交互型服务机器人目标人跟随分析教学文案.docx

此文档收集于网络，如有侵权请联系网站删除

浙江大学硕士学位论文

摘要

替代人类工作，走进千家万户是服务机器人的发展目标。人类的环境复杂多 变，机器人要真正成为人类的帮手需要完成很多任务，例如跟随H标人、帮助人类 搬运重物等，因此在复杂环境下进行目标人跟随是服务机器人研究领域的热点之 一，具有重要的理论研究意义和实际应用价值。
本文首先介绍了国内外服务机器人技术发展的现状；然后针对目标人跟随问题 进行研究，提出了基于激光和深度相机的两种人体检测方法，通过改进SJPDAF算 法实现了复杂环境下的目标人跟随；最后，对机器人跟随问题进行分析总结，并针 对现有方法的不足提出了展望。
本文主要研究工作包括：

1．对人体检测算法进行了研究，提出了面向基于激光测距仪的类圆弧检测算法 和面向深度相机的头肩特征检测算法。
2．提出了SJPDAF算法的改进，实现了鲁棒的人体跟随。将传感器检测概率 模型引入SJPDAF算法，提高算法的跟踪精度，同时结合传感器融合似然度概念， 将SJPDAF算法应用于多传感器输入情况。还改进了关于联合概率的计算方法，提 高了SJPDAF算法的实时性。
3．提出了一种改进边缘检测算法的避障策略，使得机器人在跟随的过程中灵活 避开地面障碍物，在狭小的空间内无碰跟随。

关键词：SJPDAF算法 目标人跟随 Adaboost传感器融合

n

此文档仅供学习和交流

摘要

Abstract

The research on service robot aims to facilitate human’S life and tO service everyone． which is complex and dynamic．In order tO apply the robot in human’S living environmen- t,there are many task tO be done，such as following a human or helping people tO CaITy
loads．Among them，human tracking in populated environments is one of the most active research areas of service robot．Because of its significant both in the theory and practice．
This paper first introduces the research and development status of service robot tech· nology．Then studies on the problem of human tracking in an unknown environment．Two methods on human detecting ale proposed based on laser and MESA camera．which are implemented into a multisensor SJPDAF framework．Finally,the algorithm and strategy are analyzed and summarized．Follow by some improvements for practical application．
The main work of this paper includes：
1．With laser and MESA camera，two human detecting algorithms are researched．Spe· cially,the curve··like detection algorithm is based on laser and a head-·shoulder feature de·· tection algorithm is proposed based on MESA camera．
2．The improved SJPDAF algorithm is proposed，and a robust human following is

achieved．The sensor detection models are added into the traditional SJPDAF tO unify the measurement framework，realizing the multi—sensor fusion in human tracking．Besides，the efficiency of the multi—sensor SJPDAF is improved as well as the accuracy of tracking．
3．An obstacle avoidance strategy which improves the edge detection algorithm is pro- posed．Using this strategy the robot can avoid obstacles on the ground in a narrow space．

Keywords：SJPDAF algorithm，human tracking，Adaboost,sensor fusion

111

致谢

致谢

本论文是在熊蓉老师的悉心指导下完成的。熊老师渊博的专业知识，严谨的治 学态度，精益求精的工作作风，诲人不倦的高尚师德，朴实无华、平易近人的人格 魅力深深的感染和激励着我。两年半以来，老师不仅在学业上给予我细心的指导， 同时还在思想、生活上给我以无微不至的关怀，在此谨向熊老师致以诚挚的谢意和 崇高的敬意!
感谢机器人实验室的吴俊老师，吴老师知识渊博、治学严谨，在学业上给予了 我很多帮助!感谢褚健老师，褚老师高屋建瓴的思想，对事业的不断追求给我留下 了深刻的印象，催人奋进!
感谢机器人实验室的王军南师兄和李千山师弟，对本文的完成也做出了巨大 的贡献。感谢机器人实验室的各位兄弟姐妹们，感谢一起参力HRobocup赛的各位 “战友"，大家一起努力奋斗的日子让人毕生难：玺!
最后感谢我的父母，是他们含辛茹苦的把我培养长大，并在学业上一直支持与

鼓励我!

绪论

1绪论

1．1研究背景及意义

机器人的概念在人类的想像中已经存在了几千年，不论是我国古代的一些史料 记载，还是古希腊和古罗马的神话中，都可以见到机器人的雏形。1920年，机器人 这个名词在捷克作家Karel Capek(卡雷尔·凯培克)的情节剧中作为专有名词出现并
被广泛使用。1954年，第一台可编程的机器人的诞生，揭开了机器人发展的序幕。 国际上的机器人学者，从应用环境出发将机器人分为两类：制造环境下的工业
机器人和非制造环境下的服务与仿人型机器人。目前所说的机器人大多数为面向工 业领域的多关节机械手或多自由度工业机器人，它们被广泛地应用于制造业的工业 装配领域。随着科学技术日新月异的发展、人民生活水平的不断提高、生命得到更 多尊重、老龄化社会问题同趋严峻、新军事变革不断深入，机器人走向工业、社 会、家庭和战场为人类服务已成为必然趋势。从20世纪80年代中期开始，随着传感 器、控制、驱动、材料、人工智能等领域的技术进步，机器人从工厂的结构化环境 逐步进入人类日常生活的环境一一医院、办公室、家庭和其它杂乱及不可控环境。 人们期望未来机器人不仅能自主完成工作，而且能与人共同协作完成任务或在人指 导下完成任务。这类机器人被统称为服务机器人。
服务机器人目前尚处于开发及普及的阶段，国际上对它没有普遍承认的严格定 义，根据国际机器人联合会(IFR)采用的初步定义，服务机器人是指除从事工业生 产以外的一大类半自主或全自主工作的机器人，它能完成有益于人类的服务工作。 服务机器人按照应用环境又可分为在特殊环境下作业的机器人(如反恐防暴、抢险 救灾、勘探勘测等)和服务于人的机器人(如医疗康复、家政服务、教育娱乐等)。 服务机器人技术是集机械、微电子、传感器、计算机、智能控制、通信与网络、新 材料、生物医学工程等多学科交叉的战略性高技术，对于相关技术与产业的发展起 着重要的支撑和引领作用。
机器人正逐渐成为新兴战略型产业，特别是服务于人的机器人将成为支柱性

浙江大学硕，I-学位论文

产业。比尔盖茨曾预言个人服务机器人(Personal robot)将在不久的将来取代个人电 脑(Personal computer)。一旦实现了这个变革，那么它对整个工业生产、太空和海
洋探索以及人类生活方方面面所产生的影响，要远远大于当前电脑所产生的作用。

与传统工业机器人相比，智能服务机器人应用领域更为广泛，但所面向的环境更为 复杂，具有极大的不确定性，对机器人的智能性、适应性和灵活性提出了很高的挑 战。

1．2服务机器人国内外发展现状

1．2．1国外研究现状 世界各国，尤其是美国、日本、韩国和欧洲各国，均把智能服务机器人技
术作为战略高技术和国家可持续发展的支柱产业来发展，并制定了长期发展 计划。例如，美国国防部、陆军、海军面向军用服务分别制定了《无人系统路 线图(2010---2035年)》、《美国陆军未来战斗系统(FCS，2003)))、《无人水下航行 器UUV总体规划(2005)》，并在2009年制定了《机器人战略白皮书》。日本一贯将 服务机器人技术列入国家的研究计划和重大项目，推进服务机器人的产业化，日 本能源及产业技术综合开发机构(NEDo)2009年度资助合计约2．86亿人民币。欧 洲的第七框架计划(FP7)执行期从2007年至2013年，重点加强机器人模块化功能 部件和危险作业机器人的研发，总预算达532亿欧元。韩国把智能服务机器人作为 (893战略计划》中的九大核心技术之一，并认为它将成为2l世纪推动国家经济增长 的十大引擎产业之一，计划2018年成为世界三大机器人生产国之一。
日本服务机器人的发展处于世界领先水平，本田公司研制的ASIMO机器人是 目前最先进的仿人行走机器人【I】o ASIMO高120cm、重43kg，全身具有26个自由 度。现已被投放到七家企业作为接待员。ASIMO除了可以像人类一样做各种复杂 的动作，如跑步，跳跃，单腿支撑等，还能以头部的眼球运动记录器和手腕的力感 应器探测人的活动范围，他可以做端盘子、送咖啡等动作，甚至可以沿着一定路 线来推车。此外，东京早稻田大学实验室研制的仿人机器人“Twendy．One一是家 庭服务机器人的代表。TWENDY-ONE是该研究室1999年开发的“Wendy”的后续 机型。2000年正式立项，在企业的协助下历经7年时间完成。该机器人高1467mm，

2

绪论

图1．1 ASIMO机器人 重lllkg，共具有47自由度，其中手臂7个(单臂)、手指13个(单手)、躯干部4个、

脖颈3个。利用躯干下方配备的4轮全向电机带来的行驶功能，可向任意方向移动。 他可以操做烤面包机等简易的家用电器，也能使用家庭中常见的小工具，甚至可以 用手指夹取吸管。研制它的目的是帮助行动不便的老年人。
TWENDY-ONE的开发主题是协同作业所需的“安全”和动作的“灵活”。其特 点为：(1)由扭杆和减震器组成的柔软关节(被动柔软关节)；(2)有4根嵌入了传感 器的手指：(3)基于分布式压力传感器的大范围接触检测；(4)Pb壳表面进行硅树脂
被膜；(5)线束的内置化等。

美国主要研究军用机器人，!t112005年波士顿动力公司推出了机械狗BigDog。 BigDog属于军用机器人，能够在复杂地形条件下作为军事搬运机器人使用，并被 投放应用于阿富汗战场。其行走速度高达6．4km／h，能够攀越高达35度的斜坡，不 论是跨越废墟还是在雪地上行走都能保持自身的平衡，其有效载荷可达至U181．4千 克，最大行驶里程可达32．2千米。
从2002年起，美国iRobot公司推出了一系列家用的自动吸尘器机器人“Roomba"，

Roomba使用先进的iAdapt技术，这是一个由软件和感应器组成的专利系统。

浙江大学硕士学位论文

图1．2 Twendy秽L器人

图1．3 Bigdog军用机器人

4

绪论

iAdapt让Roomban-I"以主动对清扫环境进行监测，每秒钟思考次数超过60次，并且 能够以40种不同的动作进行反应，以便彻底清扫房间。它结合人：I_：智能自动运转与 导航侦测系统，能自动避障，自动设计行进路线，可自动侦测灰尘、自动清扫房 子，任务完成或电力不足时会自动返同基地台进行充电动作。

图1．4 Irobot．Roomba清扫机器人 在欧洲，德国的服务机器人研究处于领先水平，其中“Nimbro”机器人是德国

波恩大学研制的一款服务机器人，它具有全向运动底盘，两只仿人手臂，四个激光 传感器以及两个彩色相机。它能够识别并抓取类似可乐，玻璃杯等物品，同时具有 人脸识别、定位导航、自然语言和手势理解等能力。Nimbro机器人在2010和201 l机 器人世界杯家庭服务组比赛中分别取得亚军和冠军。

1．2．2国内研究现状 我国也将智能服务机器人技术作为重点支持的前沿战略性技术。《国家中长期
科学和技术发展规划纲要(2006．2020年)》明确指出将服务机器人作为未来优先发 展的战略高技术，并提出”以服务机器人应用需求为重点，研究设计方法、制造工 艺、智能控制和应用系统集成等共性基础技术”。在国家”863”计划先进制造技术领 域”十二五”战略研究报告中，将智能机器人作为五大主题方向之一。
中国各高校和研究机构都开展了服务机器人的研究工作。．卜海交通大学研制的

浙江大学硕士学位论文

图1．5 Nimbm服务机器人 助残机器人一一智能轮椅，具有SLAM能力，能够根据装在轮椅前方的激光探测器

和摄像头辨识着沿途的环境，并选择最佳路径运动。智能轮椅还有“随机应变”的 能力，在它行进过程中，如果有人走过，或是路中临时搁置了一把小凳子，它要能 够灵活避让。

图1．6上海交通大学智能轮椅

翟

绪论

中国民航大学策划研制的在北京奥运会期间使用过的福娃机器人，福娃机器人 能够感应到一米范围内的游客，与人对话、摄影留念、唱歌舞蹈，还能问答与奥运 会相关的问题。

图1．7福娃机器人

由北理工牵头、中科院沈阳自动化所等单位参加研制了仿人机器人“汇童”， 它具有视觉、语音对话、力觉、平衡觉等功能，能够感知自身的平衡状态及地面高 度变化，实现了前进、后退、侧行、转弯、上下台阶及未知地面情况下的稳定行 走，并且实现了模仿太极拳、刀术等人类复杂动作。

图1．8汇童机器人

浙江大学智能系统与控制研究所机器人实验室从2(KO年末开始从事智能服务机 器人的研究。2010年为上海世博会研发了海宝服务机器人，该机器人具有四轮全方 位运动机构，多自由度双臂以及较为全面的传感器信号采集系统。海宝机器人融合

浙江大学硕士学位论文

了定位与地图构建、自定位、路径规划和避障、人脸检测与识别、物体识别等技

术，并通过多任务规划决策技术实现快速信息处理和多任务并发运行。

图1．9海宝机器人 浙江大学还自主研制了ZJUPanda系列机器人，该机器人具有目标人跟随、抓

取物品、人脸识别、地图构建、定位导航等能力，在201 ltg机器人世界杯比赛中取 得第七名的优异成绩。
总体来讲我国在服务机器人的研究上取得了巨大进展，但在关键技术上与日本 和美国存在明显的差距。我国必须从长计议，扎实基础研究，在充分借鉴前人研究 经验的基础上，开拓创新。

1．3 目标人跟随研究综述

人机交互是服务机器人融入人类生活的关键技术之一。服务机器人人机交互性 涉及多个技术领域。目标人跟随是人机交互研究中的一个热点问题，不仅在服务机 器人领域具有广泛的应用需求，例如协助残疾人和病人移动的机器人轮椅、跟在主 人身后搬运行李和重物的机器人等，而且对于侦察型军用机器人也具有应用价值。

受

绪论

图1．10 ZJUPanda机器人在Robocupl：匕赛中 跟随过程往往发生在包括目标人和非目标人的多人自然环境中，因而机器人需要在

避开障碍物的同时准确跟随指定目标。 目标人跟随研究的相关技术主要可以分为三个方面：目标人的检测，目标人的
跟踪和机器人在跟随过程中的避障。 在服务机器人跟随目标人过程中，环境中除了被跟随的目标人外，还可能出现
多个干扰人，所以需要一种能够同时跟踪多个目标人的跟踪算法。到目前为止，已

经有许多跟踪目标的方法，其中联合概率滤波器算法(JPDAF)[2,31是一种较为通

用的跟踪多个移动目标方法。这种方法通过计算量测信息与跟踪目标的关联性贝叶

，
●
斯估计来跟踪目标。和大多数跟踪方法类似，这种方法应用卡尔曼滤波器来估计

各个独立目标的状态。但卡尔曼滤波器只适用于被估状态为单峰高斯分布的情况。 为了在非高斯分布、非线性动态情况下估计目标状态，粒子滤波被引入JPDAF算法 中[4．51，并成功解决了多方面的状态估计问题，如视觉跟踪【鲫、和移动机器人定 位[8-1 o】等。粒子滤波的关键思想是用粒子群表示目标状态，其显著优点在于提高了

状态估计的鲁棒性。Schulz和Burgardllll提出了一种基于采样的联合概率滤波器算 法(Sample．based Joint Probabilistic Data Association Filters，SJPDAF)，并将此算法 应用于移动机器人跟踪目标人过程中。
Reid在1 979年提出了多假设跟踪算法(Multiple Hypothesis Tracking，MaT)。 MHT算法是基于singer等【12】的“全邻”最优滤波器和Bar-Shalomtl31的确认矩阵
概念，与JPDAF算法公认为在多目标跟踪领域最为有效的两种算法。MHT算法将

9

浙江大学硕：Jj学位论文

目标假设为已知目标、杂波和新目标三种情况，并构造面向量测的关联假设树，利 用贝叶斯后验概率的传递特性，对假设树的各个分枝进行概率计算，不断删除小概 率假设，合并相同目标假设，以实现多目标的数据关联和跟踪。
Cox和HingoranitH】基于移动相机使用多假设跟踪算法(MHT)来跟踪目标。 和JPDAF算法相比，MHT根据目标和量测特征的关联性，扩展一个包含卡尔曼滤 波器的增长树。然而这种算法在复制所含滤波器的同时阻止了有效的采样实施。
MacCormick和Blaketl5l同样结合了粒子滤波和JPDAF算法米跟踪目标，并结合 两个目标的状态空间引入分割采样来获得一个鲁棒的估计，这种算法一定程度上减 小了状态空间囚日标数量增长而指数增长的情况。
Montemerlo[M】等在解决同时定位和目标人跟踪的问题时，应用了最邻近方法 来解决数据关联问题。FcHd【17l等提出一种基于统计激光数据跟踪多个移动目标的方 法，他们使用卡尔曼滤波器来解决短暂的交叉问题。Lindstrom和EklundhtIs]基于移 动机器人使用高斯假设方法跟踪移动目标。上述的方法都是基于最邻近方法提出 的。
最近一些研究人员提出了一些通过研究人的运动模式来预测人的运动的方法。 Bennewitz和Burgard[纷】提出如何学习目标人的运动模式。Tadokor0120l等使用已知的 运动行为概率模型来预测目标人运动位置。关于目标人运动模式的研究成果都要求 环境已知，并且这些系统都没有涉及如何精确跟踪一个目标人。
机器人在跟随El标人过程中，可能会遇到动态或静态的障碍物，需要机器人 具有避障能力。目前已经有许多有效的避障算法，如边沿检测法、概率栅格法、 Bug算法【211、人工势场法【221、矢量直方图法【231、遗传算法1241、ASL方法【251、动态
窗口法126271等，这些算法大多应用于已知环境下，在未知环境下的机器人跟随避

障需要一种有效的避障方法。

1．4本文创新点

本文针对服务机器人在未知环境中进行目标人跟随问题进行研究。本文的创新

点如下：

10

绪论

(1)提出基于激光测距仪的类阒弧检测算法和基于深度相机的头肩特征检测算

法。

(2)结合传感器模型融合似然度概念，将SJPDAF算法应用于多传感器输入情

况。结合传感器检测概率模型，提高了SJPDAF算法的跟踪精度与计算实时性。 (3)提出了一种改进边缘检测算法的避障策略，使得机器人在跟随的过程中灵
活避开地面障碍物，在狭小的空间内无碰跟随。

1．5本文内容

本章介绍了服务机器人的研究背景及意义，概述了国内外服务机器人的发展现 状，并对现有的目标人跟随技术进行了介绍。
第二章概述了常见的目标人跟踪算法和避障算法，基于传感器的中心级融合结

构提出ZJUPanda机器人跟随系统的结构。 第三章介绍了激光和深度相机检测目标人的原理，提出了基于激光测距仪的类
圆弧检测方法和基于Adaboost的头肩特征检测方法。实验对比了两种不同传感器的 检测结果。
第四章首先介绍了传感器概率模型和融合似然度的概念，并将SJPDAF算法应 用于多传感器融合情况下，最后在刁UP卸da机器人上实验验证了算法实时性的改 进以及在复杂环境内跟随目标人的有效性。
第五章概述了几种常见的避障方法，提出了基于ZJUPanda的避障策略，并在 机器人上验证了该策略对静态和动态障碍物的避障能力。
第六章对全文进行了总结，提出了部分有待解决的问题，并对服务机器人技术 的发展进行了展望。

浙江大学硕士学位论文

12

结构框架

2结构框架

2．1系统平台

现有的目标人跟随技术大多采用单一种类的传感器对目标人进行检测。无论采 用激光测距仪还是摄像机对目标人进行检测都有不足之处，所以需要一种机器人跟 随框架能够满足多传感器输入的要求，这样就能够结合不同种类传感器检测的优 点，保证目标人跟随的稳定性和鲁棒性。
本文的系统平台是浙江大学机器人实验室的ZJUPanda机器人(如图2．1)，该 机器人主控机CPU为酷睿2 QS400，主频为2．66GHz。ZJUPanda运行的软件平台 为SUROs，该软件平台通过多任务规划决策技术实现快速信息处理和多任务并发运
行。

ZJUPanda机器人用于人体跟随的传感器有：安装在机器人头部的深度相机 (MESA．SR4000)、装在机器人胸U的激光测距仪(HOKUYO UTM．30LX)和底盘 前端安装的激光测距仪(SICK一100)。
ZJUPanda机器人全身共有16个自由度，其中机器人头部云台有2个自由度，机 器人左右机械臂各有7个自由度。机器人的云台系统可以保证机器人的头部跟踪目 标人运动。除了目标人跟随功能外，机器人的多自由度机械臂使得ZJUPanda具有 抓取能力。ZJUPanda机器人的底盘运动机构类似于汽车底盘，采用前轮驱动，最 大行驶速度为lm／s。

2．2算法框架

多传感器融合跟踪的结构有很多，其中以Blackman的方法最为经典。Blackman／28】 将融合跟踪结构分为三类：中心级融合结构、传感器级融合结构和混合式融合结 构。如图2．2所示，中心级融合结构是传感器将各自的量测数据传输到融合中心， 在融合中心进行数据校准、点迹相关、数据关联、航迹滤波、预测和综合跟踪，最

浙江大学硕二E学位论文

图2．1 ZJUPanda机器人 终形成目标的融合轨迹。这种结构的优点是信息的损失最小，但数据关联较为困

难，并要求融合中心具备大容量的能力，计算负担重，系统的生存能力较差。

口标状态

图2．2中心级融合结构 传感器级融合结构如图2．3所示，是传感器首先根据各自的量测数据估计目标

的运动状态，构造局部目标轨迹库，再将轨迹信息传给融合中心，最后融合中心的 信息处理器对各自传感器的轨迹进行关联融合，产生目标的融合轨迹。
在机器人跟随目标人的过程中，跟随的目标只有1个，且出现在视野范围内的 干扰目标也不会太多，由于中心级融合结构在目标较少情况下能够获得更优越的跟

14

结构框架

标状态

图2．3传感器级融合结构

踪性能，并对目标进行跟踪的精度较高，因而选择中心级融合结构作为服务机器人 跟随系统的传感器融合结构较为合适。
ZJUPanda的跟随系统结构框架正是基于多传感器输入的情况下中心级融合结 构设计的，如图2．4所示，该结构框架有三部分组成：目标人检测部分、目标融合 部分和运动执行部分。该结构框架中，采用激光测距仪和深度相机同时对目标人进 行检测，其中基于激光测距仪采用类圆弧算法对目标人进行检测，基于深度相机 根据基于Adaboost的头肩检测算法对目标人进行检测。然后将两种传感器的检测结 果作为改进SJPDAF算法的输入，通过改进SJPDAF算法得到被跟随目标人的精确位 置。最终通过底盘激光测距仪检测到的机器人前方障碍物信息，结合被跟随目标人 的位置，可以规划出机器人下一周期的运动目标点。该运动目标点可以保证机器人 在跟随目标人的同时，避开前方的障碍物。
该结构框架还可以扩展为更多输入的情况，今后如果有新的传感器出现或者有 新的检测方法产生，都可以作为独立模块直接添加到该框架的目标人检测部分。

2．3本章小结

本章首先概述了常见的目标人跟踪算法和避障算法，然后介绍了传感器的两种 融合结构，最后基于传感器的中心级融合结构提出刁UP觚da机器人跟随系统的结 构。

15

浙江大学硕‘l：学位论文

图2．4 ZJUPanda机器人跟随目标人结构框架图

16

目标人检测方法

3 目标人检测方法

3．1概述

在目标人跟踪领域，传统采用相机作为传感器。对于基于视觉的目标人检测， 国内外研究者提出了许多有效的算法，Schielel291概述了基于视觉技术的目标人检 测方法，大体上可以概括为基于先验知识、基于机构特征、基于模板匹配以及基于 统计模型的方法。其中基于统计模型的方法近年来取得了很多研究成果，包括基于 神经网络的方法、基于SVM的方法、基于Adaboost的方法等。
视觉检测的目的是从序列图像中将运动人体从图像序列中提取出来，一般往往 包含运动分割和人体识别两个步骤。
运动对象分割的主要依据是运动对象与背景有着不一致的运动，常用的方法如 下【30】：
(1)背景减除 背景减除方法利用当前图像与背景图像的差分来分割运动区域，研究都围绕背
景建模来展开。如果背景由各主要稳定成份构成，可以采用背景减除的方法检测El 标人，例如交通监控视频序列中，场景主要由路面、车辆及各种阴影构成。
(2)时间差分

时间差分法利用图像序列中前后相邻帧之间的图像差分来分割运动区域，主要 的方法有阈值法、基于假设检验的统计算法和高阶统计法等。时间差分方法原理简 单，实现起来也很方便，由于容易产生空洞现象，一般需要借助其他方法来补偿。
(3)光流法

基于光流的方法通过检测时间轴上光流场的变化来提取运动目标，这类方法优 缺点都非常明显，优点是这类方法通用性好，尤其能够应付摄像机存在运动的情况 下，缺点是受噪声影响明显，算法计算量大，在实时性要求高的场合不适用。
在运动对象分割的基础上，基于图像的识别方法主要可以分为两类【31】：一类

17

浙江大学硕士学位论文

是基于形状信息的分类，它利用检测出的运动区域的形状特征进行目标分类；另一 类是基于运动特征的分类，它利用人体运动的周期性进行目标分类。
尽管基于视觉的目标人检测技术已经取得了一定的成果，但同时也有缺点，主 要原因在于仪器本身，如相机的分辨率和扫描角度都非常有限，这样获得象素少的 移动对象可能就跟踪失败得不到其相关信息。而对于静止的物体，由于不断变化的 光照和天气变化，也很难得到准确的位置信息，为该类技术的研究形成了阻碍。而 且当涉及到来自不同相机的数据的融合问题，在不同的视角坐标系之间进行精确的 匹配，其难度较大而且花费的时问比较长。
激光测距仪的出现为以上难点提供了解决方案，它是基于激光数据的感应系 统，根据时间飞行原理获得所需的数据，由于其扫描速率高、视角宽广，扫描距离 远的特点，采用激光测距仪对目标人进行检测的技术已经取代基于视频的同类技术 成为研究者们的研究热点。
在机器人领域，激光测距仪通常被用来避障、定位以及构建地图，也被用于目

标人跟踪。Fodt32】提出将激光的返回数据分为背景数据(background reading)和前台 数据(foreground reading)，背景数据由类似墙面等静态障碍物产生，这类数据与跟 随无关。背景数据用于生成背景模型，每次更新后那些不属于背景模型的数据被假
设为被跟踪的目标。前台模型由跟踪模型组成，如粒子滤波器。前台数据通过最邻 近原则聚类，并与相应的滤波器关联，这种方法能够解决目标人交叉问题。赵艳 梅【33l基于点动态聚类法，提出了采用多阈值分割方法对行动人的腿部信息进行检 测的方法。
本章分别提出基于激光测距仪的类圆弧检测算法和基于Adaboost的头肩特征检 测算法，这两种算法都能使机器人在未知的室内环境中稳定实时检测到目标人的位 置。两种算法有各自的优势，下面详细描述这两种基于不同传感器的算法。

3．2基于激光测距仪的人体检测方法

3．2．1激光测距仪 激光测距仪的量测信息是基于目标物的反射激光束而得到的，因而激光的量测
信息对类似光线变化等自然噪声不敏感。激光测距仪具有很大的视野，其量测信息

18

门标人检测方法

能够覆盖整个房间或走廊。和其他直线视野的设备一样，激光测距仪对遮挡、交叉 等干扰较为敏感。激光测距仪的量测点较为稀疏却具有较高的检测精度，所以激光 测距仪在复杂的环境中可以快速地得到高精度的目标人距离信息。
由于激光测距仪放置在一定高度上作水平扫描，这样周围的水平横断面部分， 包括运动的目标人和环境中静止的物体都可以扫描到一个直角坐标系中。而且 在0．9m高度的水平面上，环境中的干扰物较少，降低了激光测距仪检测的误检率。

3．2．2类圆弧检测方法 激光检测目标人可以通过检测目标人身体的某一部分，如腿、胸在二维水平面
上的轮廓进行检测。方法包括基线检测、圆弧拟合以及一些基于分类器学习的算

法I州。本文使用了一种类圆弧检测算法，方法实现步骤如下： (1)对于激光测距仪原始观测的数据，按观测角度顺序排列，并进行中值滤波，
得到有序点集厶 (2)逐一遍历L中各个数据点，在最大搜索半径Ⅳ个点的范围内，由近及远
逐一检验其邻近点：若存在一点歹使得z0)一t(i)>2。婶，且对任意一点z(七)均 有z(七)一t(i)≥ztn，，则在L中将该点标记为候选点。其中L叩和z讥，分别为观测距离 差的上下阈值，WN由所检测的人体尺寸确定：

(3)在L中，对于任意一段被连续标记为候选点的点集C，若点的数量Ⅳ(C)满

足Ⅳ(C)大于Mn，小于Ⅳ8印，则该段候选点所对应的环境障碍物则被认为是疑似人。
其中Mn，和凡up同样由所检测的人体尺寸确定，一般地，可取肮uP=2W。

3．2．3实验结果

本文采用HOKUYO UTM一30LX型激光测距仪检测目标人，如图3．2所示。该激 光测距仪有效测距范围为30m，角度分辨率为0．25度，扫描角度为180度，水平安装 在距离地面0．9m高的机器人胸【j处，通过usb和主机进行通信。
本文通过ZJUPanda机器人胸口的激光测距仪基于类圆弧算法检测目标人，检 测结果如图3．3所示。从图3．3中可以看出，目标人在图3．3左上角的激光点云图中 呈现明显的类圆弧特征。使用类圆弧算法可以同时检测多个目标人，如图3．4所示， 两个目标人都有明显的类网弧特征。

19

浙江大学硕士学位论文

o o o o oO o o o o o oo o

图3