基于视觉的行人引领移动机器人导航方法研究

移动机器人通过跟随领航员以实现导航是一种便捷的导航方式。针对行人引领导航中的领航员定位问题,提出了一种基于视觉的行人引领导航方法。该方法利用卡尔曼滤波器预测领航员的位置和尺度,并基于深度神经网络的行人检测器提供的结果更新滤波器的状态。为了关联检测结果和卡尔曼滤波器预测结果,提出了2个指标用于衡量两者之间的关联性。其中,为了提高在多个行人中辨认领航员的可靠性,创新性地引入了一个孪生神经网络,使用该网络全连接层提取的特征作为候选人的特征描述子,并通过计算特征之间的余弦距离来验证检测器检测到的行人身份。此外,当卡尔曼滤波器跟踪领航员失败时,综合考虑检测结果和孪生网络的判断结果重新初始化卡尔曼滤波器,以实现持续的领航员定位。视频实验和物理机器人实验验证了所提出的方法的有效性和可靠性。     

基于A*和TEB融合的行人感知无碰跟随方法

移动机器人通过跟随一个指定行人实现导航是一种便捷的方式。针对行人跟随中的机器人跟随和避障问题,提出了一种基于路径规划的无碰跟随方法。该方法结合激光点云分割提供的非行人障碍信息生成静态障碍代价地图,并根据3D行人定位结果,利用基于无迹卡尔曼滤波器（Unscented Kalman Filter,UKF）和最近邻联合概率数据关联（Nearest Near Joint Probabilistic Data Association,NN-JPDA）的多行人跟踪器估计干扰行人运动状态,进而生成动态行人代价地图。在此基础上,基于A^*的全局规划器结合静态障碍代价地图输出指向目标行人的全局路径,而基于时间弹性带（TEB）算法的局部规划器也将动态行人代价地图纳入考虑范围以规划优化的局部路径,这能够帮助机器人实现行人感知的避障且跟随全局路径。通过低频全局规划与高频局部规划结合的方式实现对目标行人安全无碰的跟随。实验验证了所提方法的有效性。