摘要
近几年服务型机器人广泛使用，机器人智能化进程也逐渐加快，服务机器人作为移动机器人的重要分支之一，其进行目标人体跟随的实现存在两个关键技术：对目标行人进行识别定位并跟随；机器人跟随过程中路径规划与避障。针对这两个关键技术，本文基于多传感器信息融合的方法实现移动机器人的跟随，以及在跟随目标行人的过程中存在的避障问题进行研究。 （1）在实现了利用UWB进行移动机器人的跟随后，由于非视距的存在以及UWB自身不可避免的误差，采用单线激光雷达与UWB进行传感器信息融合。针对单线激光雷达的DBSCAN（Density-BasedSpatialClusteringofApplicationwithNoise）聚类算法中，聚类半径和聚类密度阈值两个参数对整个点云数据的聚类效果会产生较大的影响，并且两个参数需要人为根据经验设定，所以采用贪心算法的思想对传统DBSCAN算法进行了改进，使聚类的簇从每一步最优到全局最优。算法自适应地确定了聚类半径参数，并且通过邻域查询的方法对没有被标记的点进行继续扩展，使算法的时间复杂度从O(2)n提升到了O(nlogn)，达到了实时聚类的效果，最后通过点云数据的稠密度与聚类半径大小进行比较的方法对点云数据中存在的噪声点进行判别。聚类完成后，利用不同时刻动态目标的位置不同，同一个簇前后两个时刻的位置信息相减，识别并得到动态目标的位置信息。 （2）利用两种传感器得到两组数据后，基于扩展卡尔曼滤波将UWB与单线激光雷达进行信息融合，克服了UWB自身的误差以及非视距现象。通过设计对比实验并采集数据计算误差，融合后的误差减小了55%，进一步说明融合后进一步提高了移动机器人对于目标行人的定位精度，定位误差约为20cm，以及多传感器信息融合带来了跟随系统的鲁棒性，最后将融合前后的轨迹重合度，以及轨迹之间的差值进行对比，较好地说明了多传感器融合的优势所在。 （3）在搭建好的两轮差速机器人平台上采用全局与局部路径规划算法实现路径规划与避障。针对局部路径规划算法-动态窗口法（DynamicWindowApproach,DWA）中评价函数各子项权值固定不变，对其进行动态加权来适应更多环境。将改进的人体跟随算法与路径规划算法结合起来构建目标人体跟随系统，并基于自主搭建的实验平台根据设计的实验方案进行多次验证。分别在室内以及室外有无障碍物的情况、路径转弯处以及多人的情况下进行实现，结果表明本文构建的跟随系统具备较好的跟随功能。
NETL