[发明专利]一种单目机器人上的目标人发现与跟随方法

说明书

本发明属于计算机图像处理技术领域，具体为一种单目机器人上的目标人发现与跟随方法。本发明步骤包括：机器人同时定位和建图，运动帧与运动区域检测，在运动帧的运动区域进行视觉目标检测，视觉目标人追踪，视觉目标人跟随。本发明利用机器人移动过程中的场景变化检测来分析需要进行目标检测的区域，利用深度网络进行室内人的检测，利用视觉追踪算法对目标进行追踪，并控制机器人进行主动跟随。本发明基于对象视觉特征，结合机器人同时定位和见图过程对场景的估计，能够对室内目标人进行有效的发现和跟随。本发明能够在多样的图像和复杂的背景下，在室内场景对目标人进行有效的发现、追踪与跟随。

技术领域

本发明属于计算机图像处理技术领域，具体涉及一种单目机器人上的目标人发现与跟随方法。

背景技术

随着服务机器人得到越来越多的研究和应用。如何在室内环境下的低成本轮式单目机器人上实现对人的有效准确的发现和跟随也是目前的研究热点之一。服务机器人在对人进行发现和跟随的基础上，可以为人提供具体的服务，提高人们的生活品质。

利用计算机视觉的技术进行目标人的发现和主动跟随是一个非常具有挑战性的工作。首先，我们需要在机器人运动过程中采集的图像上进行场景变化的分析，以确定需要检测的图像帧和区域。在图像的变化区域进行目标检测来发现目标位置。在获取目标位置之后，目标追踪算法对目标持续进行追踪，并为机器人主动跟随提供方向信息。

在机器人上进行视觉目标人的发现和跟随，通常过程就是从图像中检测人的位置，并对目标人进行持续的视觉追踪，使用视觉追踪的结果来控制机器人前进的方向。这个过程中目标人的检测算法运行速度快慢，视觉目标人的追踪算法的鲁棒性、高效性和适应性均是相关研究领域的热点。由于较好的目标检测算法一般不能够达到实时应用，所以出现了很多对于场景变化进行研究的成果。总体而言，视觉目标人检测算法的研究和视觉目标人追踪的研究中，视觉特征的选取和设计表现了由低到高，即从底层特征向高层特征过度的趋势。底层特征通常没有包含与目标整体相关的语义信息，一些常用的底层特征例如：颜色特征、纹理特征、形状特征等。高层特征在考虑了目标的整体特点之后，对底层的特征进行组合。

到目前为止，很多研究者提出了许多的基于计算机视觉的目标检测算法。比如，有的研究者利用图像的纹理信息，统计直方图作为特征来训练一个分类模型。有的研究者利用图像的随机区域内的灰度作为特征，使用带有特征选择能力的分类器建立分类模型。很多研究者提出了许多的基于计算机视觉的目标追踪算法。比如，有的研究者利用图像区域内的灰度值，提取压缩感知特征来表示目标的位置。在视觉目标追踪对于图像信息的利用这个层面来讲，以往的工作主要集中在使用更高级的模型来从图像中提取目标的信息。

发明内容

本发明的目的在于提供一种能够提供鲁棒的、高效的、准确的、适应性强的基于计算机视觉的室内低成本轮式单目机器人上的目标发现和跟随方法。

本发明提供的基于计算机视觉的室内低成本轮式单目机器人上的目标发现和跟随方法，利用机器人移动过程中的场景变化检测来分析需要进行目标检测的区域，利用深度网络进行室内人的检测，利用视觉追踪算法对目标进行追踪，并控制机器人进行主动跟随。

本发明提出的基于计算机视觉的室内低成本轮式单目机器人上的目标发现和跟随方法，是基于对象视觉特征，结合机器人同时定位和建图过程对场景的估计，能够对室内目标人进行有效的发现和跟随。在多样的图像和复杂的背景下，该方法能够较为准确地在室内发现人并且控制机器人跟随人。其具体步骤如下：

(1)机器人同时定位和建图；

(2)运动帧与运动区域检测；

(3)在运动帧的运动区域进行视觉目标检测；

(4)视觉目标人追踪；

(5)视觉目标人跟随；

其中：