随着机器人技术研究的不断深入和智能家居应用的不断发展,家用服务机器人由于其可以部分解决老人独居过程中突发意外情况的问题而受到社会的广泛关注。对于家用移动服务机器人来说,一个非常重要的技术就是行人的检测与跟踪。复杂的动态背景变化和行人无规律的运动给行人检测与跟踪带来了很大的挑战。对于家用移动服务机器人来说,行人检测与跟踪效果的好坏直接影响到机器人是否能够正确的、持续的对目标人物提供相应的服务,也直接影响了使用者对于服务机器人的体验。因此,研究室内环境下的行人检测与跟踪,使得机器人能够准确快速检测行人、稳定鲁棒跟踪行人,具有重要的意义。本论文主要研究移动场景下的行人检测与跟踪的技术,提出一种基于深度相机和视觉SLAM算法的行人检测与跟踪方法,旨在解决移动服务机器人领域行人快速检测和稳定跟踪的问题。本文主要在以下几个方面进行了研究:1.基于深度相机的行人感兴趣区域提取算法研究。研究并比较几种现有的基于深度相机的行人感兴趣区域提取算法,提出一种基于三维点云聚类的行人感兴趣区域提取的改进算法,该算法可以在高帧率的情况下尽量减少行人感兴趣区域的数量,避免了行人检测过程中对整幅图片进行滑窗式的搜索问题,提高了行人检测的速度。2.基于三维点云和HOG特征的行人检测算法研究。基于行人点云三维空间特征的先验知识,对行人感兴趣区域点云进行筛选,进一步减少非行人点云的数量。对行人感兴趣区域提取HOG特征,用离线训练的SVM行人分类器进行行人检测。3.基于视觉SLAM和图像特征点的行人跟踪算法研究。利用视觉SLAM算法对相机运动的估计,计算机器人、行人和空间障碍的位置关系,实现对行人点云的全局位置跟踪。利用光流法在帧与帧之间跟踪目标模板上的特征点,实现在多个行人干扰的情况下,系统依然可以对单个目标行人进行跟踪的目的。4.基于深度相机的行人检测与跟踪实验研究。面向室内移动场景下行人检测与跟踪的实验需求,设计基于深度相机的行人检测与跟踪的相关实验。对系统的各个模块功能进行分析并给出最后的实验结果。
