面向服务机器人的行人检测与跟踪

发布时间：2017-08-17 08:16

  本文关键词：面向服务机器人的行人检测与跟踪

  更多相关文章： 服务机器人 行人检测与跟踪 分层粒子滤波 洪泛滥跟踪模型

【摘要】：随着人类逐渐从工业社会步入信息社会,信息化智能化的产品逐渐走进人们生活的方方面面。人口老龄化、人力成本的提高,使得社会对服务机器人的需求越来越迫切。行人检测与跟踪作为服务机器人的一项基本功能,在人机交互方面发挥着不可或缺的作用。然而,环境的复杂性和不确定性、光照的变化、行人之间的遮挡等问题使得服务机器人在进行行人检测与跟踪时仍然面临着诸多挑战。本文的研究目的就是为服务机器人设计并实现一个实时性高鲁棒性好的行人检测与跟踪系统,作为一项基本功能为服务机器人进行人机交互提供支撑,使得服务机器人能够更好的执行各种任务。为了达成此目标,本文详细了解并分析了行人检测与跟踪的各种技术和难点,并在此基础上做了如下工作：(1)鉴于人腿贴近地面具有稳定性,本文通过改造turtlebot机器人在其底部安装激光传感器,通过激光识别人腿来检测行人。为了提高人腿识别的准确率,本文通过分析人腿属性提出了10个特征用来描述激光片段,并且采用Adaboost算法实现人腿分类。在网上公开的两个数据集上,通过实验证明了本文所提方法具有很高的准确率和实时性。(2)提出了一种根据行人距离机器人远近,使用Kinect传感器丰富的颜色信息和深度信息,对远近两种情况分别处理的行人检测算法。在初始阶段对点云进行预处理,包括点云稀疏、地面检测、点云分类和点云聚类,使得行人检测的范围大幅缩小。针对较近的行人,将点云聚类体投影到深度图像空间,然后采用模板匹配的方法,匹配行人的上半身进行行人检测。针对较远的行人,将点云聚类体投影到RGB图像空间,使用GPU加速提取HOG特征,并采用SVM对行人进行检测分类。在检测的最后阶段,本文还采用了最近邻算法融合激光的检测结果和Kinect的检测结果,确定了行人在空间中的位置,提高了检测的准确性。(3)在行人跟踪阶段,本文提出了分层粒子滤波算法。在粗粒度空间中使用MCMC粒子滤波算法,在细粒度空间中使用SIR粒子滤波算法。SIR粒子滤波克服了基本粒子滤波中粒子退化的问题,而且速度快,因此在细粒度空间可以极快且准确的跟踪到行人。MCMC粒子滤波算法作为SIR粒子滤波的补充,解决了SIR粒子滤波粒子多样性缺失,跟踪目标数量变化时不能有效跟踪的问题,然而MCMC粒子滤波算法速度太慢,因此将MCMC粒子滤波算法作用于粗粒度空间。(4)基于深度图提出了洪泛滥跟踪模型,在行人的初始位置植入种子,然后在下一帧图像中从种子位置开始扩散直到所有包含行人的点都进入队列为止,再将跟踪到的行人中心位置置为种子,依次循环。该方法简单,而且运行速度极快。
【关键词】：服务机器人 行人检测与跟踪 分层粒子滤波 洪泛滥跟踪模型
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP242
【目录】：

• 摘要5-7
• ABSTRACT7-15
• 第1章 绪论15-21
• 1.1 研究背景与意义15-16
• 1.2 国内外研究现状16-18
• 1.3 本文研究内容与结构18-21
• 第2章 行人检测相关技术21-43
• 2.1 运动目标检测方法21-24
• 2.1.1 背景差分法21-22
• 2.1.2 帧差分法22-23
• 2.1.3 光流法23-24
• 2.2 行人特征24-36
• 2.2.1 形状特征25-28
• 2.2.2 外观特征28-32
• 2.2.3 其他特征32-36
• 2.3 分类器介绍36-41
• 2.3.1 支持向量机36-37
• 2.3.2 Adaboost37-38
• 2.3.3 随机森林38-39
• 2.3.4 卷积神经网络39-41
• 2.4 本章小结41-43
• 第3章 基于多源信息的行人检测43-65
• 3.1 硬件平台介绍44-47
• 3.1.1 turtlebot机器人44-45
• 3.1.2 Kinect传感器45-46
• 3.1.3 Hokuyo激光器46-47
• 3.2 基于激光的人腿检测47-53
• 3.2.1 激光区域分割48-51
• 3.2.2 人腿特征定义51-52
• 3.2.3 人腿分类52-53
• 3.3 基于RGB-D的人体检测53-57
• 3.3.1 点云预处理53-55
• 3.3.2 人体分类55-56
• 3.3.3 检测结果融合56-57
• 3.4 实验结果与分析57-63
• 3.4.1 实验数据说明57-58
• 3.4.2 模块实验58-61
• 3.4.3 整体实验61-63
• 3.5 本章小结63-65
• 第4章 基于改进粒子滤波的行人跟踪65-83
• 4.1 粒子滤波跟踪框架66-71
• 4.1.1 贝叶斯估计66-67
• 4.1.2 蒙特卡洛算法67-68
• 4.1.3 序贯重要性重采样68-69
• 4.1.4 粒子退化问题69-70
• 4.1.5 粒子滤波算法70-71
• 4.2 改进的粒子滤波算法71-75
• 4.2.1 MCMC算法71-72
• 4.2.2 SIR/MCMC分层抽样粒子滤波72-73
• 4.2.3 引入深度图的状态预测73-75
• 4.3 实验结果与分析75-82
• 4.3.1 实验环境与数据75-76
• 4.3.2 多种粒子滤波对比仿真实验76-77
• 4.3.3 分层粒子滤波跟踪实验及性能评估77-82
• 4.4 本章小结82-83
• 第5章 总结与展望83-85
• 5.1 本文总结83-84
• 5.2 工作展望84-85
• 参考文献85-89
• 致谢89-91
• 在读期间发表的学术论文与取得的研究成果91

【相似文献】

中国期刊全文数据库 前10条

1 ;世界机器人最新统计数据[J];机器人技术与应用;2000年01期

2 ;警卫和保洁两用机器人[J];机器人技术与应用;2000年03期

3 ;案例分析之四 机器人码垛单元[J];机器人技术与应用;2000年04期

4 李成桐;对中国机器人产业的思考(之二) 未来之路[J];机器人技术与应用;2000年05期

5 贾培发,王全福;团结奋斗努力实现中国机器人产业化[J];机器人技术与应用;2000年06期

6 李开生,张慧慧,费仁元,宗光华;国外服务机器人的发展动态和前景[J];制造业自动化;2000年06期

7 淑芳;机器人种菜[J];湖南农业;2000年09期

8 长路;机器人技术在发展[J];世界制造技术与装备市场;2001年01期

9 贾一;机器人外科手术的必要技术条件[J];机器人技术与应用;2002年04期

10 董瑞翔;人间协调共存型机器人[J];机器人技术与应用;2002年05期

中国重要会议论文全文数据库 前10条

1 胡春华;范勇;朱纪洪;孙增圻;;空中机器人的研究现状与发展趋势[A];2005年中国智能自动化会议论文集[C];2005年

2 陈卫东;;服务机器人的技术发展及微特电机在其中的应用[A];第十届中国小电机技术研讨会论文集[C];2005年

3 肖玉林;侍才洪;陈炜;李浩;张西正;;救援机器人的现状及发展趋势(综述)[A];天津市生物医学工程学会第三十四届学术年会论文集[C];2014年

4 郑亚青;吴建坡;;岸边集装箱宏-微起重机器人的机构、结构设计及运动仿真[A];2009海峡两岸机械科技论坛论文集[C];2009年

5 王静;边继东;张大慧;林峰华;张宏;;管道定量采样机器人系统设计[A];2009全国虚拟仪器大会论文集（二）[C];2009年

6 黄海明;杨雷;宋跃;赖思沅;;智能保安巡逻机器人[A];2009全国虚拟仪器大会论文集（二）[C];2009年

7 王明辉;马书根;李斌;;独立操作型可重构机器人群体的动态层次体系结构研究[A];第八届全国信息获取与处理学术会议论文集[C];2010年

8 谭金林;刘明英;梁建民;;机器人硬件电路设计[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 许家中;孔祥冰;尤波;李长峰;禹鑫q，

本文编号：687962