基于ICamshift算法的移动机器人目标跟踪方法技术

本发明专利技术公开了一种基于ICamshift算法的移动机器人目标跟踪方法，利用深度相机采集移动机器人视野前方物体的点云数据；对深度相机采集的原始点云数据进行预处理，包括过滤和下采样；对预处理后的点云数据进行点云分割与聚类，提取跟踪目标的点云特征；根据提取的点云特征，解算跟踪目标在空间中的位置数据，根据位置偏差计算机器人线速度和角速度；根据计算的线速度和角速度控制机器人移动，使移动机器人与跟踪目标之间保持期望的恒定距离。本发明专利技术解决了当前环境中存在与跟踪目标像素相似干扰物、光照条件不好因素导致的目标跟踪失败问题，提高了移动机器人目标跟踪的鲁棒性与准确性。

Target tracking method of mobile robot based on icamshift algorithm

【技术实现步骤摘要】
基于ICamshift算法的移动机器人目标跟踪方法
本专利技术涉及移动机器人目标跟踪技术，具体涉及一种基于ICamshift算法的移动机器人目标跟踪方法。
技术介绍
移动机器人运动目标跟踪技术在变电站巡检、智慧家庭生活、仓储物流等方面具有重要的作用。传统目标跟踪方法大多基于开源发行跨平台计算机视觉库OpenCV实现，其中以Camshift算法为主要代表。使用传统Camshift进行移动目标跟踪，计算量小、易于实现，但是，容易受环境中光照条件和相似干扰物的影响，跟踪精度较低。
技术实现思路
本专利技术的目的在于提供一种基于ICamshift算法的移动机器人目标跟踪方法。实现本专利技术目的的技术解决方案为：一种基于ICamshift算法的移动机器人目标跟踪方法，具体步骤如下：步骤1，利用深度相机采集移动机器人视野前方物体的点云数据；步骤2，对深度相机采集的原始点云数据进行预处理，包括过滤和下采样；步骤3，对预处理后的点云数据进行点云分割与聚类，提取跟踪目标的点云特征；步骤4，根据提取的点云特征，解算跟踪目标在空间中的位置数据，根据位置偏差计算机器人线速度和角速度；步骤5，根据计算的线速度和角速度控制机器人移动，使移动机器人与跟踪目标之间保持期望的恒定距离。本专利技术与现有技术相比，其显著优点在于：1)使用深度相机Kinect代替普通摄像头，采集的点云数据不仅不会受到环境光照强度和其他干扰物的影响，而且还能提供跟踪目标在环境中的三维位置信息，便于后面设计目标跟踪控制器；2)对采集得到的深度点云数据预处理操作，提高了改进后ICamshift算法在线运行速度；3)采用点云分割与聚类算法从复杂背景中提取跟踪目标的点云特征，提高了跟踪过程的抗干扰性；4)从跟踪目标点云特征中解析出移动机器人距离跟踪目标x方向和z方向距离信息，利用两个方向的距离信息分别计算出移动机器人的线速度v和角速度ω，减小了移动机器人两个运动的相互耦合性，更有助于模块功能化控制。附图说明图1为移动机器人当前所处的干扰物环境图。图2为移动机器人整体硬件系统框图。图3为深度相机Kinect实物图。图4为控制电脑远程登录到工程机的界面图。图5为主服务器程序启动的界面图。图6为深度相机Kinect驱动程序启动界面图。图7为深度相机Kinect采集的原始点云数据图。图8为跟踪目标特征提取流程图图9为滤波操作后的点云数据图。图10为下采样操作后的点云数据图。图11为跟踪目标的点云特征图。图12为基于ICamshift算法的移动机器人目标跟踪流程图。图13为移动机器人视觉坐标系图。图14为移动机器人目标跟踪控制结构图。图15为基于ICamshift算法的移动机器人目标跟踪流程图。具体实施方式下面结合附图和具体实施例，进一步说明本专利技术方案。基于ICamshift算法的移动机器人目标跟踪方法，具体步骤如下：步骤1，利用深度相机采集移动机器人视野前方物体的点云数据；本专利技术深度相机为Kinect。Kinect是一个拥有三个摄像头，中间的一个是RGB摄像头，用来获取像素大小是640×480的RGB彩色图像，它每秒钟最多可以获取30帧的图像；两边是两个深度传感器，左边的是红外线发射器，右边的是红外线接收器，用来测量物体与Kinect之间的相对距离，即得到移动机器人的深度视觉信息。步骤2，对深度相机采集的原始点云数据进行预处理，包括过滤和下采样；由于移动机器人视野前方环境中除了跟踪目标外，还包括其他的干扰物，因此需要预处理操作，从而得到无噪声和重复信息的点云数据，具体过程为：首先利用统计过滤算法剔除掉原始点云数据中的离群点数据，得到服从高斯分布的点云数据，然后对过滤后的点云数据，利用体素过滤器，除去点云数据中的重复信息，将稠密点云变为稀疏点云。步骤3，对预处理后的点云数据进行点云分割与聚类，提取跟踪目标的点云特征；首先利用随机一致性算法提取出包含跟踪目标的局部点云数据。接着使用欧式距离分割算法将小于距离阈值的点云数据聚类成一个簇，从干扰环境中提取出跟踪目标的点云特征。步骤4，根据提取的点云特征，解算跟踪目标在空间中的位置数据，根据位置偏差计算机器人线速度和角速度；采用移动机器人前方感兴趣区域(RegionofInterest,ROI)内的深度点云数据，计算出ROI的几何中心坐标表征跟踪目标在移动机器人视觉坐标系下的位置。假设通过采样得到n个点云坐标(xi,yi,zi)，其中i＝1,2,3,...n，则几何中心的坐标计算公式如下：计算ROI的几何中心与期望的恒定距离之间的位置偏差。假设移动机器人与跟踪目标之间期望在移动机器人视觉坐标系X和Z方向保持恒定距离xgoal和zgoal，则ROI的几何中心与期望的恒定距离之间的位置偏差ex、ez计算公式如下：ex表示跟踪目标偏离移动机器人视野中心左右方向的距离，ez表示跟踪目标偏离移动机器人视野前后方向的距离；当ex和ez两者中出现大于阈值xthreshold和zthreshold情况时，将位置偏差作为比例微分控制器的输入，计算出机器人需要的线速度v和角速度ω，公式如下：其中，和表示移动机器人期望的角速度和期望的线速度，K1和K2分别表示位置偏差的放大系数。步骤5，控制机器人按照计算的线速度和角速度运动，以使移动机器人与跟踪目标之间保持期望的恒定距离。实施例为了验证本专利技术方案的有效性，将跟踪目标设定为一本红色封面书籍，再选择在具有与跟踪目标像素相似干扰物的环境中进行目标跟踪实验，具体环境如图1所示。移动机器人选择由CPU型号是酷睿i3-5005U、内存8G、硬盘120G、多个USB3.0接口、千兆以太网口、HDMI等支持多种外接设备工控机和采用高性能、低成本、低功耗的ARMCortex-M3为内核、主频为72Hz的嵌入式开发板STM32F1组成移动机器人整体的硬件系统，如图2所示。其中，工控机是上位机系统的核心，它通过USB接口与深度相机Kinect进行连接，采集的实物如图3图所示。基于ICamshift算法的移动机器人目标跟踪方法，包括如下步骤：步骤1，基于无线局域网协议搭建出分布式通信网络，控制电脑使用远程登录工具登录到移动机器人自身携带的工控机命令行终端窗口中；首先，工控机通过ifconfig指令查看自身IP地址并记录。接着，在控制电脑的环境变量文件～/.bashrc.sh中写入工控机的IP地址和主机名，设置完成后更新从机的环境变量。然后，在控制电脑的终端中执行与前面类似的两步操作。将工控机与控制电脑设置在同一网段中，接着在工控机上安装支持SSH协议的openssh库。在实际使用前，首先在控制电脑的命令终端中输入“工控机名字@工控机的IP地址”命令，于是控制电脑就本文档来自技高网...

【技术保护点】
1.基于ICamshift算法的移动机器人目标跟踪方法，其特征在于，具体步骤如下：/n步骤1，利用深度相机采集移动机器人视野前方物体的点云数据；/n步骤2，对深度相机采集的原始点云数据进行预处理，包括过滤和下采样；/n步骤3，对预处理后的点云数据进行点云分割与聚类，提取跟踪目标的点云特征；/n步骤4，根据提取的点云特征，解算跟踪目标在空间中的位置数据，根据位置偏差计算机器人线速度和角速度；/n步骤5，根据计算的线速度和角速度控制机器人移动，使移动机器人与跟踪目标之间保持期望的恒定距离。/n

【技术特征摘要】
1.基于ICamshift算法的移动机器人目标跟踪方法，其特征在于，具体步骤如下：
步骤1，利用深度相机采集移动机器人视野前方物体的点云数据；
步骤2，对深度相机采集的原始点云数据进行预处理，包括过滤和下采样；
步骤3，对预处理后的点云数据进行点云分割与聚类，提取跟踪目标的点云特征；
步骤4，根据提取的点云特征，解算跟踪目标在空间中的位置数据，根据位置偏差计算机器人线速度和角速度；
步骤5，根据计算的线速度和角速度控制机器人移动，使移动机器人与跟踪目标之间保持期望的恒定距离。


2.根据权利要求1所述的基于ICamshift算法的移动机器人目标跟踪方法，其特征在于，步骤1中，深度相机采用Kinect。


3.根据权利要求1所述的基于ICamshift算法的移动机器人目标跟踪方法，其特征在于，步骤2中，预处理的具体过程为：首先利用统计过滤算法剔除掉原始点云数据中的离群点数据，得到服从高斯分布的点云数据，然后对过滤后的点云数据，利用体素过滤器，除去点云数据中的重复信息，将稠密点云变为稀疏点云。


4.根据权利要求1所述的基于ICamshift算法的移动机器人目标跟踪方法，其特征在于，步骤3中，提取跟踪目标点云特征的具体方法为：首先利用随机一致性算法提取出包含跟踪目标的局部点云数据。接着使...

【专利技术属性】
技术研发人员：蔡晨晓，程大亮，刘静波，黄小丽，周燕，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32