移动机器人目标跟随与导航技术研究.pdfVIP

摘要

随着我国机器人产业的不断壮大和全球市场的持续扩大，机器人目标跟随和机

器人导航技术的研究将为人类社会的进步和发展带来更多的便利和效益。

针对机器人目标跟随过程中社交目标消失的问题，提出基于视觉跟踪与自主导

航的机器人目标跟随系统。将目标跟随问题分为社交目标在机器人视野中时的常规

跟随与目标消失后的自主导航两种情况。对于常规跟随，通过卡尔曼滤波器预测目

标运动状态，基于行人重识别网络提取外观特征，采用数据关联融合运动信息和外

观特征进行目标跟踪，再采用伺服控制进行跟随。对于目标消失后，基于社交目标

消失前与机器人的相对位置，设计机器人的自主导航方法，使机器人移动到目标消

失位置附近进行搜索，提高对社交目标的跟随成功率。最后在OTB100公开测试集

和机器人应用场景下的跟随测试集进行评估，在移动机器人平台中进行实验。评估

结果表明该系统可以在不同照明条件、背景行人较多的环境中跟随社交目标，实验

结果验证了该方法的稳健性和有效性，同时满足实时性要求。研究结果可为解决目

标消失后的再跟随问题提供参考。

针对移动机器人的自主导航，提出了基于LSTM-Attention的TD3网络的深度

强化学习导航算法。本网络将激光雷达测量数据、智能体与目标之间的距离以及两

者之间的偏航角作为状态特征输入。在此基础上，融入了长短期记忆（LSTM）单元

处理过往的状态信息，作为历史数据补充输入至网络架构中。进一步地，引入注意

力机制（Attention）以筛选并强调历史数据中的关键时序片段，提升了对机器人行进

方向调整时机的精确控制。网络的决策输出为智能体的前进速度及偏航角速度。最

后在仿真平台的训练地图中与其他算法进行了训练结果的对比，并在不同测试地图

进行了测试。训练结果表明，本文算法获得了最高的奖励回报。测试结果验证了该

算法的泛化能力，可以在不需要事先了解环境的情况下进行避障导航，并以最快的

速度到达目标位置，整体导航效果表现最优。

关键词：移动机器人；目标跟踪；自主导航；深度强化学习

Abstract

WiththecontinuousgrowthofChinasroboticsindustryandthecontinuousexpansion

oftheglobalmarket,theresearchofrobottargetfollowingandrobotnavigationtechnology

willbringmoreconvenienceandbenefitstotheprogressanddevelopmentofhumansociety.

Inresponsetotheissueofsocialtargetdisappearanceduringrobottargetfollowing,a

robottargetfollowingsystembasedonvisualtrackingandautonomousnavigationwas

proposed.Thetargetfollowingproblemwasdividedintotwocases:regularfollowingwhen

thesocialtargetwaswithintherobotsfieldofview,andautonomousnavigationafterthe

targetdisappeared.Fortheformercase,thetargetsmotionstatewaspredictedusinga

Kalmanfilter,appearancefeatureswereextractedusingapedestrianre-identification

network,andtargettrackingwasperformedbyfusingmotioninformationandappearance

featuresusingdataassociationfusion.Servocontrolwasthenappliedfor