动态环境下的跟随机器人控制研究.pdfVIP

摘要

随着我国老龄化趋势的进一步加深，日益增长的老年群体迫切需要通过社

会养老资源来解决与日俱增的养老问题。在养老资源需求快速增长的同时，国

内养老资源的供给极为有限，且出现供给不均衡状况。人工智能与机器人技术

的发展让养老机器人逐渐成为弥补养老资源短缺的一个选项。以跟随机器人为

基础开发的助老型服务机器人具备健康检测、物品搬运等多种功能，能够在老

人体能不足、行动不便的场合为老年人的生活提供有效的支持与服务。

本文对跟随机器人的控制方法进行了研究，针对现有跟随机器人易丢失目

3D

标、跟随过程中缺乏对环境的感知、跟随灵活性差等缺点，研究了基于视觉

传感器和惯性测量的跟随机器人。通过加入实时感知与规划方法，弥补了现有

跟随机器人无法应对复杂环境的缺陷。本文旨在集中优化机器人在长期目标跟

踪任务中的性能，以实现在复杂动态环境下的自主定位与自主导航功能。本文

对现有目标跟踪、视觉SLAM和机器人运动规划算法进行改进，对类车机器人

自主跟踪避障系统进行了深入研究。同时，通过数据集和仿真环境的验证，对

相关算法和自主导航能力进行了充分检验。本文主要工作如下：

(1)面向复杂场景下的长时跟踪问题，本文设计了一种结合相关滤波与深度

学习的长时跟踪策略。本文提出了跟踪器跟踪质量判别指标，该指标用

于判断当前跟踪结果是否可信，检测器在跟踪结果不可信时重新检测目

标，检测结果反馈到跟踪器用于引导后续跟踪工作。这一策略消除了跟

踪器在短期跟踪异常的情况下的模板漂移，并且能有效提升长期跟踪当

中的实时性。改进的算法在公开数据集上与经典算法及近三年内的优秀

算法进行了对比实验，实验结果表明，改进的跟踪算法在跟踪能力大幅

度提升的情况下依旧可以保证实时性，具备良好的实用价值。

(2)针对动态环境下视觉SLAM算法存在的定位漂移和建图伪影问题，本

文结合目标检测和阈值分割来排除动态物体的干扰。为了保证检测的实

时性，本文使用成熟的YOLO算法来检测视频当中的动态物体，进一步

估计动态物体的边界。在滤除动态物体之后，解决了建图伪影问题。本

文在公开数据集上使用改进的算法进行了动态环境下的定位和建图实

验，实验结果表明，改进的算法有效消除了动态物体对定位和建图过程

的干扰。

(3)面对未知环境下的运动规划问题，本文改进了EGO-Planner规划算法，

使其能够用于阿克曼小车的运动规划。跟随机器人的工作场景当中可能

没有准确的先验地图或者属于完全的未知环境，已有的基于先验地图的

运动规划方法难以适用于此类场景。在本部分的工作中，对当前先进的

无人机运动规划算法EGO-Planner进行改进，使其规划的轨迹适用于类

车机器人的控制。另外，考虑到视觉跟踪对于图像质量的需求，引入了

额外的可见性指标，用于减少目标在运动过程中被遮挡或者消失的次数。

在ROS系统当中的gazebo仿真环境下对本部分改进的算法进行了仿真

验证，仿真结果表明改进的运动规划算法能够支持未知环境下的导航。

:SLAM

关键词目标跟踪；视觉；跟随机器人；运动规划

Abstract

AstheagingtrenddeepensinChina,thegrowingelderlypopulationurgently

requiressolutionstotheincreasingchallengesofeldercarethroughsocialresources.

Whilethedemandforeldercareresourcesrapidlyrises,thedomesticsupplyofsuch

resourcesisextremel