[发明专利]一种目标跟随机器人及跟随方法

说明书

本发明公开了一种目标跟随机器人及跟随方法，所述方法包括如下步骤：步骤一，识别图像中的目标；步骤二，融合图像识别结果与雷达点云信息，得到所述目标的雷达点云信息；步骤三，对抗复杂环境下多个同类别目标干扰的处理；步骤四，PID算法得到跟随控制指令；所述机器人包括：相机、雷达、识别模块、控制模块、底盘、融合模块、抗干扰处理模块，所述相机与所述识别模块连接，所述融合模块分别于所述识别模块、所述雷达、所述抗干扰处理模块连接，所述控制模块分别与所述抗干扰处理模块与所述底盘连接。

技术领域

本发明涉及智能机器人领域，尤其是涉及一种目标跟随机器人及跟随方法。

背景技术

目标跟随机器人在日常生活和工业制造等领域有广泛的应用需求。例如在生产车间，物流仓库等环境下，有自主跟随功能的机器人可以跟随工人完成快捷可靠的搬运作业，提高生产和运输效率，甚至组成多机器人小队，逐一跟随，实现更高难度的要求。在购物中心，机场车站等场所下，能够克服干扰保持跟随的机器人也可以替人们完成商品、行李的收纳和运输。此外还有服务机器人，特种作业机器人等，也都有不少需要用到目标跟随功能的应用场景。

机器人如果需要保持对目标的跟随，就需要一个能够提供环境信息与位置反馈的感知系统。机器人环境感知的传感器中，摄像头的应用最为广泛。随着近年来深度学习技术的快速发展与广泛应用，基于摄像头图像信息和神经网络推断的感知方案势头迅猛，逐步取代传统图像处理算法，成为物体识别的主流方法，为机器人的整体环境感知能力带来巨大提升。目前，SSD与YOLO等知名算法，已经能够高速高精确性地实现障碍物识别，得到物体轮廓边界。

目前已有一些用于机器人跟随的方法，如专利(CN201710289168.2)利用RFID标签做定位，专利(CN201710455840.0)使用激光雷达的点云匹配做行人轨迹跟踪。专利(CN201610880972.3)利用超声波进行简单测距，三角定位后输出目标跟随数据。专利(201910602590.8)利用深度图像的识别处理，经过坐标系转换调整参数控制机器进行运动。然而单一传感器获得的环境信息有限，同时也易受到环境等因素的干扰，鲁棒性相比多传感器融合的方案有所欠缺。

发明内容

为解决现有技术的不足，实现抗干扰、提高鲁棒性的目的，本发明采用如下的技术方案：

一种目标跟随方法，包括如下步骤：

步骤一，识别图像中的目标；

利用神经网络完成目标识别，将图像识别结果输出；所述图像识别结果包括像素坐标、类别信息；

步骤二，融合图像识别结果与雷达点云信息，得到所述目标的雷达点云信息；降低了成本，毫米波雷达弥补了单目相机的距离探测能力与抗恶劣天气能力较弱的劣势；

(1)转换雷达点云坐标至像素点坐标；

雷达坐标系中点云坐标(x,y,z)与图像坐标系下对应像素点坐标(u,v)之间的转换关系表示如下：

相机的内参矩阵相机与雷达间的外参是已知参数，所述Z_c是所述像素点(u,v)所在成像平面与所述雷达坐标系中点云坐标(x,y,z)与之间的垂直距离，所述R是外参矩阵中的旋转部分，所述T是外参矩阵中的平移部分，所述f是相机焦距，所述(u₀,v₀)表示图像坐标系原点在像素坐标系中的坐标，所述dx、所述dy分别是每个像素在图像平面x和y方向上的物理尺寸；

通过合理的外参变换，毫米波雷达的点云坐标系与单目相机的图像坐标系顺利连接起来，使雷达和相机的数据互相匹配，图像中的物体就获得了对应的深度信息；

(2)匹配雷达点云与图像识别结果；