论文部分内容阅读
室内自主跟随机器人是一种服务型机器人，其具有在室内环境自主移动并跟随目标的功能，在多个国民经济领域都具有很高的应用价值，典型场景如仓储运输、医疗陪护、日常跟随搬运等。室内自主跟随技术是目前机器人领域的研究热点之一，且在若干关键技术环节存在较大的技术瓶颈。
本文针对机器人室内自主跟随中的实时行人检测、鲁棒跟踪、定位与环境感知三个核心技术问题开展研究。在研究中引入即时定位与建图(Simultaneous Localization And Mapping，SLAM)和深度学习方法，进行了以下几个方面的具体研究工作，主要研究内容有：
(1)面向低功耗嵌入式处理器的实时行人检测算法
对于自主跟随机器人，实时、稳定的行人检测使其能够感知和确定跟随目标，是机器人后续所有行动的基础。本文研究并实现了一个基于深度学习方法的轻量级行人检测神经网络模型，并通过剪枝和参数合并等技术对模型进行了进一步优化。开发出能够实时运行于嵌入式处理器、并且精度满足要求的行人检测算法。
(2)基于颜色和深度(RGB+Depth，RGB-D)信息的行人跟踪方法
自主跟随机器人通过行人跟踪来刷新跟随目标的位置，是机器人跟随的重要环节。为了提高跟踪的鲁棒性，本文基于RGB-D信息提出一种两级行人跟踪方法。首先利用方向梯度直方图(Histogram of Oriented Gradient, HOG)和颜色特征融合的相关滤波完成初步跟踪；进而利用深度信息进行跟踪状态判定，并基于跟踪状态自适应触发行人检测来完成跟踪异常情况的修正。基于上述思路，本文实现了一种鲁棒的行人跟踪算法。
(3)室内跟随机器人的自主定位与建图方法
自主跟随机器人在跟随的过程中需要时刻确认自身在环境中的位置以及周围环境地图，以做出跟随决策。本文在分析室内自主跟随机器人的实际应用场景的基础上，基于成本、精度和计算复杂度等方面的考虑，研究并实现了一种基于单线激光雷达的跟随机器人自主建图与定位方法。建图与定位效果良好，具有较强的实际应用价值。
最后，本文设计并实现了一个室内自主跟随机器人原型系统，在实地环境下运行表现出良好的自主跟随效果。
本文针对机器人室内自主跟随中的实时行人检测、鲁棒跟踪、定位与环境感知三个核心技术问题开展研究。在研究中引入即时定位与建图(Simultaneous Localization And Mapping，SLAM)和深度学习方法，进行了以下几个方面的具体研究工作，主要研究内容有：
(1)面向低功耗嵌入式处理器的实时行人检测算法
对于自主跟随机器人，实时、稳定的行人检测使其能够感知和确定跟随目标，是机器人后续所有行动的基础。本文研究并实现了一个基于深度学习方法的轻量级行人检测神经网络模型，并通过剪枝和参数合并等技术对模型进行了进一步优化。开发出能够实时运行于嵌入式处理器、并且精度满足要求的行人检测算法。
(2)基于颜色和深度(RGB+Depth，RGB-D)信息的行人跟踪方法
自主跟随机器人通过行人跟踪来刷新跟随目标的位置，是机器人跟随的重要环节。为了提高跟踪的鲁棒性，本文基于RGB-D信息提出一种两级行人跟踪方法。首先利用方向梯度直方图(Histogram of Oriented Gradient, HOG)和颜色特征融合的相关滤波完成初步跟踪；进而利用深度信息进行跟踪状态判定，并基于跟踪状态自适应触发行人检测来完成跟踪异常情况的修正。基于上述思路，本文实现了一种鲁棒的行人跟踪算法。
(3)室内跟随机器人的自主定位与建图方法
自主跟随机器人在跟随的过程中需要时刻确认自身在环境中的位置以及周围环境地图，以做出跟随决策。本文在分析室内自主跟随机器人的实际应用场景的基础上，基于成本、精度和计算复杂度等方面的考虑，研究并实现了一种基于单线激光雷达的跟随机器人自主建图与定位方法。建图与定位效果良好，具有较强的实际应用价值。
最后，本文设计并实现了一个室内自主跟随机器人原型系统，在实地环境下运行表现出良好的自主跟随效果。