引導(dǎo)機器人目標跟蹤與測距設(shè)計與實現(xiàn)

(天津工業(yè)大學(xué) 天津 300387)

一、目標跟蹤

導(dǎo)引機器人的服務(wù)對象為啟動這項任務(wù)的特定客人，為了保證機器人能夠只針對服務(wù)對象完成引路功能，不被其他路人影響，因此本文使用目標跟蹤算法對客人實時跟蹤。目標跟蹤算法中的快速判別尺度空間相關(guān)濾波(fast discriminative scale space tracking,fDSST)算法由于運算速度快，具有尺度自適應(yīng)能力，因此適用于本文的引導(dǎo)機器人目標跟蹤系統(tǒng)中。

將fDSST算法使用Kinect傳感器在ROS機器人操作系統(tǒng)(Robot Operating System)中實現(xiàn)，實現(xiàn)效果如圖1所示。

圖1 fDSST算法在ROS中的實驗效果

二、目標測距

基于深度相機的機器人目標測距技術(shù)，從Kinect傳感器中采集深度圖像，處理圖像，最后通過點云信息計算出目標的距離。本文的引導(dǎo)機器人使用Kinect在彩色圖像中對人物目標進行跟蹤，在深度圖像中對人物目標進行測距，Kinect獲取的彩色圖像和深度圖像如圖2所示。根據(jù)彩色圖像和深度圖像中像素點之間的對應(yīng)關(guān)系，提取出fDSST目標跟蹤算法中跟蹤框內(nèi)的深度數(shù)據(jù)。僅對跟蹤框內(nèi)的數(shù)據(jù)進行濾波處理，而不是整張深度圖像，可減少時間消耗。

Kinect傳感器的深度圖像中，會有大量的噪聲，因此需要對深度圖像進行濾波處理。中值濾波方法操作簡單，快速，可以很好的去除圖像中的獨立噪聲點，并可以對深度圖像中的空洞進行填補。

圖2 Kinect的彩色圖像、深度圖像、跟蹤框內(nèi)深度圖像、中值濾波后的深度圖像

要得到人物目標的距離值，需要統(tǒng)計出深度圖像中的深度概率，即深度概率直方圖。要得到深度概率直方圖，首先統(tǒng)計原始圖像深度值的像素數(shù)目ni，圖像中深度值為i的像素出現(xiàn)的概率為px(i)=ni/n，n為圖像中所有的像素數(shù)。px的累計分布函數(shù)，就是圖像的累計歸一化直方圖，公式為：

圖3 深度概率直方圖

橫坐標從2400mm到2700mm內(nèi)深度值概率較高，分布較集中，因此為人體表面的點云數(shù)據(jù)，其他深度值為環(huán)境背景信息的點云數(shù)據(jù)。選取深度概率直方圖中的概率最大值所對應(yīng)的深度值，作為目標的距離。

當人物目標與機器人的距離大于5米時，機器人停車等待。當距離在3.5米至5米之間時，機器人減速行駛。當距離在2.7米至3.5米時，機器人按照原速度行駛。當距離小于2.7米時，機器人加速行駛。