[发明专利]一种基于ROS机器人操作系统的机器人自动跟随方法

权利要求书

1.一种基于ROS机器人操作系统的机器人自动跟随方法，其特征在于，包括以下步骤：

1)传感器数据处理：使用激光雷达采集数据，对数据进行预处理，剔除那些超出预设范围的数据，并将结果转化到全局坐标系；

2)数据聚类：使用层次聚类算法对数据进行聚类，去除噪声点并对环境进行分割；

3)行人识别：对聚类后的结果进行行人识别，以类圆弧算法识别行人腿部模型，以行人双腿特征作为行人检测特征，识别出可能的行人位置；

其中，以类圆弧算法识别行人腿部模型，以行人双腿模型作为行人识别特征，步骤如下：

3.1)计算每个类的总长度L_k和首尾元素的直线距离D_k：

其中class_k[n]代表聚类后的结果，k表示类的标号，n表示一个类中元素的数量，i代表一个类中元素的标号，class_k[i]·x、class_k[i]·y分别代表第k个类的第i个元素的横坐标和纵坐标；

3.2)计算每个类的弯曲度Curve[k]，k表示类的标号:

3.3)判断Curve[k]＞δ_c，且L_min＜L_k＜L_max，则把该类当成候选Leg簇，δ_c表示最小的曲率，L_min、L_max分别代表最小和最大的类长度；

3.4)计算所有候选Leg簇的中心坐标：

其中x_c和y_c分别代表第k个类的中心的横坐标和纵坐标，将所有类的中心坐标记为Leg_Array[n](x_c,y_c)，n代表类的数量；

3.5)计算Leg_Array[n]中每两个Leg之间的距离Dist_Leg：

其中，Leg_Array[k].x、Leg_Array[k].y和Leg_Array[k+1].x、Leg_Array[k+1].y分别代表第k个Leg和第k+1个Leg位置的横坐标和纵坐标，若Dist_Leg[k]＜Leg_dist，Leg_dist表示允许的最大行人双腿间距，则计算Leg_Array[k]和Leg_Array[k+1]的中间位置，作为可能的行人坐标：

x_p＝(Leg_Array[k].x+Leg_Array[k+1].x)/2

y_p＝(Leg_Array[k].y+Leg_Array[k+1].y)/2

x_p和y_p分别代表可能的行人位置的横坐标和纵坐标，将所有可能的行人位置记为People_Array[n](x_p,y_p)，n代表可能的行人数量；

4)重采样：在设定时间内对行人重新进行检测，根据前后两次检测结果，排除干扰项，锁定行人目标，并综合利用机器人当前位置和行人位置，确定下一时刻目标位置，避免机器人与行人碰撞；

5)导航：根据行人目标确定导航目标，使用A*算法规划出全局路径，并使用dwa动态窗口算法规划局部路径，控制机器人朝导航目标运动，并实时避开障碍物。

2.根据权利要求1所述的一种基于ROS机器人操作系统的机器人自动跟随方法，其特征在于，在步骤1)中，使用激光雷达采集数据，对数据进行预处理，将数据限制在[min_size,max_size]范围内：

min_size≤data_useful≤max_size

其中，min_size、max_size分别代表最小和最大的激光雷达数据，data_useful代表有效数据；

利用ROS的tf框架，将采集的数据从激光雷达坐标系tf/laser转化到全局坐标系tf/base_link，scan代表在激光雷达坐标系tf/laser下的数据类型，detect_data代表在全局坐标系tf/base_link下的数据类型：