基于人腿检测的近地面移动平台行人检测系统
发布时间：2021-04-13 16:19
随着生活水平以及科技水平逐步提高,移动机器人的使用逐渐渗透到基层生活中来。移动机器人逐渐开始具备感知,规划以及决策能力。其中行人检测的功能是完成其他规划任务的一项十分基础和重要前提。由于行人具有非刚性,并且室内环境不尽相同,行人的高矮胖瘦衣着等都具有很大的不确定性,所以检测算法上需要更加灵活。移动机器人可以依靠搭载的深度相机,较高频率的获取RGBD数据用来进行环境感知工作。对于Kobuki这一类近地面移动平台来说,受传感器视野的影响,普遍的行人检测算法无法在该类平台上使用。所以本文提出一种应用于近地面移动平台的基于人腿检测的行人检测算法。相较于上半身的数据,移动平台应该更加关心行人下半身的位置和动态信息。出于对二维图像和三维点云数据结构特点的考虑,本文针对二维图像和三维点云利用不同的算法进行处理。二维图像信息结构更加全面和完整,所以本文首先利用改进版YOLOv3-tiny对RGB图像中的人腿进行检测,检测得到的包围框的结果和D通道数据的结合可以得到一个锥形视角,锥形视角内的点云数量少但大多是与行人腿部相关,这样既减少了点云分割网络的计算压力,同时也提高了分割网络的精度上限,然后利用Po...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
物流机器人自主移动机器人可以实现在较为复杂的环境中进行环境感知，动态决策以
哈尔滨工业大学工学硕士学位论文-1-第1章绪论1.1研究背景及意义自主移动机器人是集成了环境感知，智能控制，智能决策等功能于一体的多功能智能系统。这其中包含了信息工程，计算机工程，自动化工程，传感器技术和电子工程等多种学科。近年来由于计算机技术以及相关的硬件水平的逐步提高，移动机器人的发展也迎来了一个新的热潮。自主移动机器人需要通过传感器获取的数据对相应的环境状况做出决策和策略。移动机器人可以使用深度相机较高频率的获取RGBD信息，利用获得的数据进行周围环境的感知工作。图1-1物流机器人自主移动机器人可以实现在较为复杂的环境中进行环境感知，动态决策以及相应的控制操作。上世纪90年代，人工成本逐渐升高，各种各样，越来越多的初代机器人进入到工厂中代替人工进行工作，但这种功能单一，使用环境范围小的机器人渐渐的不能够满足行业的需求，反而是智能机器人因其它具有的环境感知能力，传感器技术以及灵活的决策规划能力受到了人类的青睐。不仅如此，这一类机器人也慢慢的进入到我们的日常生活中来。例如目前越来越多的家庭都是用扫地机器人分担家务。图1-2扫地机器人
法。但是当移动平台无法获取到完整的行人信息的时候，尤其是脸部，肩颈的信息有丢失或者信息模糊的时候，识别算法效率会大打折扣甚至可能会失效，不再具有参考价值。算法需要提取的特征较多，算法复杂性较高，对于那种计算能力不是很高的平台里说，检测算法的实时性就会受到非常大的影响，这无疑会对后续的机器人的决策工作造成很大的压力。在机器人移动过程中，可以实时获取到距离地面较近的环境数据。当人行走在地面上时人腿的数据可以较完整的被捕获，这些数据的获取会相对来将比较稳定。近地面移动平台获取的视野图像如图1-3所示，相较于行人上半身，视野中更多的部分是行人的人腿部分以及地面附近的信息。图1-3近地面视角所视物体基于二维深度图和三维点云结合的处理方式可以快速有效的实现行人的聚类、分割以及定位的任务。基于人腿检测的行人检测可以极大增强算法的鲁棒性，在人与移动机器人多种距离及姿态状态下都可以很好地完成行人的检测工作。将行人成功的进行检测可以让移动机器人更出色的完成设定的任务。
【参考文献】：
期刊论文
[1]基于改进YOLOv3的复杂场景车辆分类与跟踪[J]. 宋士奇,朴燕,蒋泽新. 山东大学学报(工学版). 2020(02)
[2]基于改进型YOLO v3的蔬菜识别算法[J]. 魏宏彬,张端金,杜广明,肖文福. 郑州大学学报(工学版). 2020(02)
[3]基于改进YOLOv3的火灾检测与识别[J]. 任嘉锋,熊卫华,吴之昊,姜明. 计算机系统应用. 2019(12)
[4]改进YOLOv3在航拍目标检测中的应用[J]. 魏玮,蒲玮,刘依. 计算机工程与应用. 2020(07)
[5]基于改进卷积神经网络的交通场景小目标检测[J]. 郑秋梅,王璐璐,王风华. 计算机工程. 2020(06)
[6]基于多级特征的红外图像行人检测算法[J]. 张驰,谭南林,李国正,苏树强. 计算机工程. 2020(04)
[7]基于分布式二维激光测距仪的室内行人检测与跟踪[J]. 胡钊政,李招康,陶倩文. 吉林大学学报(工学版). 2020(02)
[8]基于Kinect深度信息的室内分散障碍物检测[J]. 陈代斌,杨晓梅. 兵工自动化. 2018(03)
[9]基于激光扫描仪的人腿信息数据获取与处理[J]. 赵艳梅,张爱武,王贵宾. 资源环境与工程. 2007(03)
[10]基于激光的行人腿部特征信息提取[J]. 赵艳梅,张爱武,王贵宾,龚俐达. 工程地质计算机应用. 2007(02)
硕士论文
[1]基于深度学习的行人检测和视频浓缩研究[D]. 赵春飞.山西大学 2019
[2]森林防火无人机系统的研究[D]. 焦振田.西安理工大学 2019
[3]行人目标跟踪的遮挡问题研究[D]. 高炳辉.西安理工大学 2019
[4]无人机行驶过程中障碍物检测及避障处理研究[D]. 唐博文.广西科技大学 2019
[5]基于深度学习的蛋鸡行为检测方法研究与系统开发[D]. 王凯.浙江农林大学 2019
[6]基于激光雷达的行人目标检测与识别[D]. 范小辉.重庆邮电大学 2019
[7]基于卷积神经网络与AdaBoost算法的实时行人检测系统研究[D]. 李阳.重庆邮电大学 2019
[8]基于YOLO的实时目标检测方法研究[D]. 任培铭.江南大学 2019
[9]用于割草机平台的行人检测技术研究[D]. 崔宇中.哈尔滨工业大学 2019
[10]基于卷积神经网络的车辆行人检测模型的研究[D]. 丁一凡.重庆邮电大学 2019
本文编号：3135624
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
物流机器人自主移动机器人可以实现在较为复杂的环境中进行环境感知，动态决策以
哈尔滨工业大学工学硕士学位论文-1-第1章绪论1.1研究背景及意义自主移动机器人是集成了环境感知，智能控制，智能决策等功能于一体的多功能智能系统。这其中包含了信息工程，计算机工程，自动化工程，传感器技术和电子工程等多种学科。近年来由于计算机技术以及相关的硬件水平的逐步提高，移动机器人的发展也迎来了一个新的热潮。自主移动机器人需要通过传感器获取的数据对相应的环境状况做出决策和策略。移动机器人可以使用深度相机较高频率的获取RGBD信息，利用获得的数据进行周围环境的感知工作。图1-1物流机器人自主移动机器人可以实现在较为复杂的环境中进行环境感知，动态决策以及相应的控制操作。上世纪90年代，人工成本逐渐升高，各种各样，越来越多的初代机器人进入到工厂中代替人工进行工作，但这种功能单一，使用环境范围小的机器人渐渐的不能够满足行业的需求，反而是智能机器人因其它具有的环境感知能力，传感器技术以及灵活的决策规划能力受到了人类的青睐。不仅如此，这一类机器人也慢慢的进入到我们的日常生活中来。例如目前越来越多的家庭都是用扫地机器人分担家务。图1-2扫地机器人
法。但是当移动平台无法获取到完整的行人信息的时候，尤其是脸部，肩颈的信息有丢失或者信息模糊的时候，识别算法效率会大打折扣甚至可能会失效，不再具有参考价值。算法需要提取的特征较多，算法复杂性较高，对于那种计算能力不是很高的平台里说，检测算法的实时性就会受到非常大的影响，这无疑会对后续的机器人的决策工作造成很大的压力。在机器人移动过程中，可以实时获取到距离地面较近的环境数据。当人行走在地面上时人腿的数据可以较完整的被捕获，这些数据的获取会相对来将比较稳定。近地面移动平台获取的视野图像如图1-3所示，相较于行人上半身，视野中更多的部分是行人的人腿部分以及地面附近的信息。图1-3近地面视角所视物体基于二维深度图和三维点云结合的处理方式可以快速有效的实现行人的聚类、分割以及定位的任务。基于人腿检测的行人检测可以极大增强算法的鲁棒性，在人与移动机器人多种距离及姿态状态下都可以很好地完成行人的检测工作。将行人成功的进行检测可以让移动机器人更出色的完成设定的任务。
【参考文献】：
期刊论文
[1]基于改进YOLOv3的复杂场景车辆分类与跟踪[J]. 宋士奇,朴燕,蒋泽新. 山东大学学报(工学版). 2020(02)
[2]基于改进型YOLO v3的蔬菜识别算法[J]. 魏宏彬,张端金,杜广明,肖文福. 郑州大学学报(工学版). 2020(02)
[3]基于改进YOLOv3的火灾检测与识别[J]. 任嘉锋,熊卫华,吴之昊,姜明. 计算机系统应用. 2019(12)
[4]改进YOLOv3在航拍目标检测中的应用[J]. 魏玮,蒲玮,刘依. 计算机工程与应用. 2020(07)
[5]基于改进卷积神经网络的交通场景小目标检测[J]. 郑秋梅,王璐璐,王风华. 计算机工程. 2020(06)
[6]基于多级特征的红外图像行人检测算法[J]. 张驰,谭南林,李国正,苏树强. 计算机工程. 2020(04)
[7]基于分布式二维激光测距仪的室内行人检测与跟踪[J]. 胡钊政,李招康,陶倩文. 吉林大学学报(工学版). 2020(02)
[8]基于Kinect深度信息的室内分散障碍物检测[J]. 陈代斌,杨晓梅. 兵工自动化. 2018(03)
[9]基于激光扫描仪的人腿信息数据获取与处理[J]. 赵艳梅,张爱武,王贵宾. 资源环境与工程. 2007(03)
[10]基于激光的行人腿部特征信息提取[J]. 赵艳梅,张爱武,王贵宾,龚俐达. 工程地质计算机应用. 2007(02)
硕士论文
[1]基于深度学习的行人检测和视频浓缩研究[D]. 赵春飞.山西大学 2019
[2]森林防火无人机系统的研究[D]. 焦振田.西安理工大学 2019
[3]行人目标跟踪的遮挡问题研究[D]. 高炳辉.西安理工大学 2019
[4]无人机行驶过程中障碍物检测及避障处理研究[D]. 唐博文.广西科技大学 2019
[5]基于深度学习的蛋鸡行为检测方法研究与系统开发[D]. 王凯.浙江农林大学 2019
[6]基于激光雷达的行人目标检测与识别[D]. 范小辉.重庆邮电大学 2019
[7]基于卷积神经网络与AdaBoost算法的实时行人检测系统研究[D]. 李阳.重庆邮电大学 2019
[8]基于YOLO的实时目标检测方法研究[D]. 任培铭.江南大学 2019
[9]用于割草机平台的行人检测技术研究[D]. 崔宇中.哈尔滨工业大学 2019
[10]基于卷积神经网络的车辆行人检测模型的研究[D]. 丁一凡.重庆邮电大学 2019
本文编号：3135624
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3135624.html
