室内单目机器人视觉目标发现与跟随
本文研究了室内单目机器人上的视觉目标人发现与跟随问题,分为场景变化检测,目标人检测,目标人视觉追踪和目标人主动跟随几个部分,主要研究了场景变化检测算法和目标人视觉追踪算法.高速的场景变化检测算法通过对场景建模来分析该场景是否变化,为目标检测部分提供潜在变化帧和潜在变化区域.实验结果表明能够提高系统运行速度,减少机器人运行时的卡顿.视觉目标追踪算法结合表观模型和SLAM过程得到的地图点信息,估计目标区域内属于背景的部分,减少由于遮挡和目标尺度变化对于追踪算法的表观模型的影响,实验结果相比于对比算法取得较大效果提升.本文尝试使用近年来效果较好的深度神经网络来进行目标检测.使用小型深度网络并加强对于室内场景下人的学习,在运行速度和检测效果方面取得较好的平衡.在视觉目标人的发现和跟踪的基础上,我们实现了机器人的跟随.由于单目视觉仅能够提供目标的方向信息,所以机器人主动跟随的目标是保持目标人在成像平面的水平居中位置.在目标无遮挡和部分遮挡的情况下,机器人能够成功的跟随人.
SLAM、视觉目标检测、视觉目标追踪、机器人跟随、在线学习
27
TP3;TH7
上海市科委基础研究领域项目14JC1402200;上海市科委项目15511104303
2018-01-23(万方平台首次上网日期,不代表论文的发表时间)
共10页
35-44