基于深度学习和卡尔曼滤波的机器人移动跟踪系统及方法技术方案

本发明专利技术公开了一种基于深度学习和卡尔曼滤波的机器人移动跟踪系统及方法，该系统包括：控制客户端模块，用于选择开启相应的感知设备；机器人感知模块，用于开启相应感知设备并将感知设备获取的信息传输至定位跟踪模块；定位跟踪模块，用于根据追踪场景和追踪物体加载深度学习模型，配合卡尔曼滤波算法快速定位跟踪物体，并且将处理数据实时同步至机器人移动模块和控制客户端模块；机器人移动模块，用于选择对应的移动控制方法，并根据跟踪定位模块返回的实时坐标跟踪物体。通过使用本发明专利技术，可以有效提高识别追踪目标的准确率。本发明专利技术作为一种基于深度学习和卡尔曼滤波的机器人移动跟踪系统及方法，可广泛应用于机器人跟踪领域。

【技术实现步骤摘要】
基于深度学习和卡尔曼滤波的机器人移动跟踪系统及方法
本专利技术涉及机器人跟踪领域，尤其涉及一种基于深度学习和卡尔曼滤波的机器人移动跟踪系统及方法。
技术介绍
目前，移动机器人是工业界研究热点之一，移动机器人的发展最初从接受指令移动，到目前的自动追踪移动，为特定人员，特定服务行业提供服务。现有技术方案存在以下缺陷，一通用性低，只能适用于移动人体或者特定的物体跟踪技术，应用范围较小；二是算法识别率低，抗干扰能力很弱，难以适用于实际生产环境；三是准确率较低，传统的图像处理方法相比较于深度学习，在物体识别跟踪上准确率较低，对环境要求较高。四是物体识别速率较低，对于实时性要求较高的场景不具有速度优势，而且现实场景中移动物体速度往往较快。
技术实现思路
为了解决上述技术问题，本专利技术的目的是提供一种基于深度学习和卡尔曼滤波的机器人移动跟踪系统及方法，可以有效提高识别追踪目标的准确率，从而提高追踪速率。本专利技术所采用的第一技术方案是：一种基于深度学习和卡尔曼滤波的机器人移动跟踪系统，包括以下模块：控制客户端模块，用于接本文档来自技高网...

【技术保护点】
1.一种基于深度学习和卡尔曼滤波的机器人移动跟踪系统，其特征在于，包括以下模块：/n控制客户端模块，用于接收用户指令确认追踪场景和追踪物体并根据追踪场景和追踪物体选择开启相应的感知设备；/n机器人感知模块，用于接收来自控制客户端模块的控制信号开启相应感知设备，并将感知设备获取的信息传输至定位跟踪模块；/n定位跟踪模块，用于接收机器人感知模块的信息并根据追踪场景和追踪物体加载不同的深度学习模型，配合卡尔曼滤波算法快速定位跟踪物体，并且将处理数据实时同步至机器人移动模块和控制客户端模块；/n机器人移动模块，用于匹配机器人的类型选择对应的移动控制方法，并根据根据跟踪定位模块返回的实时坐标跟踪物体。/...

【技术特征摘要】
1.一种基于深度学习和卡尔曼滤波的机器人移动跟踪系统，其特征在于，包括以下模块：
控制客户端模块，用于接收用户指令确认追踪场景和追踪物体并根据追踪场景和追踪物体选择开启相应的感知设备；
机器人感知模块，用于接收来自控制客户端模块的控制信号开启相应感知设备，并将感知设备获取的信息传输至定位跟踪模块；
定位跟踪模块，用于接收机器人感知模块的信息并根据追踪场景和追踪物体加载不同的深度学习模型，配合卡尔曼滤波算法快速定位跟踪物体，并且将处理数据实时同步至机器人移动模块和控制客户端模块；
机器人移动模块，用于匹配机器人的类型选择对应的移动控制方法，并根据根据跟踪定位模块返回的实时坐标跟踪物体。


2.根据权利要求1所述一种基于深度学习和卡尔曼滤波的机器人移动跟踪系统，其特征在于，所述控制客户端模块、机器人感知模块、定位跟踪模块和机器人移动模块依次无线连接，所述机器人移动模块和定位跟踪模块还与控制客户端模块无线连接。


3.根据权利要求2所述一种基于深度学习和卡尔曼滤波的机器人移动跟踪系统，其特征在于，所述控制客户端模块基于python的web开发框架和tornado技术构建。


4.根据权利要求3所述一种基于深度学习和卡尔曼滤波的机器人移动跟踪系统，其特征在于，所述机器人感知模块包括激光雷达感知部件、红外感知部件、惯性测量装置和双目摄像头系统。


5.根据权利要求4所述一种基于深度学习和卡尔曼滤波的机器人移动跟踪系统，其特征在于，所述机器人的类型包括轮式移动机器人、双足式机器人和四足式机器人。


6.一种基于深度学习和卡尔曼滤波的机器人移动跟踪方法，其特征在...

【专利技术属性】
技术研发人员：袁进波，
申请(专利权)人：广州市优普科技有限公司，
类型：发明
国别省市：广东;44