[发明专利]一种视觉和激光融合的移动机器人跟踪人腿方法

权利要求书

1.一种视觉和激光融合的移动机器人跟踪人腿方法，其特征在于：所述方法包括如下步骤：

步骤S1、通过相机和激光雷达同时采集数据，相机获取人腿的姿态信息，激光雷达获取人腿的位置信息；移动机器人得到相机获取的姿态信息，则进入步骤S2；移动机器人得到激光雷达获取的位置信息，则进入步骤S4；

步骤S2、相机通过分析人体腿部的姿态信息，采用腿部姿态特征提取算法，判断行人是直行还是转弯；如果是直行的姿态，移动机器人直接跟随行人直行；如果是转弯的姿态，则进入步骤S3；

步骤S3、采用卡尔曼滤波算法获取转弯状态并通过运动控制实现移动机器人跟随行人转弯；

步骤S4、激光通过分析人体腿部的位置信息，采用腿部圆弧特征识别算法获取激光数据点中心坐标到移动机器人的实时距离，实现移动机器人对行人实时跟踪。

2.根据权利要求1所述的一种视觉和激光融合的移动机器人跟踪人腿方法，其特征在于：所述腿部姿态特征提取算法为：移动机器人采用三角特征贝叶斯步态识别的方式，把行人人腿姿态从环境中提取出来；行人的人腿姿态特征提取为几何形状，不同的几何形状归纳为直行的姿态和转弯的姿态；移动机器人通过实时计算人腿腿部的姿态，判断行人是直行还是转弯。

3.根据权利要求2所述的一种视觉和激光融合的移动机器人跟踪人腿方法，其特征在于：所述腿部姿态特征提取算法进一步包括如下步骤：

步骤S21、根据相机中背景的亮度来检测相机敏感性变化：

式中，a为相机中前景像素的灰度值，b为相机中背景像素的灰度值；

选择适当的阈值T，得到二值化的运动目标区域：

式中，a_xy表示(x,y)点的前景像素灰度值，b_xy表示(x,y)点的背景像素灰度值；T表示设定的阈值，D_xy表示二值化的运动目标区域；

步骤S22、用膨胀和腐蚀的方式来处理相机图像中运动目标区域的空洞、噪声点：

式中，表示膨胀符号，F₁表示前景图像信息，F₂表示背景图像信息，F₂′表示F₂关于原点对称的集合，Φ表示空集；(F'₂)_x表示在F₂′中截取的x大小的背景图像信息作为卷积模板，

式中，表示腐蚀符号；(F₂)_x表示在F₂中截取的x大小的背景图像信息作为卷积模板；

步骤S23、运动目标区域的空洞、噪声点进行处理后，再提取人腿区域：从上往下扫描，记录像素点为1的值；从左往右扫描，记录像素为0的值；

步骤S24、在人腿区域中，提取髋部中心位置为A、脚部中心位置为B、膝盖中心位置为C的三角形ΔABC；提取三角形的以下参数作为腿部姿态特征：

x：腿部重心坐标(x_c,y_c)的横坐标x_c；

y：腿部区域髋部线纵坐标k_r*h，h为人体的高度，k_r为髋部位置在人体高度的比例；

θ：∠BAC的值；

l₁、l₂、l₃：三角形三边线段AB、BC及AC长度；

步骤S25、计算腿部姿态特征向量，该向量由两个相邻姿态联合表示：

F＝(f_min,f_max)

f_min＝(x_min,y_min,l_1min,l_2min,l_3min,θ_min)

f_max＝(x_max,y_max,l_1max,l_2max,l_3max,θ_max)

式中，F表示腿部姿态特征向量，f_min表示最小腿部姿态的特征向量，f_max表示最大腿部姿态的特征向量；x_min和x_max表示腿部重心坐标中横坐标的最小值和最大值；y_min和y_max表示腿部区域髋部线纵坐标的最小值和最大值；l_1min和l_1max表示腿部姿态特征中ΔABC三边线段AB的最小值和最大值；l_2min和l_2max表示腿部姿态特征中ΔABC三边线段BC的最小值和最大值；l_3min和l_3max表示腿部姿态特征中ΔABC三边线段AC的最小值和最大值；θ_min和θ_max表示腿部姿态特征中ΔABC中∠BAC的的最小值和最大值；

步骤S26、计算人体侧影重心坐标：

式中，N_b是人体腿部区域像素总数，(x_i,y_i)人体腿部区域的像素；

步骤S27、已知三顶点坐标的三角形，三边的距离根据两点间的距离公式得到：

其中，l为三角形的任意的三个边，即l₁、l₂、l₃；其中一个边的两点的坐标即为(x₁,y₁)、(x₂,y₂)；

步骤S28、根据F、l和cosθ的值，对移动机器人状态使用卡尔曼滤波算法进行修正。