[发明专利]一种基于假设卡尔曼滤波的人体目标跟随方法

说明书

一种基于假设卡尔曼滤波的人体目标跟随方法，包括如下步骤：1)通过移动机器人与人的相对位置关系建立机器人跟随模型；2)利用激光雷达获取目标的二维信息，提取出人体的腿部的几何特征，并用支持向量机方法来训练和识别；3)应用假设卡尔曼滤波方法对机器人进行运动滤波，使移动机器人能够平稳运行；4)移动机器人控制器的设计。针对移动机器人运动模型建立了系统状态方程和观测方程，并考虑由于人的运动模型是未知的，因此在每一时刻的估计位置附近选取多个假设的预测位姿，使用假设卡尔曼滤波器，运用支持向量机方法极大提高了人体的识别率，保证了移动机器人能够很好的跟随人体，估计结果可以满足实际应用的精度与实时性要求。

技术领域

本发明应用于移动机器人目标跟随领域，涉及到移动机器人人体目标跟随问题，尤其是人体目标实时的位姿估计，消除激光雷达引起的传感器测量误差，实现了一种有效的实时人体目标跟随方法。

背景技术

随着科技技术的发展，机器人机器在安全、护理、家务劳动、救援和人机交互等方面的应用也越来越广泛。而在人机交互方面，尤其是服务机器人，人体的跟随也是其中重要的环节，因为有很多可能的情况下机器人需要跟随一个人，比如搬运大型货物、跟随行李箱和医疗协作等，在工业领域和民事领域均体现出极高的研究和应用价值。

本发明主要考虑移动机器人如何有效地进行人体目标的跟随并避免激光传感器带来的量测噪声。主要人体目标跟随使用的方法包括基于视觉的跟随方法、基于激光雷达的跟随方法和基于多传感器融合的跟随方法。基于视觉的跟随方法在没有干扰的情况下可以进行有效的跟随，但是视觉目标跟随经常受到光照、外观改变和背景等因素的影响，基于多传感器融合的跟随方法模型复杂，成本较高，而基于激光雷达的目标跟随方法能够很好的应对以上问题。

在进行人体目标位姿估计时，由于传感器测量误差带来的影响，通常借助卡尔曼滤波算法来进行估计，此类方法处理随机干扰时具有数据储存量小，算法容易实现，且实施成本低等优点，而由于人体目标运动模型的不确定性，采用普通的卡尔曼滤波算法往往会影响人体位姿的估计效果。

发明内容

为了克服现有移动机器人人体目标跟随方法的鲁棒性较差、人体位姿的估计效果较差、识别率较低的不足，本发明提供一种基于假设卡尔曼滤波的人体目标跟随方法，该方法在保证系统鲁棒性的前提下对人体位姿进行准确的估计，能够满足移动机器人有效地跟随人体的应用需求。

本发明为解决上述技术问题提供了如下解决方案：

一种基于假设卡尔曼滤波的人体目标跟随方法，包括以下步骤：

1)通过移动机器与人的相对位置关系建立机器人跟随模型；

2)利用激光雷达获取目标的二维信息，提取出人体的腿部的几何特征，并用支持向量机方法来训练和识别；

3)应用假设卡尔曼滤波方法对机器人进行运动滤波，使移动机器人能够平稳运行；

4)移动机器人控制器的设计。

进一步，步骤1)中，通过移动机器与人的相对位置关系建立机器人跟随模型的方法主要包括以下步骤：

(1.1)考虑两轮差速轮式移动机器人，则系统的状态空间模型可描述为：

x(k)＝Ax(k-1)+Bu(k-1)+w(k-1) (1)