隨著生活水平以及科技水平逐步提高,移動(dòng)機(jī)器人的使用逐漸滲透到基層生活中來(lái)。移動(dòng)機(jī)器人逐漸開始具備感知,規(guī)劃以及決策能力。其中行人檢測(cè)的功能是完成其他規(guī)劃任務(wù)的一項(xiàng)十分基礎(chǔ)和重要前提。由于行人具有非剛性,并且室內(nèi)環(huán)境不盡相同,行人的高矮胖瘦衣著等都具有很大的不確定性,所以檢測(cè)算法上需要更加靈活。移動(dòng)機(jī)器人可以依靠搭載的深度相機(jī),較高頻率的獲取RGBD數(shù)據(jù)用來(lái)進(jìn)行環(huán)境感知工作。對(duì)于Kobuki這一類近地面移動(dòng)平臺(tái)來(lái)說(shuō),受傳感器視野的影響,普遍的行人檢測(cè)算法無(wú)法在該類平臺(tái)上使用。所以本文提出一種應(yīng)用于近地面移動(dòng)平臺(tái)的基于人腿檢測(cè)的行人檢測(cè)算法。相較于上半身的數(shù)據(jù),移動(dòng)平臺(tái)應(yīng)該更加關(guān)心行人下半身的位置和動(dòng)態(tài)信息。出于對(duì)二維圖像和三維點(diǎn)云數(shù)據(jù)結(jié)構(gòu)特點(diǎn)的考慮,本文針對(duì)二維圖像和三維點(diǎn)云利用不同的算法進(jìn)行處理。二維圖像信息結(jié)構(gòu)更加全面和完整,所以本文首先利用改進(jìn)版YOLOv3-tiny對(duì)RGB圖像中的人腿進(jìn)行檢測(cè),檢測(cè)得到的包圍框的結(jié)果和D通道數(shù)據(jù)的結(jié)合可以得到一個(gè)錐形視角,錐形視角內(nèi)的點(diǎn)云數(shù)量少但大多是與行人腿部相關(guān),這樣既減少了點(diǎn)云分割網(wǎng)絡(luò)的計(jì)算壓力,同時(shí)也提高了分割網(wǎng)絡(luò)的精度上限,然后利用Po... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

物流機(jī)器人自主移動(dòng)機(jī)器人可以實(shí)現(xiàn)在較為復(fù)雜的環(huán)境中進(jìn)行環(huán)境感知，動(dòng)態(tài)決策以

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-1-第1章緒論1.1研究背景及意義自主移動(dòng)機(jī)器人是集成了環(huán)境感知，智能控制，智能決策等功能于一體的多功能智能系統(tǒng)。這其中包含了信息工程，計(jì)算機(jī)工程，自動(dòng)化工程，傳感器技術(shù)和電子工程等多種學(xué)科。近年來(lái)由于計(jì)算機(jī)技術(shù)以及相關(guān)的硬件水平的逐步提高，移動(dòng)機(jī)器人的發(fā)展也迎來(lái)了一個(gè)新的熱潮。自主移動(dòng)機(jī)器人需要通過(guò)傳感器獲取的數(shù)據(jù)對(duì)相應(yīng)的環(huán)境狀況做出決策和策略。移動(dòng)機(jī)器人可以使用深度相機(jī)較高頻率的獲取RGBD信息，利用獲得的數(shù)據(jù)進(jìn)行周圍環(huán)境的感知工作。圖1-1物流機(jī)器人自主移動(dòng)機(jī)器人可以實(shí)現(xiàn)在較為復(fù)雜的環(huán)境中進(jìn)行環(huán)境感知，動(dòng)態(tài)決策以及相應(yīng)的控制操作。上世紀(jì)90年代，人工成本逐漸升高，各種各樣，越來(lái)越多的初代機(jī)器人進(jìn)入到工廠中代替人工進(jìn)行工作，但這種功能單一，使用環(huán)境范圍小的機(jī)器人漸漸的不能夠滿足行業(yè)的需求，反而是智能機(jī)器人因其它具有的環(huán)境感知能力，傳感器技術(shù)以及靈活的決策規(guī)劃能力受到了人類的青睞。不僅如此，這一類機(jī)器人也慢慢的進(jìn)入到我們的日常生活中來(lái)。例如目前越來(lái)越多的家庭都是用掃地機(jī)器人分擔(dān)家務(wù)。圖1-2掃地機(jī)器人

法。但是當(dāng)移動(dòng)平臺(tái)無(wú)法獲取到完整的行人信息的時(shí)候，尤其是臉部，肩頸的信息有丟失或者信息模糊的時(shí)候，識(shí)別算法效率會(huì)大打折扣甚至可能會(huì)失效，不再具有參考價(jià)值。算法需要提取的特征較多，算法復(fù)雜性較高，對(duì)于那種計(jì)算能力不是很高的平臺(tái)里說(shuō)，檢測(cè)算法的實(shí)時(shí)性就會(huì)受到非常大的影響，這無(wú)疑會(huì)對(duì)后續(xù)的機(jī)器人的決策工作造成很大的壓力。在機(jī)器人移動(dòng)過(guò)程中，可以實(shí)時(shí)獲取到距離地面較近的環(huán)境數(shù)據(jù)。當(dāng)人行走在地面上時(shí)人腿的數(shù)據(jù)可以較完整的被捕獲，這些數(shù)據(jù)的獲取會(huì)相對(duì)來(lái)將比較穩(wěn)定。近地面移動(dòng)平臺(tái)獲取的視野圖像如圖1-3所示，相較于行人上半身，視野中更多的部分是行人的人腿部分以及地面附近的信息。圖1-3近地面視角所視物體基于二維深度圖和三維點(diǎn)云結(jié)合的處理方式可以快速有效的實(shí)現(xiàn)行人的聚類、分割以及定位的任務(wù)。基于人腿檢測(cè)的行人檢測(cè)可以極大增強(qiáng)算法的魯棒性，在人與移動(dòng)機(jī)器人多種距離及姿態(tài)狀態(tài)下都可以很好地完成行人的檢測(cè)工作。將行人成功的進(jìn)行檢測(cè)可以讓移動(dòng)機(jī)器人更出色的完成設(shè)定的任務(wù)。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)YOLOv3的復(fù)雜場(chǎng)景車輛分類與跟蹤[J]. 宋士奇,樸燕,蔣澤新.  山東大學(xué)學(xué)報(bào)(工學(xué)版). 2020(02)
[2]基于改進(jìn)型YOLO v3的蔬菜識(shí)別算法[J]. 魏宏彬,張端金,杜廣明,肖文福.  鄭州大學(xué)學(xué)報(bào)(工學(xué)版). 2020(02)
[3]基于改進(jìn)YOLOv3的火災(zāi)檢測(cè)與識(shí)別[J]. 任嘉鋒,熊衛(wèi)華,吳之昊,姜明.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(12)
[4]改進(jìn)YOLOv3在航拍目標(biāo)檢測(cè)中的應(yīng)用[J]. 魏瑋,蒲瑋,劉依.  計(jì)算機(jī)工程與應(yīng)用. 2020(07)
[5]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的交通場(chǎng)景小目標(biāo)檢測(cè)[J]. 鄭秋梅,王璐璐,王風(fēng)華.  計(jì)算機(jī)工程. 2020(06)
[6]基于多級(jí)特征的紅外圖像行人檢測(cè)算法[J]. 張馳,譚南林,李國(guó)正,蘇樹強(qiáng).  計(jì)算機(jī)工程. 2020(04)
[7]基于分布式二維激光測(cè)距儀的室內(nèi)行人檢測(cè)與跟蹤[J]. 胡釗政,李招康,陶倩文.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2020(02)
[8]基于Kinect深度信息的室內(nèi)分散障礙物檢測(cè)[J]. 陳代斌,楊曉梅.  兵工自動(dòng)化. 2018(03)
[9]基于激光掃描儀的人腿信息數(shù)據(jù)獲取與處理[J]. 趙艷梅,張愛武,王貴賓.  資源環(huán)境與工程. 2007(03)
[10]基于激光的行人腿部特征信息提取[J]. 趙艷梅,張愛武,王貴賓,龔俐達(dá).  工程地質(zhì)計(jì)算機(jī)應(yīng)用. 2007(02)

碩士論文
[1]基于深度學(xué)習(xí)的行人檢測(cè)和視頻濃縮研究[D]. 趙春飛.山西大學(xué) 2019
[2]森林防火無(wú)人機(jī)系統(tǒng)的研究[D]. 焦振田.西安理工大學(xué) 2019
[3]行人目標(biāo)跟蹤的遮擋問題研究[D]. 高炳輝.西安理工大學(xué) 2019
[4]無(wú)人機(jī)行駛過(guò)程中障礙物檢測(cè)及避障處理研究[D]. 唐博文.廣西科技大學(xué) 2019
[5]基于深度學(xué)習(xí)的蛋雞行為檢測(cè)方法研究與系統(tǒng)開發(fā)[D]. 王凱.浙江農(nóng)林大學(xué) 2019
[6]基于激光雷達(dá)的行人目標(biāo)檢測(cè)與識(shí)別[D]. 范小輝.重慶郵電大學(xué) 2019
[7]基于卷積神經(jīng)網(wǎng)絡(luò)與AdaBoost算法的實(shí)時(shí)行人檢測(cè)系統(tǒng)研究[D]. 李陽(yáng).重慶郵電大學(xué) 2019
[8]基于YOLO的實(shí)時(shí)目標(biāo)檢測(cè)方法研究[D]. 任培銘.江南大學(xué) 2019
[9]用于割草機(jī)平臺(tái)的行人檢測(cè)技術(shù)研究[D]. 崔宇中.哈爾濱工業(yè)大學(xué) 2019
[10]基于卷積神經(jīng)網(wǎng)絡(luò)的車輛行人檢測(cè)模型的研究[D]. 丁一凡.重慶郵電大學(xué) 2019



本文編號(hào)：3135624