论文部分内容阅读
近年来，随着计算机视觉与传感器技术的发展，机器人避障不再局限于安全地避开障碍物，而是通过识别各个障碍物后，建立各个障碍物的运动模型，预测障碍物的运动，从而更加高效地完成避障任务。因此，针对上述需求，进行了基于多目标跟踪的避障研究。为了让机器人准确地避开不同种类的障碍物，设计了基于视觉的多目标跟踪算法；通过改进的ORB-SLAM(ORientedBrief-SimultaneousLocalizationandMapping)+IMU算法使机器人在避障过程中实时获得自身位置；提出了基于时间戳的DW-VG(DynamicWindow-VirtualGoal)算法，使机器人安全、高效地避开障碍物。
对于基于视觉的多目标跟踪问题，首先使用神经网络得到视频流中人在图片中的位置与置信度；然后提取人体的图像直方图信息并以一维向量的形式表示，通过对视频流中相邻两帧间人体向量余弦相似度的比较，从而实现相邻两帧间不同人体ID的对应。通过提出直方图缓存法，解决了视频流中人体间遮挡与人体消失后重现的问题；通过匈牙利算法加速了人体向量余弦相似度比较环节的计算。
对于未知环境下移动机器人SLAM问题，改进了ORB-SLAM+IMU算法。提出了一种基于EPnP的位姿估计优化算法，通过将得到的关于相机位姿的估计与空间点的坐标作为优化变量，结合相机的观测数据，构建关于位姿的最小二乘优化问题，最后通过捆级优化，实现算法精度上的提升。
对于未知环境下移动机器人避障问题，提出了带时间戳的DW-VG算法。算法方面主要分为两个部分，针对动态障碍物运动预测的PCF+DF(PolynomialCurveFitting+Debouncefilter)算法与带时间戳的DW-VG避障算法。PCF+DF算法在利用PCF预测障碍物运动的基础上，使用DF算法判断障碍物的运动状态是否发生变化。带时间戳的DW-VG避障算法通过在机器人周围建立虚拟目标点，辅助机器人快速地离开凹形陷阱；通过对障碍物的运动预测与引入时间戳，使机器人安全、高效地避开障碍物。
对提出的多目标跟踪算法、SLAM算法与移动机器人避障算法进行了实验，结果表明提出的算法在移动机器人避障领域具有重要的意义。
对于基于视觉的多目标跟踪问题，首先使用神经网络得到视频流中人在图片中的位置与置信度；然后提取人体的图像直方图信息并以一维向量的形式表示，通过对视频流中相邻两帧间人体向量余弦相似度的比较，从而实现相邻两帧间不同人体ID的对应。通过提出直方图缓存法，解决了视频流中人体间遮挡与人体消失后重现的问题；通过匈牙利算法加速了人体向量余弦相似度比较环节的计算。
对于未知环境下移动机器人SLAM问题，改进了ORB-SLAM+IMU算法。提出了一种基于EPnP的位姿估计优化算法，通过将得到的关于相机位姿的估计与空间点的坐标作为优化变量，结合相机的观测数据，构建关于位姿的最小二乘优化问题，最后通过捆级优化，实现算法精度上的提升。
对于未知环境下移动机器人避障问题，提出了带时间戳的DW-VG算法。算法方面主要分为两个部分，针对动态障碍物运动预测的PCF+DF(PolynomialCurveFitting+Debouncefilter)算法与带时间戳的DW-VG避障算法。PCF+DF算法在利用PCF预测障碍物运动的基础上，使用DF算法判断障碍物的运动状态是否发生变化。带时间戳的DW-VG避障算法通过在机器人周围建立虚拟目标点，辅助机器人快速地离开凹形陷阱；通过对障碍物的运动预测与引入时间戳，使机器人安全、高效地避开障碍物。
对提出的多目标跟踪算法、SLAM算法与移动机器人避障算法进行了实验，结果表明提出的算法在移动机器人避障领域具有重要的意义。