微机电.docVIP

基于用激光测距实现人类跟踪的多机器人合作 摘要——在本文中，我们是在室内环境中的机器人建立一个多人体检测。 首先，我们提出了一种混合的方法用激光测距仪（LRF）来每个机器人人腿检测问题， 不仅返回“true”或“”类型的答案，。具体说， 安装在机器人上的激光测距仪获得的测量数据进一步分解成下一步，我们将的（IAV）方法考察的腿，以确认此外，我们还可以使用探测器来检这些物体移动。 关键词：激光测距仪，人体检测，人体跟踪，多机器人协作 简介 跟踪人体对象最重要的问题是如何从环境信息中提取靠传感器采集来的人腿数据信息。因此，近年来许多种类的传感器被研究者用来满足这一特定目的，其中激光测距仪和相机是最常见的传感装置[1]。 在文献中，Bellotto和Hu提出了一种混合方法，在这种方法中，从一个单列LRF中提取出的人腿数据，被融合到通过相机利用无迹卡尔曼滤波器的顺序执行原理检测到的信息中。尽管基于视觉的传感器可以更精确的协助LFRS来完成人体跟踪。但是，视觉系统通常遇到巨大的复杂计算， 李君仪，常明芳同处电气工程学院，国立台湾大学（电话：886-2子邮件：ntu.edu.tw，ntu.edu.tw）。 陈福与电气工程和部计算机科学与信息工程学院，台大，台北，台湾（电话：886-2真：886-2-2365788电子邮件：地衣@ntu.edu.tw） 并且它的性能很容易地受相机设置，如观点、相机的角度、图像的像素以及周围环境的亮度等的影响。此外，由于相机的不稳定因素产生的虚假信息，也可能会很容易地影响人体跟踪系统的输出。在这种基于二维的激光扫描仪的情况下，检测感兴趣的对象（如机器人或人类）非常困难。因此，已经开发出多种方法来从环境中提取我们感兴趣的对象。有关只用LFRS来检测/跟踪人体位置的研究越来越多。Horiuchi et al.已经提出了一种基于遥感的行人跟踪系统，这个系统采用一个安装在移动机器人上的LRF来识别环境中潜在的行人。此外，基于采样的联合概率数据关联滤波器（SJPDAF）已经由舒尔茨（Schulz et al）等人提出，以便在预测步骤中获得更多精确的估计。 在本文中，我们针对人体检测提出了一种混合的方法，即采用几个移动机器人，其中每个配备一个LRF，以便多个机器人一起能够精确探测到传感器监测区域内尽可能多的人。为了实现这一目标，我们为这种多机器人系统制定一个中央控制系统，以整合所有使用进程间通信服务器从每一个机器人收集到的信息。此外，我们实现了一个基于人体跟踪系统的采样重要性重采样（SIR）粒子过滤器来尽可能长时间的继续跟踪这些被检测人体。为寻求单机器人的机器人技术的改进，多机器人之间的合作由于能够获得更好的性能而近乎成为热门的研究课题。 前期的工作由霍华德（Howard）来完成，他把每一个机器人是做一个地标，计算出极大似然估计的组合，并进行数值优化，以便那里的机器人定位能够比传统文献里的单机器人定位展示出更好的性能。此外，荣[9]提出了基于区域的方法作为一群机器人的一种有效的协调方法，即根据目标的分布计算所有涉及的机器人的分布。最后也最重要的一点，在工作中[10]笔者提出一个分散的查询响应系统来跟踪周围目标，在两个机器人距离比较近的情况下，被查询的机器人会在离它最近的机器人的帮助下，回应给系统在它感应区域内的移动物体的估计量。 最近，粒子过滤器在机器人定位，绘图，航海方面成为一种常用的工具，它采用一组样品（粒子）来代表一个线性系统，例如人类的运动状态。在本文中，我们采用采样重要性重采样微粒过滤器来实现人体的跟踪，它具有对重要权重高效计算的优点，所以我们能够用它可靠的估计和预测人体目标。 LMS100扫描原始数据定位模块扫描原始数据混合方法人体检测扫描原始数据... ...LMS100 LMS100IPC的服务器数据协会颗粒过滤器为基础的人类追踪考生腿腿考生腿考生地图信息检测人类位置追踪结果... ...传感器模块混合方法人体检测混合方法人体检测 图1显示了我们整个人体检测/跟踪系统的架构，很容易看到分解成四个部分，即传感器模块，混合人体检测方法，多机器人通信系统，和基于人体跟踪的粒子滤波器。 本文组织如下。第二节简要介绍了模式的提取和修改后的内切角方差，可用于解决单机器人人体检测的难题。下一步，我们将在第三节介绍我们的混合人体检测的细节。为了使团队方便共享从每个单机器人检测到的被检测人体的信息，第四节解释了多机器人的通信。为了实现强大的多人体检测，不同的机器人检测到的人体的数据关联和基于人体跟踪的粒子滤波器将在第五节呈现。在