹤預(yù)測的護士助手機器人避障方法研究[D]. 董文杰.哈爾濱工業(yè)大學(xué) 2018
[4]激光點云人車目標識別及運動信息提取[D]. 王林.武漢理工大學(xué) 2014



本文編號：3350648