【技术实现步骤摘要】
本专利技术属于机器人，涉及一种巡检机器人动态障碍物目标检测及跟踪方法。
技术介绍
1、目前，大部分厂区的日常巡检仍旧基本采用人工巡检方式，巡检人员一般每2小时巡检一次。通常采用肉眼观察、人耳聆听、手持测温等方式，依靠巡检人员的经验观察判断。人工巡检存在很大的安全隐患。所以采用人工巡检不仅费时费力，也无法及时发现生产中问题，已不适应新的市场竞争形式下对智能化生产的发展要求。
2、在巡检机器人相关研究中，障碍物检测及跟踪技术属于核心技术，是实现智能化移动的关键。目前常见的障碍物检测方法主要依靠单帧检测，未对障碍物进行运动轨迹预测和跟踪，导致对障碍物位置信息获取不准确，容易在巡检中让机器人发生事故。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种巡检机器人动态障碍物目标检测及跟踪方法。
2、为达到上述目的，本专利技术提供如下技术方案：
3、一种巡检机器人动态障碍物目标检测及跟踪方法，该方法包括以下步骤：
4、采用自适应欧式聚类算法对巡检机器人装载的激光雷达获得的点云信息进行聚类，获取障碍物目标类族；
5、获取障碍物目标类族的三维目标框和目标框的中心点位置信息；
6、采用卡尔曼滤波对障碍物目标的中心位置信息进行建模，预测目标的运动轨迹；
7、引入等效测量值的数据关联算法对相邻两帧的目标的位置信息进行关联，实现动态障碍物的目标检测和持续跟踪。
8、可选的，所述自适应欧式聚类算法为：将激光
9、可选的，所述自适应欧式聚类算法具体为：
10、设需要分割的点云数据为m＝{pi|pi＝(xi,yi,zi)∈r3,i＝1,...,i}，式中i表示单个激光线束中所含的点数；ci,cj为m中的两个类族；则ci,cj满足以下关系：
11、
12、
13、式中，pi∈ci，pj∈cj，dthres为聚类的阈值；式中描述两个类族的距离关系不能有交集；16线激光雷达的线束角度间隔θ＝2°，随着距离的增加，目标被扫描到的激光束越来越少；根据聚类目标与激光雷达的距离范围来设计可变阈值d*：
14、
15、式中，r代表聚类目标与激光雷达中心的距离，θ表示激光雷达相邻线束之间的间隔；激光束扫描距离越长，阈值d*就越大；把输入的点云划分在几个圈层中，每个圈层区域设置对应的聚类距离阈值，然后再运用kd-tree进行近邻搜索，根据聚类距离阈值完成点云的分割。
16、可选的，所述获取三维目标框和目标框的中心点位置信息为：当获得一个目标类族后，里面点云趋于聚集于一个中心，通过找到在x,y,z三个方向上最大和最小的点来确定矩形框的边界，通过几何计算，获得三维矩形框的中心位置信息。
17、可选的，所述采用卡尔曼滤波对障碍物目标的中心位置信息进行建模为：将障碍物目标运动状态描述为x＝[x,y,z,vx,vy,vz]，模型的观测为z＝[x,y,z]，式中x表示运动状态量，z表示观测量，x、y和z分别表示目标运动状态在激光雷达坐标系的坐标值，vx表示在x轴方向的速度，vy表示在y轴方向的速度，vz表示在z轴方向的速度。
18、可选的，所述数据关联算法为：基于欧式距离的最近邻算法，通过设置关联门限，计算预测测量值和测量值之间的距离指标，落在门内的测量值为有效测量值，对每个有效测量值取倒数并归一化处理，得到每个有效测量值的权重。
19、可选的，所述关联门限表达式为：
20、[z(k)-z(k|k-1)]ts(k)-1[z(k)-z(k|k-1)]≤γ (1-4)
21、式中，γ为门限值，z(k)为测量值，z(k|k-1)为预测测量值，s(k)为测量值和预测测量值之间矢量差的协方差矩阵；当门内有多个测量值时，选取与预测测量值的欧式距离最小的有效测量值作为正确测量值，与目标进行关联；
22、对djp取倒数并归一化处理，得到每个有效测量值的权重；
23、
24、式中j表示第几个有效测量值，p表示此时的预测值标签，m(k)表示当前目标关联门内有效测量个数；
25、利用有效测量值的权重将多个有效测量值合并成一个等效测量值：
26、
27、引入等效测量值能够把门内所有有些测量的信息进行联合，保证数据关联的精度，保证对动态障碍物目标的持续跟踪。
28、本专利技术的有益效果在于：通过检测和跟踪动态障碍物，帮助巡检机器人实现更加有效可靠的避障，实现高稳定性，高精度的自主巡检功能。让巡检机器人在厂区巡检变得更加耐用可靠，满足各种巡检需求。
29、本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。
本文档来自技高网...【技术保护点】
1.一种巡检机器人动态障碍物目标检测及跟踪方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1一种巡检机器人动态障碍物目标检测及跟踪方法，其特征在于：所述自适应欧式聚类算法为：将激光雷达的感知区域划分为几个圈层，不同圈层的聚类阈值自主变化，调整聚类阈值，降低确定阈值的难度系数。
3.根据权利要求2一种巡检机器人动态障碍物目标检测及跟踪方法，其特征在于：所述自适应欧式聚类算法具体为：
4.根据权利要求1一种巡检机器人动态障碍物目标检测及跟踪方法，其特征在于：所述获取三维目标框和目标框的中心点位置信息为：当获得一个目标类族后，里面点云趋于聚集于一个中心，通过找到在x,y,z三个方向上最大和最小的点来确定矩形框的边界，通过几何计算，获得三维矩形框的中心位置信息。
5.根据权利要求1一种巡检机器人动态障碍物目标检测及跟踪方法，其特征在于：所述采用卡尔曼滤波对障碍物目标的中心位置信息进行建模为：将障碍物目标运动状态描述为X＝[x,y,z,vx,vy,vz]，模型的观测为Z＝[x,y,z]，式中X表示运动状态量，Z表示观测量，x、y和z分
6.根据权利要求1一种巡检机器人动态障碍物目标检测及跟踪方法，其特征在于：所述数据关联算法为：基于欧式距离的最近邻算法，通过设置关联门限，计算预测测量值和测量值之间的距离指标，落在门内的测量值为有效测量值，对每个有效测量值取倒数并归一化处理，得到每个有效测量值的权重。
7.根据权利要求6一种巡检机器人动态障碍物目标检测及跟踪方法，其特征在于：所述关联门限表达式为：
...【技术特征摘要】
1.一种巡检机器人动态障碍物目标检测及跟踪方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1一种巡检机器人动态障碍物目标检测及跟踪方法，其特征在于：所述自适应欧式聚类算法为：将激光雷达的感知区域划分为几个圈层，不同圈层的聚类阈值自主变化，调整聚类阈值，降低确定阈值的难度系数。
3.根据权利要求2一种巡检机器人动态障碍物目标检测及跟踪方法，其特征在于：所述自适应欧式聚类算法具体为：
4.根据权利要求1一种巡检机器人动态障碍物目标检测及跟踪方法，其特征在于：所述获取三维目标框和目标框的中心点位置信息为：当获得一个目标类族后，里面点云趋于聚集于一个中心，通过找到在x,y,z三个方向上最大和最小的点来确定矩形框的边界，通过几何计算，获得三维矩形框的中心位置信息。
5.根据权利要求1一种巡检机器人动...
【专利技术属性】
技术研发人员：林先卬，刘贵林，喻可超，刘景亚，
申请(专利权)人：中冶赛迪工程技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。