基于似然域背景差分的行人检测和跟踪方法

发布时间：2021-07-21 04:03

　　基于激光雷达的室内机器人行人检测、跟踪容易受到复杂背景的影响。针对这种情况,提出一种基于似然域背景差分的行人检测、跟踪和跟随系统。利用即时定位与地图构建算法获得陌生环境的二维栅格地图,通过蒙特卡洛定位获得机器人在地图中的后验位姿,利用似然域模型分割出前景对应的激光雷达数据后,进行行人的检测、跟踪以及跟随。实验结果表明,该系统使行人检测准确率提升3.49%,平均检测时间缩短近32%,有效降低复杂背景对多行人检测与跟踪的影响,实现机器人对目标行人的实时跟随。 

【文章来源】：计算机工程与设计. 2020,41(01)北大核心

【文章页数】：7 页

【部分图文】：

实验硬件平台

如图2所示，在完成环境地图构建后，先利用蒙特卡洛定位确定机器人位姿。如果定位失败则直接进行数据聚类，否则进行似然域背景差分，只对提取到的前景对应的激光雷达数据进行数据聚类，避免复杂背景对后续行人检测与跟踪的干扰。最后根据一定的规则对行人跟踪器输出的跟踪目标进行判断，如存在目标行人，则让机器人对目标行人进行自动跟随，否则结束进入下一个扫描帧的循环。2 建图与定位

GMapping算法具有不依赖激光雷达性能、不需要大量计算资源、建图精确等优点，故本文选用其来构建环境地图。图3为图1实验平台在一个办公室内运行GMapping算法后得到的栅格地图。图中白色部分表示该区域不被占据；黑色部分则表示该区域被障碍占据；灰色则是状态不明，一般是被障碍隔挡无法探测或未建图区域；数字对应背景差分实验位置。2.2 蒙特卡洛定位

【参考文献】：
期刊论文
[1]移动机器人SLAM关键问题和解决方法综述[J]. 杨雪梦,姚敏茹,曹凯.  计算机系统应用. 2018(07)
[2]基于Adaboost和码本模型的手扶电梯出入口视频监控方法[J]. 杜启亮,黎浩正,田联房.  计算机应用. 2017(09)
[3]激光雷达引导下的红外图像中行人检测[J]. 魏丽,丁萌,曾丽娜,曾丽君.  计算机工程与应用. 2017(23)
[4]大数据聚类算法综述[J]. 海沫.  计算机科学. 2016(S1)
[5]基于局部特征的车载红外行人检测方法研究[J]. 王国华,刘琼,庄家俊.  电子学报. 2015(07)
[6]基于梯度方向和强度直方图的红外行人检测[J]. 朱聪聪,项志宇.  计算机工程. 2014(12)



本文编号：3294265