移动机器人对运动对象的检测和跟踪(2)

诸如杨明等人的国内研究者[26]使用激光传感器基于时变电势场方法提出了一种多分辨率电势场方法. 该方法在实现移动机器人路径规划和避障方有明显优势. 优点，但其研究内容不涉及如何使用激光传感器有效跟踪目标. 与视觉传感器相比，激光传感器也有其缺点. 尽管激光传感器提供的目标信息量不如视觉传感器提供的目标信息丰富，但是可以使用一些特殊的处理方法来丰富它们提供的信息量. 目前，该领域在各个应用领域的研究取得了突破性的发展. 例如，一些研究人员通过行人脚的运动规律增加了激光传感器提供的数据信息量，从而使对运动目标人群的跟踪更加可靠. . 此外，研究人员也考虑了集成式视觉传感器和测距传感器的优势. 在后续工作中，提出了一种基于多传感器的移动机器人运动目标检测与跟踪方案. 该方案使用视觉传感器获得的丰富目标特征. 该信息与测距传感器获得的目标距离信息相结合，以实现目标跟踪[27]. 例如，刘莉等. [28]使用激光传感器与视觉传感器相结合，以同时获取环境信息，并结合了多种传感器的优势，使移动机器人能够检测运动目标，对运动目标进行分类并将运动目标跟踪到完整的集成系统中. 崔[29]和成永[30]在他们的研究中都提出了基于相机和激光雷达联合标定的目标跟踪系统，这将是目标跟踪领域的重要发展方向.

同时，一些研究人员在多个传感器的基础上结合了多种检测算法和跟踪算法，以增强系统的可用性. 浙江工业大学硕论文1.3本论文的研究内容是基于现有的实验环境和设备，通过以上对相关研究现状的介绍和分析，准备使用车载式激光传感器. 机器人，首先在机器人前面的环境中检测目标中的移动目标，然后使用目标跟踪算法来实现移动机器人对目标的平滑自主跟踪. 具体工作如下: （1）通过了解激光测距传感器的性能参数，分析了测距过程中的问题，如环境因素引起的漫反射和混合像素现象，以及数据. 提出了由激光扫描引起的误差. 一种中值平均混合滤波方法，用于处理激光扫描点数据，消除毛刺数据，平滑激光测量返回值，有效减少由于偶然因素引起的数据波动而导致的扫描孤立点，并更好地保留数据细节，从而改善了激光传感器测得的返回值的精度. （2）建立用于移动目标检测的检测窗口. 预先消除包含不确定因素的扫描数据和与被检测目标无关的数据，然后在检测窗口内对激光扫描数据点进行分类. 提出了一种弧形形状识别算法，用于目标人腿的检测，并提出了一种基于人体两腿之间静止和行走距离的判断和检测方法. 最后，根据提取的目标数据计算出待跟踪的目标中心点，同时计算出机器人与目标中心点之间的距离，为目标跟踪准备数据.

（3）进行了运动目标跟踪的策略分析. 基于移动机器人在目标跟踪过程中的运动控制，提出了一种基于卡尔曼滤波器的目标位置估计算法，并将预测的目标运动位置作为移动机器人的运动控制输入. 此外，提出了一种平滑速度控制的方法. 目标跟踪的平滑进近图算法在移动机器人中的应用机器人与目标之间的跟踪距离用作评估目标跟踪效果的基础. （4）使用装备有激光传感器的AS-R移动机器人搭建实验环境，以验证本文设计的目标检测和跟踪方案的可行性. 同时，分析并比较了机器人与目标之间的实时跟踪距离和预期维护距离. 目标跟踪方案在不同情况下的有效性. 实验结果表明，本文提出的相关算法和方案是有效可行的. 1.4论文章节的安排针对以上主要研究内容，本文的章节安排如下: 第一章是浙江工业大学的绪论. 首先介绍了移动机器人运动目标的检测与跟踪研究的背景和意义，然后介绍了移动机器人运动目标的检测与跟踪研究的现状，最后阐述了目标和目标. 本研究的内容. 第二章是移动机器人系统的建模部分. 首先以差速轮式移动机器人为研究对象，然后分别分析研究涉及的移动机器人坐标系，运动学模型，运动行为和传感器模型，以进行下一步的移动机器人检测与跟踪. 为实现做准备.

第3章是传感器数据处理和运动目标检测方案的设计部分. 首先，分析了激光传感器的功能特性和系统误差，提出了中值均值混合滤波方法来处理激光扫描数据的孤立点. 给出了过滤算法前后的数据比较. 其次，建立了检测窗口，并介绍了在该窗口中对物体进行分类的具体方法. 然后，详细介绍了目标物体和目标人物的检测方案，提出了目标人物腿部的弧形形状识别算法，人体在休息和行走时两腿之间的距离值为作为提取目标人腿数据的判断依据. 最后移动机器人目标，计算出目标物体或目标人腿的中心点，并给出了中心点与机器人之间的距离，并进行了目标检测实验和结果分析. 第四章是运动目标跟踪系统的设计和跟踪方案的设计. 首先给出目标跟踪策略分析，然后介绍跟踪过程中的机器人运动控制方程，引入卡尔曼滤波算法，并给出使用该算法估计目标状态的过程. 在此基础上，给出了移动机器人目标跟踪. 时间运动控制方案. 同时，详细介绍了使用平滑逼近图算法实现移动机器人目标跟踪的详细过程. 第5章是移动机器人跟踪的实验部分. 在AS-R移动机器人实验平台上，进行移动机器人目标检测和跟踪实验. 首先，分析了目标检测与跟踪系统的过程，显示了目标跟踪控制面板，然后进行了目标跟踪实验，最后通过比较输出距离，分析了该跟踪方案在不同场景下的有效性和可行性. 值.

第六章是论文的结论. 首先，对前几章所做的工作进行了总结和总结，并对本文中未涉及的或需要进一步研究的工作进行了分析. 浙江工业大学硕论文建立移动机器人系统模型. 为了实现移动机器人的自主检测和跟踪任务，关键是使用机器人携带的传感器完成环境感知，然后统一处理移动机器人移动机器人目标，传感器和周围环境的信息. 本章主要结合了移动机器人平台及其使用传感器检测和跟踪移动目标的实验需求. 首先，给出了移动机器人坐标系分析. 然后，根据机器人差动轮结构的特点，建立合理的运动学模型来分析其运动. 行为，并最终为配备了移动机器人的两个主要传感器建模. 2.1移动机器人坐标系2.1.1移动机器人坐标系的建立在移动机器人运动目标的检测与跟踪研究中，涉及到移动机器人主体的运动. 有三种常用的坐标系统来描述与移动机器人相关的数据，如图2-1所示. 第一个是移动机器人所处环境的世界坐标系，即表示为（XG，YG，ZG）的全局坐标系，用于描述环境中移动机器人的坐标变化. 第二个固定在移动机器人上. 主体坐标系是局部坐标系，表示为（XR，YR，ZR）；第三个是极坐标系统，它由最远距离传感器反馈给移动机器人的数据组成，表示为（ρ，θ）. 下面给出的数据模型均基于上述坐标系.

YSXS图2-1移动机器人的坐标系. 浙江工业大学的硕论文如图2-2所示. 如果差动轮驱动移动机器人在全局坐标系中进行平面运动，则机器人的姿态可以表示为三维状态向量[x，y，θ]，其中OR（x，y）是平面坐标移动机器人，可以通过两个车轮中心的坐标点表示； θ是机器人的移动体的方向角，可以用车身前方的XR方向与全局坐标系的XG轴之间的角度表示. 方向角定义为: 以XG度为单位，顺时针方向为负，逆时针方向为正，θ的范围为（-180,180）. 图2-2移动机器人的姿势通常，传感器坐标系和机器人坐标系是一致的. 但是，在机器人的操作过程中，传感器的安装位置通常不在机器人的基点上，即传感器的参考坐标系与机器人的局部参考坐标系不一致.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-195237-2.html