第8卷第5期 智能系统学报 VoL.8 No.5 2013年10月 CAAI Transactions on Intelligent Systems 0ct.2013 D0:10.3969/j.issn.1673-4785.201301028 网络出版地址：http://www.cnki.net/kcms/detail/23.1538.TP.20130929.1110.007.html 采用Kinect的移动机器人目标跟踪与避障 贺超2，刘华平2，孙富春2，夏路易，韩峥2 (1.太原理工大学信息工程学院，山西太原030024：2.清华大学智能技术与系统国家重点实验室，北京100084) 摘要：为实现移动机器人在目标跟踪的同时进行避障，采用Kinect代替传统的测距雷达和摄像机.针对Kinect在使 用中存在盲区和噪声的问题，提出一种基于统计的局部地图更新方法，利用动态更新的局部地图保存可能影响机器 人运动的障碍物信息，并通过统计信息来消除测距噪声的影响，确保障碍物信息的有效性.同时使用增加安全区域的 人工势场法去除对移动机器人运动无干扰的障碍物信息，改善了传统人工势场法通过狭窄通道的能力.在差动驱动 移动机器人的实验证实了此系统能够很好地完成跟踪与避障任务，结果表明，使用Ki©ct可以代替传统测距传感器， 关键词：移动机器人；Kinect;人工势场；避障：目标跟踪 中图分类号：TP242.6文献标志码：A文章编号：1673-4785(2013)05-0426-07 中文引用格式：贺超，刘华平，孙富春，等采用Kinect的移动机器人目标跟踪与避障[J】.智能系统学报，2013,8(5)：426-432. 英文引用格式：HE Chao,LIU Huaping,SUN Fuchun,etal.Target tracking and obstacle avoidance of mobile robot using Kinect [J].CAAI Transactions on Intelligent Systems,2013,8(5):426-432. Target tracking and obstacle avoidance of mobile robot using Kinect HE Chao'2,LIU Huaping?,SUN Fuchun2,XIA Luyi',HAN Zheng? (1.College of Information Engineering,Taiyuan University of Technology,Taiyuan 030024,China;2.State Key Laboratory of Intelli- gent Technology and Systems,Tsinghua University,Beijing 100084,China) Abstract:In order to get a better understanding of the obstacle avoidance of a mobile robot when it is tracking a tar- get,we used Kinect to take the place of the traditional range radar and camera.Because of the existence of a blind area and noise when using Kinect,a kind of local map updating method based on statistical theory was proposed, through the utilization of a dynamically updated local map,the information of an obstacle possibly affecting the mo- tion of the robot was maintained,in addition,by collecting information of statics,the influence of the range noise was eliminated,so to assure the validity of the obstacle information.Simultaneously,the artificial potential field method increasing the safe area was applied to remove the information of an obstacle not disturbing the motion of the robot,so as to improve the ability of the mobile robot to pass through a narrow passage by the traditional artificial potential field method.The experiment used on a mobile robot with differential drive shows that,this system may re- alize target tracking and obstacle avoidance in a proper manner;the Kinect may take the place of the traditional range sensor. Keywords:mobile robot;Kinect;artificial potential field;obstacle avoidance;target tracking 超声与激光测距雷达是目前移动机器人获取环3-D摄像机，使用它可以同时获取环境光学图像以 境信息的主要传感器，很多的路径规划、地图绘制等 及光学图像上物体的位置信息，其获取的信息量丰 工作都是使用这2种传感器完成.然而超声波雷达 富并且成本低廉，很适合应用于移动机器人的路径 获取的环境信息较为粗糙，激光雷达虽然获取的信 规划与目标跟踪等工作.目前国内外学者对Kinect 息丰富但是成本却很高.Kinect是微软公司生产的 应用于移动机器人进行了一些研究工作，文献[1] 利用Kinect进行障碍物检测，但是其Kinect的位置 收稿日期：2013-01-21.网络出版日期：2013-09-29 却是固定不变的：文献[2]利用Kinect搭建了移动 基金项目：国家自然科学基金资助项目(61075027). 机器人目标跟踪系统，但是没有考虑Kinect盲区对 通信作者：贺超.E-mail:tianhechao@sina.com
第 ８ 卷第 ５ 期 智 能 系 统 学 报 Ｖｏｌ.８ №.５ ２０１３ 年 １０ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ｏｃｔ. ２０１３ ＤＯＩ: １０.３９６９ / ｊ.ｉｓｓｎ.１６７３￣４７８５.２０１３０１０２８ 网络出版地址:ｈｔｔｐ: / / ｗｗｗ.ｃｎｋｉ.ｎｅｔ / ｋｃｍｓ/ ｄｅｔａｉｌ / ２３.１５３８.ＴＰ.２０１３０９２９.１１１０.００７.ｈｔｍｌ 采用 Ｋｉｎｅｃｔ 的移动机器人目标跟踪与避障 贺超１ꎬ２ ꎬ刘华平２ ꎬ孙富春２ ꎬ夏路易１ ꎬ韩峥２ (１.太原理工大学 信息工程学院ꎬ山西 太原 ０３００２４ꎻ ２.清华大学 智能技术与系统国家重点实验室ꎬ北京 １０００８４) 摘 要:为实现移动机器人在目标跟踪的同时进行避障ꎬ采用 Ｋｉｎｅｃｔ 代替传统的测距雷达和摄像机.针对 Ｋｉｎｅｃｔ 在使 用中存在盲区和噪声的问题ꎬ提出一种基于统计的局部地图更新方法ꎬ利用动态更新的局部地图保存可能影响机器 人运动的障碍物信息ꎬ并通过统计信息来消除测距噪声的影响ꎬ确保障碍物信息的有效性.同时使用增加安全区域的 人工势场法去除对移动机器人运动无干扰的障碍物信息ꎬ改善了传统人工势场法通过狭窄通道的能力.在差动驱动 移动机器人的实验证实了此系统能够很好地完成跟踪与避障任务ꎬ结果表明ꎬ使用 Ｋｉｎｅｃｔ 可以代替传统测距传感器. 关键词:移动机器人ꎻＫｉｎｅｃｔꎻ人工势场ꎻ避障ꎻ目标跟踪 中图分类号:ＴＰ２４２.６ 文献标志码:Ａ 文章编号:１６７３￣４７８５(２０１３)０５￣０４２６￣０７ 中文引用格式:贺超ꎬ刘华平ꎬ孙富春ꎬ等.采用 Ｋｉｎｅｃｔ 的移动机器人目标跟踪与避障[Ｊ]. 智能系统学报ꎬ ２０１３ꎬ ８(５): ４２６￣４３２. 英文引用格式:ＨＥ Ｃｈａｏꎬ ＬＩＵ Ｈｕａｐｉｎｇꎬ ＳＵＮ Ｆｕｃｈｕｎꎬ ｅｔ ａｌ. Ｔａｒｇｅｔ ｔｒａｃｋｉｎｇ ａｎｄ ｏｂｓｔａｃｌｅ ａｖｏｉｄａｎｃｅ ｏｆ ｍｏｂｉｌｅ ｒｏｂｏｔ ｕｓｉｎｇ Ｋｉｎｅｃｔ [Ｊ]. ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓꎬ ２０１３ꎬ ８(５): ４２６￣４３２. Ｔａｒｇｅｔ ｔｒａｃｋｉｎｇ ａｎｄ ｏｂｓｔａｃｌｅ ａｖｏｉｄａｎｃｅ ｏｆ ｍｏｂｉｌｅ ｒｏｂｏｔ ｕｓｉｎｇ Ｋｉｎｅｃｔ ＨＥ Ｃｈａｏ １ꎬ２ ꎬ ＬＩＵ Ｈｕａｐｉｎｇ ２ ꎬ ＳＵＮ Ｆｕｃｈｕｎ ２ ꎬ ＸＩＡ Ｌｕｙｉ １ ꎬ ＨＡＮ Ｚｈｅｎｇ ２ (１.Ｃｏｌｌｅｇｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇꎬ Ｔａｉｙｕａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙꎬ Ｔａｉｙｕａｎ ０３００２４ꎬ Ｃｈｉｎａꎻ ２. Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｉｎｔｅｌｌｉ￣ ｇｅｎｔ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｓｙｓｔｅｍｓꎬ Ｔｓｉｎｇｈｕａ Ｕｎｉｖｅｒｓｉｔｙꎬ Ｂｅｉｊｉｎｇ １０００８４ꎬ Ｃｈｉｎａ) Ａｂｓｔｒａｃｔ:Ｉｎ ｏｒｄｅｒ ｔｏ ｇｅｔ ａ ｂｅｔｔｅｒ ｕｎｄｅｒｓｔａｎｄｉｎｇ ｏｆ ｔｈｅ ｏｂｓｔａｃｌｅ ａｖｏｉｄａｎｃｅ ｏｆ ａ ｍｏｂｉｌｅ ｒｏｂｏｔ ｗｈｅｎ ｉｔ ｉｓ ｔｒａｃｋｉｎｇ ａ ｔａｒ￣ ｇｅｔꎬ ｗｅ ｕｓｅｄ Ｋｉｎｅｃｔ ｔｏ ｔａｋｅ ｔｈｅ ｐｌａｃｅ ｏｆ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｒａｎｇｅ ｒａｄａｒ ａｎｄ ｃａｍｅｒａ. Ｂｅｃａｕｓｅ ｏｆ ｔｈｅ ｅｘｉｓｔｅｎｃｅ ｏｆ ａ ｂｌｉｎｄ ａｒｅａ ａｎｄ ｎｏｉｓｅ ｗｈｅｎ ｕｓｉｎｇ Ｋｉｎｅｃｔꎬ ａ ｋｉｎｄ ｏｆ ｌｏｃａｌ ｍａｐ ｕｐｄａｔｉｎｇ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｓｔａｔｉｓｔｉｃａｌ ｔｈｅｏｒｙ ｗａｓ ｐｒｏｐｏｓｅｄꎬ ｔｈｒｏｕｇｈ ｔｈｅ ｕｔｉｌｉｚａｔｉｏｎ ｏｆ ａ ｄｙｎａｍｉｃａｌｌｙ ｕｐｄａｔｅｄ ｌｏｃａｌ ｍａｐꎬ ｔｈｅ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ａｎ ｏｂｓｔａｃｌｅ ｐｏｓｓｉｂｌｙ ａｆｆｅｃｔｉｎｇ ｔｈｅ ｍｏ￣ ｔｉｏｎ ｏｆ ｔｈｅ ｒｏｂｏｔ ｗａｓ ｍａｉｎｔａｉｎｅｄꎬ ｉｎ ａｄｄｉｔｉｏｎꎬ ｂｙ ｃｏｌｌｅｃｔｉｎｇ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｓｔａｔｉｃｓꎬ ｔｈｅ ｉｎｆｌｕｅｎｃｅ ｏｆ ｔｈｅ ｒａｎｇｅ ｎｏｉｓｅ ｗａｓ ｅｌｉｍｉｎａｔｅｄꎬ ｓｏ ｔｏ ａｓｓｕｒｅ ｔｈｅ ｖａｌｉｄｉｔｙ ｏｆ ｔｈｅ ｏｂｓｔａｃｌｅ ｉｎｆｏｒｍａｔｉｏｎ. Ｓｉｍｕｌｔａｎｅｏｕｓｌｙꎬ ｔｈｅ ａｒｔｉｆｉｃｉａｌ ｐｏｔｅｎｔｉａｌ ｆｉｅｌｄ ｍｅｔｈｏｄ ｉｎｃｒｅａｓｉｎｇ ｔｈｅ ｓａｆｅ ａｒｅａ ｗａｓ ａｐｐｌｉｅｄ ｔｏ ｒｅｍｏｖｅ ｔｈｅ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ａｎ ｏｂｓｔａｃｌｅ ｎｏｔ ｄｉｓｔｕｒｂｉｎｇ ｔｈｅ ｍｏｔｉｏｎ ｏｆ ｔｈｅ ｒｏｂｏｔꎬ ｓｏ ａｓ ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ａｂｉｌｉｔｙ ｏｆ ｔｈｅ ｍｏｂｉｌｅ ｒｏｂｏｔ ｔｏ ｐａｓｓ ｔｈｒｏｕｇｈ ａ ｎａｒｒｏｗ ｐａｓｓａｇｅ ｂｙ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ａｒｔｉｆｉｃｉａｌ ｐｏｔｅｎｔｉａｌ ｆｉｅｌｄ ｍｅｔｈｏｄ. Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔ ｕｓｅｄ ｏｎ ａ ｍｏｂｉｌｅ ｒｏｂｏｔ ｗｉｔｈ ｄｉｆｆｅｒｅｎｔｉａｌ ｄｒｉｖｅ ｓｈｏｗｓ ｔｈａｔꎬ ｔｈｉｓ ｓｙｓｔｅｍ ｍａｙ ｒｅ￣ ａｌｉｚｅ ｔａｒｇｅｔ ｔｒａｃｋｉｎｇ ａｎｄ ｏｂｓｔａｃｌｅ ａｖｏｉｄａｎｃｅ ｉｎ ａ ｐｒｏｐｅｒ ｍａｎｎｅｒꎻ ｔｈｅ Ｋｉｎｅｃｔ ｍａｙ ｔａｋｅ ｔｈｅ ｐｌａｃｅ ｏｆ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｒａｎｇｅ ｓｅｎｓｏｒ. Ｋｅｙｗｏｒｄｓ: ｍｏｂｉｌｅ ｒｏｂｏｔꎻ Ｋｉｎｅｃｔꎻ ａｒｔｉｆｉｃｉａｌ ｐｏｔｅｎｔｉａｌ ｆｉｅｌｄꎻ ｏｂｓｔａｃｌｅ ａｖｏｉｄａｎｃｅꎻ ｔａｒｇｅｔ ｔｒａｃｋｉｎｇ 收稿日期:２０１３￣０１￣２１. 网络出版日期:２０１３￣０９￣２９. 基金项目:国家自然科学基金资助项目(６１０７５０２７). 通信作者:贺超. Ｅ￣ｍａｉｌ: ｔｉａｎｈｅｃｈａｏ＠ ｓｉｎａ.ｃｏｍ. 超声与激光测距雷达是目前移动机器人获取环 境信息的主要传感器ꎬ很多的路径规划、地图绘制等 工作都是使用这 ２ 种传感器完成.然而超声波雷达 获取的环境信息较为粗糙ꎬ激光雷达虽然获取的信 息丰富但是成本却很高.Ｋｉｎｅｃｔ 是微软公司生产的 ３￣Ｄ 摄像机ꎬ使用它可以同时获取环境光学图像以 及光学图像上物体的位置信息ꎬ其获取的信息量丰 富并且成本低廉ꎬ很适合应用于移动机器人的路径 规划与目标跟踪等工作.目前国内外学者对 Ｋｉｎｅｃｔ 应用于移动机器人进行了一些研究工作ꎬ文献[１] 利用 Ｋｉｎｅｃｔ 进行障碍物检测ꎬ但是其 Ｋｉｎｅｃｔ 的位置 却是固定不变的ꎻ文献[２]利用 Ｋｉｎｅｃｔ 搭建了移动 机器人目标跟踪系统ꎬ但是没有考虑 Ｋｉｎｅｃｔ 盲区对
第5期 贺超，等：采用Kinect的移动机器人目标跟踪与避障 .427. 信息获取的影响， 体感摄像机，它也可以在个人计算机上使用，目前支 本文利用Kinect代替传统测距传感器，构建移 持Kinect在个人计算机上使用的软件开发包有 动机器人目标跟踪与避障系统，利用基于统计的局 OpenNI以及微软公司提供的SDK,Kinect通过USB 部地图更新法解决了其在使用中存在的盲区问题和 接口与计算机连接.使用Kinect可以获得一幅分辨 噪声问题结合改进的人工势场避障算法[3】与基于 率为640×480的RGB彩色图像和一幅与之对应的 颜色信息的粒子滤波目标跟踪算法9)，在差动驱 深度图像利用获得的深度信息，可以通过转换得到 动的轮式移动机器人上实现了目标跟踪的同时进行 相应环境的3-D模型，转换后的三维坐标系如图2， 动态避障 原点0为摄像机所在位置，Z轴正方向为摄像机正 1移动机器人与Kinect简介 前方。 RGB彩色摄像机 1.1移动机器人运动学模型 目前使用的移动机器人多为轮式差动驱动，其 在惯性坐标系下的运动学描述为 0 sg2 红外发射与接收 图2 Kinect及其图像坐标系 式中：x、y为移动机器人在全局参考系下的坐标，日 Fig.2 Kinect and its image coordinates 为移动机器人在全局参考系中的方向角，”为移动 由于Kinect摄像机的坐标系统与移动机器人 机器人直线移动速度，ω为移动机器人转动的角速 度.图1为移动机器人的惯性坐标系，其中X,、Y,确 使用的坐标系统不同，因此从Kinect获得的3-D坐 定了移动机器人的局部坐标系，X、Y确定了其世界 标需要经过转换才能保证与移动机器人坐标系统一 坐标系 致.具体的转换关系如图3所示，图中X、Y、Z为Ki- nect的3-D坐标系，X,、Y,为移动机器人局部坐标系」 10 图1移动机器人惯性坐标系 Fig.I Inertial coordinate system of the mobile robot 图3 Kinect与移动机器人坐标系对应关系 根据移动机器人全局坐标系与局部坐标系的 Fig.3 Coordinates relationship between Kinect and mobile robot 相应关系，可以将局部坐标系中的坐标转换为相对 因此，根据Kinect与移动机器人的坐标对应关 于全局坐标系的坐标.令坐标(x1,y)为机器人局部 系以及坐标转换方法，可以将由Kinect获取的移动 坐标系的坐标，并且已知移动机器人在全局坐标系 机器人局部坐标系的环境信息转换为移动机器人全 中的位置(xy,0),那么其相对于机器人全局坐 局坐标系下的环境信息。 标系的坐标(x。y)可由式(1)计算： 需要注意的是Kinect读取深度数据时存在盲 (x=x.+xcos 0.yisin 6., (1) 区，在实际的使用中，Kinect能够读取到深度数据的 (y=ye xisin 0 y cos 0. 有效范围约为600~5000mm,这就导致当障碍物进 1.2 Kinect 入到距离Kinect小于600mm的范围时，其位置信 Kinect是微软公司推出的一款用于X-OX360的 息不能有效地被获取.因此需要将障碍物的信息做
信息获取的影响. 本文利用 Ｋｉｎｅｃｔ 代替传统测距传感器ꎬ构建移 动机器人目标跟踪与避障系统ꎬ利用基于统计的局 部地图更新法解决了其在使用中存在的盲区问题和 噪声问题.结合改进的人工势场避障算法[３￣８] 与基于 颜色信息的粒子滤波目标跟踪算法[９￣１１] ꎬ在差动驱 动的轮式移动机器人上实现了目标跟踪的同时进行 动态避障. １ 移动机器人与 Ｋｉｎｅｃｔ 简介 １.１ 移动机器人运动学模型 目前使用的移动机器人多为轮式差动驱动ꎬ其 在惯性坐标系下的运动学描述为 ｘ ｙ θ é ë ê ê ê ê ù û ú ú ú ú ＝ ｃｏｓ θ ０ ｓｉｎ θ ０ ０ １ é ë ê ê êê ù û ú ú úú ｖ ω é ë ê ê ù û ú ú ＝ ｖｃｏｓ θ ｖｓｉｎ θ ω é ë ê ê êê ù û ú ú úú . 式中:ｘ、ｙ 为移动机器人在全局参考系下的坐标ꎬθ 为移动机器人在全局参考系中的方向角ꎬｖ 为移动 机器人直线移动速度ꎬω 为移动机器人转动的角速 度.图 １ 为移动机器人的惯性坐标系ꎬ其中 Ｘｒ、Ｙｒ确 定了移动机器人的局部坐标系ꎬＸ、Ｙ 确定了其世界 坐标系. 图 １ 移动机器人惯性坐标系 Ｆｉｇ.１ Ｉｎｅｒｔｉａｌ ｃｏｏｒｄｉｎａｔｅ ｓｙｓｔｅｍ ｏｆ ｔｈｅ ｍｏｂｉｌｅ ｒｏｂｏｔ 根据移动机器人全局坐标系与局部坐标系的 相应关系ꎬ可以将局部坐标系中的坐标转换为相对 于全局坐标系的坐标.令坐标 (ｘｌꎬｙｌ) 为机器人局部 坐标系的坐标ꎬ并且已知移动机器人在全局坐标系 中的位置 (ｘｃꎬｙｃꎬθｃ)ꎬ 那么其相对于机器人全局坐 标系的坐标 (ｘｇ ꎬｙｇ ) 可由式(１)计算: ｘｇ ＝ ｘｃ ＋ ｘｌ ｃｏｓ θｃ － ｙｌ ｓｉｎ θｃꎬ ｙｇ ＝ ｙｃ ＋ ｘｌ ｓｉｎ θｃ ＋ ｙｌ ｃｏｓ θｃ { . (１) １.２ Ｋｉｎｅｃｔ Ｋｉｎｅｃｔ 是微软公司推出的一款用于Ｘ￣ＯＸ３６０的 体感摄像机ꎬ它也可以在个人计算机上使用ꎬ目前支 持 Ｋｉｎｅｃｔ 在个人计算机上使用的软件开发包有 ＯｐｅｎＮＩ 以及微软公司提供的 ＳＤＫꎬＫｉｎｅｃｔ 通过 ＵＳＢ 接口与计算机连接.使用 Ｋｉｎｅｃｔ 可以获得一幅分辨 率为 ６４０×４８０ 的 ＲＧＢ 彩色图像和一幅与之对应的 深度图像.利用获得的深度信息ꎬ可以通过转换得到 相应环境的 ３￣Ｄ 模型ꎬ转换后的三维坐标系如图 ２ꎬ 原点 Ｏ 为摄像机所在位置ꎬＺ 轴正方向为摄像机正 前方. 图 ２ Ｋｉｎｅｃｔ 及其图像坐标系 Ｆｉｇ.２ Ｋｉｎｅｃｔ ａｎｄ ｉｔｓ ｉｍａｇｅ ｃｏｏｒｄｉｎａｔｅｓ 由于 Ｋｉｎｅｃｔ 摄像机的坐标系统与移动机器人 使用的坐标系统不同ꎬ因此从 Ｋｉｎｅｃｔ 获得的 ３￣Ｄ 坐 标需要经过转换才能保证与移动机器人坐标系统一 致.具体的转换关系如图 ３ 所示ꎬ图中 Ｘ、Ｙ、Ｚ 为 Ｋｉ￣ ｎｅｃｔ 的 ３￣Ｄ 坐标系ꎬＸｒ、Ｙｒ为移动机器人局部坐标系. 图 ３ Ｋｉｎｅｃｔ 与移动机器人坐标系对应关系 Ｆｉｇ.３ Ｃｏｏｒｄｉｎａｔｅｓ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ Ｋｉｎｅｃｔ ａｎｄ ｍｏｂｉｌｅ ｒｏｂｏｔ 因此ꎬ根据 Ｋｉｎｅｃｔ 与移动机器人的坐标对应关 系以及坐标转换方法ꎬ可以将由 Ｋｉｎｅｃｔ 获取的移动 机器人局部坐标系的环境信息转换为移动机器人全 局坐标系下的环境信息. 需要注意的是 Ｋｉｎｅｃｔ 读取深度数据时存在盲 区ꎬ在实际的使用中ꎬＫｉｎｅｃｔ 能够读取到深度数据的 有效范围约为 ６００~５ ０００ ｍｍꎬ这就导致当障碍物进 入到距离 Ｋｉｎｅｃｔ 小于 ６００ ｍｍ 的范围时ꎬ其位置信 息不能有效地被获取.因此需要将障碍物的信息做 第 ５ 期 贺超ꎬ等:采用 Ｋｉｎｅｃｔ 的移动机器人目标跟踪与避障 ４２７
.428. 智能系统学报 第8卷 一定的处理，使障碍物在进入Kinect的盲区后仍然 避障计算时，只选取那些命中次数N高于阈值 能够被检测到 Vd的数据. 2目标跟踪与避障 4)当移动机器人移动一段距离后，重置移动机 器人当前位置，将移动机器人坐标置为(0,0).清空 2.1局部地图更新 图像并将3)中边长为40个像素的矩形框内的坐标 上文提到Kinect深度摄像机存在较大的盲区， 点经过坐标变换重新绘制在图像上，其N值保持 因此在进行障碍物信息获取时，不能得到已经进入 不变，并别除移动到框外的点。 到深度摄像机盲区中的障碍物信息，而这些信息恰 5)重新进入1)进行循环 恰是进行动态避障所必需的，因此提出局部地图更 此算法的效果如图4，黑色框表示地图存储和 新的方法来解决这一问题。 更新的区域，当障碍物进入此区域内，其位置就会不 局部地图更新的基本思想是利用图像对移动机 断被更新直到其离开局部地图更新的范围，这样就 器人一定范围内的障碍物位置进行存储和更新.与 能基本解决Kinect的盲区问题.在图4中，左边列为 全局静态地图方法不同，此方法只存储和更新小范 局部地图更新区域，中间列为Kinect的RGB摄像机 围内的地图，因此称为局部地图更新考虑到移动机 获取的彩色图像，右边列为相应深度图像.从图4中 器人的高度为480mm,而Kinect摄像机距离地面的 可以看出，当障碍物从彩色图像及深度图像上消失 高度为340mm,因此使用Kinect获得3-D环境信息 后，局部地图更新区域的信息能够有效地保障移动 时就可以只选择那些高度值在-300~140mm的点， 机器人对障碍物信息的获取.但限于Kinect本身的 然后将这些点投影到移动机器人确定的2D坐标系 条件，对于那些毫无预兆进入Kinect盲区的障碍 中再进行处理。 另外，在使用Kinect时，会遇到Kinect的测量 物，算法无法进行有效的处理。 噪声，即在没有障碍物的位置产生数据，如果直接使 用原始的数据进行局部地图构建，就可能使原本可 物 障碍物 以通行的路径失效，因此在构建地图时采用概率统 计的思想，对一定区域内的障碍物命中次数N进 行统计，当命中次数N超过一个阈值N后就确 (a)璋碍物未进入更新区域 认此处存在障碍物. 局部地图更新的具体步骤如下： 障碍物 I)将Kinect扫描得到的数据按照俯视投影转 花 换为2-D平面坐标，并按照1：50的比例添加到图 像上，在图像上以像素点表示.此时图像上2个相邻 (b)障碍物进入更新区域 像素点之间的距离就代表实际环境中50mm的距 离.同时对障碍物命中此像素点（实际为5cm×5cm 的区域，可以通过更改转换比例选择地图分辨率) 的次数N进行累积计数. 2)将当前机器人所在的位置映射到图像上，并 (©)继续进行局部地图更新 以此位置为矩形中心，做边长为40个像素的正方 形，此时便有一个周长50×40mm=2m的矩形围绕 着移动机器人，在图4中以黑色矩形框显示。 3)统计边长为40个像素的矩形内像素点的个 数，这些点可能是存在的障碍物在图像上的映射，并 (d)障碍物即将离开更新区域 根据这些点在图像上的坐标按照1：50的比例再将 图4局部地图更新效果 它们转换回实际场景中的坐标.在使用人工势场法 Fig.4 Updating of the local map
一定的处理ꎬ使障碍物在进入 Ｋｉｎｅｃｔ 的盲区后仍然 能够被检测到. ２ 目标跟踪与避障 ２.１ 局部地图更新 上文提到 Ｋｉｎｅｃｔ 深度摄像机存在较大的盲区ꎬ 因此在进行障碍物信息获取时ꎬ不能得到已经进入 到深度摄像机盲区中的障碍物信息ꎬ而这些信息恰 恰是进行动态避障所必需的ꎬ因此提出局部地图更 新的方法来解决这一问题. 局部地图更新的基本思想是利用图像对移动机 器人一定范围内的障碍物位置进行存储和更新.与 全局静态地图方法不同ꎬ此方法只存储和更新小范 围内的地图ꎬ因此称为局部地图更新.考虑到移动机 器人的高度为 ４８０ ｍｍꎬ而 Ｋｉｎｅｃｔ 摄像机距离地面的 高度为 ３４０ ｍｍꎬ因此使用 Ｋｉｎｅｃｔ 获得 ３￣Ｄ 环境信息 时就可以只选择那些高度值在－３００~ １４０ ｍｍ的点ꎬ 然后将这些点投影到移动机器人确定的 ２￣Ｄ 坐标系 中再进行处理. 另外ꎬ在使用 Ｋｉｎｅｃｔ 时ꎬ会遇到 Ｋｉｎｅｃｔ 的测量 噪声ꎬ即在没有障碍物的位置产生数据ꎬ如果直接使 用原始的数据进行局部地图构建ꎬ就可能使原本可 以通行的路径失效ꎬ因此在构建地图时采用概率统 计的思想ꎬ对一定区域内的障碍物命中次数 Ｎｈｉｔ进 行统计ꎬ当命中次数 Ｎｈｉｔ超过一个阈值 Ｎｂｏｕｎｄ后就确 认此处存在障碍物. 局部地图更新的具体步骤如下: １)将 Ｋｉｎｅｃｔ 扫描得到的数据按照俯视投影转 换为 ２￣Ｄ 平面坐标ꎬ并按照 １ ∶ ５０ 的比例添加到图 像上ꎬ在图像上以像素点表示.此时图像上 ２ 个相邻 像素点之间的距离就代表实际环境中 ５０ ｍｍ 的距 离.同时对障碍物命中此像素点(实际为 ５ ｃｍ×５ ｃｍ 的区域ꎬ可以通过更改转换比例选择地图分辨率) 的次数 Ｎｈｉｔ进行累积计数. ２)将当前机器人所在的位置映射到图像上ꎬ并 以此位置为矩形中心ꎬ做边长为 ４０ 个像素的正方 形ꎬ此时便有一个周长 ５０×４０ ｍｍ ＝ ２ ｍ 的矩形围绕 着移动机器人ꎬ在图 ４ 中以黑色矩形框显示. ３)统计边长为 ４０ 个像素的矩形内像素点的个 数ꎬ这些点可能是存在的障碍物在图像上的映射ꎬ并 根据这些点在图像上的坐标按照 １ ∶ ５０ 的比例再将 它们转换回实际场景中的坐标.在使用人工势场法 避障计算时ꎬ只选取那些命中次数 Ｎｈｉｔ 高于阈值 Ｎｂｏｕｎｄ的数据. ４)当移动机器人移动一段距离后ꎬ重置移动机 器人当前位置ꎬ将移动机器人坐标置为(０ꎬ０).清空 图像并将 ３)中边长为 ４０ 个像素的矩形框内的坐标 点经过坐标变换重新绘制在图像上ꎬ其 Ｎｈｉｔ值保持 不变ꎬ并剔除移动到框外的点. ５)重新进入 １)进行循环. 此算法的效果如图 ４ꎬ黑色框表示地图存储和 更新的区域ꎬ当障碍物进入此区域内ꎬ其位置就会不 断被更新直到其离开局部地图更新的范围ꎬ这样就 能基本解决 Ｋｉｎｅｃｔ 的盲区问题.在图 ４ 中ꎬ左边列为 局部地图更新区域ꎬ中间列为 Ｋｉｎｅｃｔ 的 ＲＧＢ 摄像机 获取的彩色图像ꎬ右边列为相应深度图像.从图 ４ 中 可以看出ꎬ当障碍物从彩色图像及深度图像上消失 后ꎬ局部地图更新区域的信息能够有效地保障移动 机器人对障碍物信息的获取.但限于 Ｋｉｎｅｃｔ 本身的 条件ꎬ对于那些毫无预兆进入 Ｋｉｎｅｃｔ 盲区的障碍 物ꎬ算法无法进行有效的处理. 图 ４ 局部地图更新效果 Ｆｉｇ.４ Ｕｐｄａｔｉｎｇ ｏｆ ｔｈｅ ｌｏｃａｌ ｍａｐ ４２８ 智 能 系 统 学 报 第 ８ 卷
第5期 贺超，等：采用Kinect的移动机器人目标跟踪与避障 ·429 2.2目标跟踪 具体意义是当移动机器人的运动方向与目标产 目标跟踪算法采用基于颜色的粒子滤波算法， 生的吸引力方向相差的角度δ很大时，相应的移动 在光学图像上完成跟踪.在算法中使用数量为N的 机器人旋转的角速度也应该很大：当角度δ相差很 粒子集P.(xy,,),i=1,2,…,V,其中，xy 小时，旋转角速度也很小，δ的符号决定了ω的方 表示第i个粒子在图像上的坐标，：表示当前目标 向.对于直线速度v的模糊控制规则与之类似，但是 区域与初始选取的目标区域的比例尺，地：代表该粒 在计算与目标的距离时需要减去D,以保证移动机 子的权重. 器人与目标的距离限制.具体意义是当移动机器人 目标跟踪算法如下： 距离目标很远时，运动速度很大：距离适中时，运动 1)选取目标计算目标区域的颜色直方图并初 速度很小；随着距离d的不断变小（负向增大），运 始化粒子集P:,其中x:y:的初始值设为选取的目 动速度也负向增大 标区域的中心，：初始值设为1. 对于图5中的模糊规则，为了描述方便，设定对 2)粒子采样.根据高斯分布对当前粒子进行采 应角速度模糊规则的隶属度函数为R,对应隶属 样，分别得到新的xy:和· 度为1时的角速度为w,i=1,2,3,4,5;设定对应直 3)计算权值.根据采样得到的新x:y:和x,计算 线速度的模糊规则的隶属度函数为R,对应隶属度 对应图像区域的颜色直方图，并与1)中获取的原始 为1时的直线速度为，j=1,2,3,4,5.那么根据以 颜色直方图进行比较，采用巴氏距离计算出相应的 上规则可以计算出单纯目标跟踪时，使用的角速度 和直线速度的控制规律为： 权值0，并进行归一化处理，使0，=0，/∑， 5 4)重采样.根据权值e:,舍弃一定数量的小权 ∑u,×R() W= (2) 值粒子并衍生出新的粒子，然后重新回到2)： R(6) 当移动机器人只执行目标跟踪即不存在障碍物 i=1 的影响时，对移动机器人的移动速度和角速度ω ，×Rd 采用模糊规则进行控制，以确保良好的跟踪效果.图 (3) 5为角速度ω和线速度v进行模糊控制的隶属度函 R,(d) i=1 数，其中δ为移动机器人方向与目标之间的夹角，d 2.3人工势场法避障 为移动机器人距离目标的距离减去设定的跟踪距离 移动机器人的避障使用人工势场法完成，该方 D(在目标跟踪时不能将机器人移动到目标所在位 法简单实用、物理意义明确，因而受到了广泛研究与 置，应该使移动机器人与目标之间保持一定的距 使用其基本思想是在规划环境中构造虚拟力场，障 离)，S2、S1、CE、B1、B2表示5条模糊规则的隶属度 碍物对移动机器人产生排斥力，目标点对移动机器 函数 人产生吸引力，最终移动机器人在合力的作用下避 ◆u(cd 开障碍物向目标移动.人工势场法经过多年的研究， S2 S1 cE1.0 B2 在理论上已经比较成熟，这里使用的人工势场法的 具体公式为 Fm=-k(q-qsm）: -400 -200 0 200400 d/mm (a)线速度的隶属度函数 k(-马)19-9 p(q)p.pi(q)p(q) ,p(q)≤p; u(6 0 p(q)≥P。 S2 CE 1.0 B1 B2 (4) 式中：F、F分别为移动机器人受到的吸引力和 -30 -15 0 15 30 δfdeg 斥力，kkp为正的比例因子，9为移动机器人当 (b)角速度ω的求属度函数 前位置，9m为目标所在位置，9为障碍物位置， 图5模糊控制隶属度函数 p(q)为移动机器人当前位置距离障碍物位置的欧 Fig.5 The fuzzy controller's membership functions 式距离.由式(4)可以看出，当移动机器人距离障碍
２.２ 目标跟踪 目标跟踪算法采用基于颜色的粒子滤波算法ꎬ 在光学图像上完成跟踪.在算法中使用数量为 Ｎ 的 粒子集 Ｐｉ(ｘｉꎬｙｉꎬｚｉꎬｗｉ)ꎬｉ ＝ １ꎬ２ꎬꎬＮꎬ 其中ꎬ ｘｉ、ｙｉ 表示第 ｉ 个粒子在图像上的坐标ꎬ ｚｉ 表示当前目标 区域与初始选取的目标区域的比例尺ꎬ ｗｉ 代表该粒 子的权重. 目标跟踪算法如下: １)选取目标.计算目标区域的颜色直方图并初 始化粒子集 Ｐｉꎬ 其中 ｘｉ、ｙｉ 的初始值设为选取的目 标区域的中心ꎬ ｚｉ 初始值设为 １. ２)粒子采样.根据高斯分布对当前粒子进行采 样ꎬ分别得到新的 ｘｉ、ｙｉ 和 ｚｉ . ３)计算权值.根据采样得到的新 ｘｉ、ｙｉ 和 ｚｉ 计算 对应图像区域的颜色直方图ꎬ并与 １)中获取的原始 颜色直方图进行比较ꎬ采用巴氏距离计算出相应的 权值 ｗｉ 并进行归一化处理ꎬ使 ｗｉ ＝ ｗｉ /∑ Ｎ ｉ ＝ １ ｗｉ . ４)重采样.根据权值 ｗｉꎬ 舍弃一定数量的小权 值粒子并衍生出新的粒子ꎬ然后重新回到 ２). 当移动机器人只执行目标跟踪即不存在障碍物 的影响时ꎬ对移动机器人的移动速度 ｖ 和角速度 ω 采用模糊规则进行控制ꎬ以确保良好的跟踪效果.图 ５ 为角速度 ω 和线速度 ｖ 进行模糊控制的隶属度函 数ꎬ其中 δ 为移动机器人方向与目标之间的夹角ꎬｄ 为移动机器人距离目标的距离减去设定的跟踪距离 Ｄ(在目标跟踪时不能将机器人移动到目标所在位 置ꎬ应该使移动机器人与目标之间保持一定的距 离)ꎬＳ２、Ｓ１、ＣＥ、Ｂ１、Ｂ２ 表示 ５ 条模糊规则的隶属度 函数. 图 ５ 模糊控制隶属度函数 Ｆｉｇ.５ Ｔｈｅ ｆｕｚｚｙ ｃｏｎｔｒｏｌｌｅｒ’ｓ ｍｅｍｂｅｒｓｈｉｐ ｆｕｎｃｔｉｏｎｓ 具体意义是当移动机器人的运动方向与目标产 生的吸引力方向相差的角度 δ 很大时ꎬ相应的移动 机器人旋转的角速度也应该很大ꎻ当角度 δ 相差很 小时ꎬ旋转角速度也很小ꎬδ 的符号决定了 ω 的方 向.对于直线速度 ｖ 的模糊控制规则与之类似ꎬ但是 在计算与目标的距离时需要减去 Ｄꎬ以保证移动机 器人与目标的距离限制.具体意义是当移动机器人 距离目标很远时ꎬ运动速度很大ꎻ距离适中时ꎬ运动 速度很小ꎻ随着距离 ｄ 的不断变小(负向增大)ꎬ运 动速度也负向增大. 对于图 ５ 中的模糊规则ꎬ为了描述方便ꎬ设定对 应角速度模糊规则的隶属度函数为 Ｒωｉꎬ 对应隶属 度为 １ 时的角速度为 ωｉꎬ ｉ ＝ １ꎬ２ꎬ３ꎬ４ꎬ５ꎻ设定对应直 线速度的模糊规则的隶属度函数为 Ｒｖｊꎬ 对应隶属度 为 １ 时的直线速度为 ｖｊꎬ ｊ ＝ １ꎬ２ꎬ３ꎬ４ꎬ５.那么根据以 上规则可以计算出单纯目标跟踪时ꎬ使用的角速度 和直线速度的控制规律为: ω ＝ ∑ ５ ｉ ＝ １ ωｉ × Ｒωｉ(δ) ∑ ５ ｉ ＝ １ Ｒωｉ(δ) ꎬ (２) ｖ ＝ ∑ ５ ｊ ＝ １ ｖｊ × Ｒｖｊ(ｄ) ∑ ５ ｊ ＝ １ Ｒｖｊ(ｄ) . (３) ２.３ 人工势场法避障 移动机器人的避障使用人工势场法完成ꎬ该方 法简单实用、物理意义明确ꎬ因而受到了广泛研究与 使用.其基本思想是在规划环境中构造虚拟力场ꎬ障 碍物对移动机器人产生排斥力ꎬ目标点对移动机器 人产生吸引力ꎬ最终移动机器人在合力的作用下避 开障碍物向目标移动.人工势场法经过多年的研究ꎬ 在理论上已经比较成熟ꎬ这里使用的人工势场法的 具体公式为 Ｆａｔｔ ＝ － ｋａｔｔ(ｑ － ｑｇｏａｌ)ꎻ Ｆｒｅｐ ＝ ｋｒｅｐ( １ ρ(ｑ) － １ ρｏ ) １ ρ ２ (ｑ) ｑ － ｑｏｂｓｔａｃｌｅ ρ(ｑ) ꎬ ρ(ｑ) ≤ ρｏꎻ ０ꎬ ρ(ｑ) ≥ ρｏ . ì î í ï ï ïï (４) 式中: Ｆａｔｔ、Ｆｒｅｐ 分别为移动机器人受到的吸引力和 斥力ꎬ ｋａｔｔ、ｋｒｅｐ 为正的比例因子ꎬｑ 为移动机器人当 前位置ꎬｑｇｏａｌ为目标所在位置ꎬｑｏｂｓｔａｃｌｅ为障碍物位置ꎬ ρ(ｑ)为移动机器人当前位置距离障碍物位置的欧 式距离.由式(４)可以看出ꎬ当移动机器人距离障碍 第 ５ 期 贺超ꎬ等:采用 Ｋｉｎｅｃｔ 的移动机器人目标跟踪与避障 ４２９
·430· 智能系统学报 第8卷 物越近时，受到的排斥力就越大合力F=F+Fp 载了一台计算机，可以方便地与Kinect进行连接。 就用来控制移动机器人的运动，F是一个力的向量， 实验中，设定不存在瞬间进入Kinect盲区的物 它决定了移动机器人的加速度. 体，移动机器人在其离目标的距离小于一个合理的 由于使用的移动机器人为差动驱动的非完整约 保持距离D时停止移动.为保证移动机器人的稳定 束轮式移动机器人，不能像完整约束移动机器人那 性，当移动机器人停止运动后增加一定的死区，避免 样直接使用力来控制移动机器人的运动，而差动驱 轻微的扰动造成移动机器人的振动.实验的结果如 动移动机器人最直观的控制方式就是控制其：及 图7，图中最小的圆点表示移动机器人运动轨迹，略 。,因此在实现上要针对移动机器人的：及ω进行 大的黑色圆表示目标的移动轨迹，长条代表障碍物， 控制对于人工势场法在移动机器人上的实现，J. 矩形框表示移动机器人.移动机器人最后都在距离 Borenstein与Y.Koren曾在文献[7]中提出使用如 目标约为D时停止运动，在实验中设定D为1.5m. 下方法实现： 从图7中可以看出移动机器人在跟踪目标移动的同 |Fp=0; 时能够有效地避开障碍物. D= m(1-Icos al),IF>0; W =K X 5. 式中：δ为合力F的方向与当前机器人运动方向的 偏差角，范围为[-180°，180门，v为移动机器人 的最大直线速度，α为斥力F,与移动机器人运动 方向的夹角，|F|为斥力大小，K为控制参数 为了实现目标跟踪与避障之间的切换，设计了具 有安全区域的人工势场法，实现方法如图6.图6(a) 中的实线矩形框表示正常行驶时的安全区域，当此区 域内没有障碍物存在时，系统运行单纯目标跟踪模 障碍物 目标 00 式，机器人的运动由式(2)、(3)来控制.图6(b)中的 机器人… 0og0oo° 实线矩形框中有障碍物3出现，此时系统进入优先避 障模式，移动机器人根据虚线矩形框所确定范围内的 障碍物信息进行避障，直至小框内没有障碍物.此方 法不仅可以有效地进行控制方式的切换，而且也增强 图7实验效果 了整个系统通过狭小通道及沿墙走的能力. Fig.7 The experimental results 图8(a)给出了其中一次目标跟踪与避障实验 时Kinect获取的彩色图像，图中黑色矩形框代表目 目标 目标 标跟踪区域，由左至右、从上至下选取了整个过程中 X 具有代表性的关键帧图像，对整个过程进行展示.图 回 8(b)是此过程中与光学图像相对应的深度图像，从 图中可以看出，在整个过程中移动机器人能够跟踪 (a)无障碍物 (b)有障碍物 目标移动并完成障碍物回避.在过程中有时会出现 图6势场法安全区域示意 目标短暂丢失的情况，但通过调整移动机器人的运 Fig.6 The safe region of artificial potential 动可以很快重新获取目标并继续跟踪图8（©）展示 3 实验结果与分析 了对应过程的局部地图更新效果，图中小矩形框代 实验移动机器人使用的是MobileRobots公司的 表移动机器人，小线段表示障碍物，浅色点曲线表示 PowerBot.3,这款型号的移动机器人长度为900mm、 移动机器人的运动轨迹.从8(c)中可以看出局部地 宽度约为660mm、高度为480mm,采用差动驱动方 图更新方法可以有效地保证移动机器人对障碍物信 式，且无转弯半径限制.PowerBot3.机器人的内部搭 息进行有效地获取
物越近时ꎬ受到的排斥力就越大.合力 Ｆ ＝ Ｆａｔｔ ＋ Ｆｒｅｐ 就用来控制移动机器人的运动ꎬＦ 是一个力的向量ꎬ 它决定了移动机器人的加速度. 由于使用的移动机器人为差动驱动的非完整约 束轮式移动机器人ꎬ不能像完整约束移动机器人那 样直接使用力来控制移动机器人的运动ꎬ而差动驱 动移动机器人最直观的控制方式就是控制其 ｖ 及 ω ꎬ因此在实现上要针对移动机器人的 ｖ 及ω 进行 控制.对于人工势场法在移动机器人上的实现ꎬＪ. Ｂｏｒｅｎｓｔｅｉｎ 与 Ｙ. Ｋｏｒｅｎ 曾在文献[７] 中提出使用如 下方法实现: ｖ ＝ ｖｍａｘꎬ Ｆｒｅｐ ＝ ０ꎻ ｖ{ ｍａｘ(１ － ｃｏｓ α )ꎬ Ｆｒｅｐ > ０ꎻ ω ＝ Ｋ × δ. 式中:δ 为合力 Ｆ 的方向与当前机器人运动方向的 偏差角ꎬ范围为 [ － １８０ ° ꎬ１８０ ° ] ꎬ ｖｍａｘ 为移动机器人 的最大直线速度ꎬ α 为斥力 Ｆｒｅｐ与移动机器人运动 方向的夹角ꎬ Ｆｒｅｐ 为斥力大小ꎬＫ 为控制参数. 为了实现目标跟踪与避障之间的切换ꎬ设计了具 有安全区域的人工势场法ꎬ实现方法如图 ６.图 ６(ａ) 中的实线矩形框表示正常行驶时的安全区域ꎬ当此区 域内没有障碍物存在时ꎬ系统运行单纯目标跟踪模 式ꎬ机器人的运动由式(２)、(３)来控制.图 ６(ｂ)中的 实线矩形框中有障碍物 ３ 出现ꎬ此时系统进入优先避 障模式ꎬ移动机器人根据虚线矩形框所确定范围内的 障碍物信息进行避障ꎬ直至小框内没有障碍物.此方 法不仅可以有效地进行控制方式的切换ꎬ而且也增强 了整个系统通过狭小通道及沿墙走的能力. 图 ６ 势场法安全区域示意 Ｆｉｇ.６ Ｔｈｅ ｓａｆｅ ｒｅｇｉｏｎ ｏｆ ａｒｔｉｆｉｃｉａｌ ｐｏｔｅｎｔｉａｌ ３ 实验结果与分析 实验移动机器人使用的是 ＭｏｂｉｌｅＲｏｂｏｔｓ 公司的 ＰｏｗｅｒＢｏｔ３ꎬ这款型号的移动机器人长度为９００ ｍｍ、 宽度约为６６０ ｍｍ、高度为４８０ ｍｍꎬ采用差动驱动方 式ꎬ且无转弯半径限制.ＰｏｗｅｒＢｏｔ３ 机器人的内部搭 载了一台计算机ꎬ可以方便地与 Ｋｉｎｅｃｔ 进行连接. 实验中ꎬ设定不存在瞬间进入 Ｋｉｎｅｃｔ 盲区的物 体ꎬ移动机器人在其离目标的距离小于一个合理的 保持距离 Ｄ 时停止移动.为保证移动机器人的稳定 性ꎬ当移动机器人停止运动后增加一定的死区ꎬ避免 轻微的扰动造成移动机器人的振动.实验的结果如 图 ７ꎬ图中最小的圆点表示移动机器人运动轨迹ꎬ略 大的黑色圆表示目标的移动轨迹ꎬ长条代表障碍物ꎬ 矩形框表示移动机器人.移动机器人最后都在距离 目标约为 Ｄ 时停止运动ꎬ在实验中设定 Ｄ 为 １.５ ｍ. 从图 ７ 中可以看出移动机器人在跟踪目标移动的同 时能够有效地避开障碍物. 图 ７ 实验效果 Ｆｉｇ.７ Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ 图 ８(ａ)给出了其中一次目标跟踪与避障实验 时 Ｋｉｎｅｃｔ 获取的彩色图像ꎬ图中黑色矩形框代表目 标跟踪区域ꎬ由左至右、从上至下选取了整个过程中 具有代表性的关键帧图像ꎬ对整个过程进行展示.图 ８(ｂ)是此过程中与光学图像相对应的深度图像ꎬ从 图中可以看出ꎬ在整个过程中移动机器人能够跟踪 目标移动并完成障碍物回避.在过程中有时会出现 目标短暂丢失的情况ꎬ但通过调整移动机器人的运 动可以很快重新获取目标并继续跟踪.图 ８(ｃ)展示 了对应过程的局部地图更新效果ꎬ图中小矩形框代 表移动机器人ꎬ小线段表示障碍物ꎬ浅色点曲线表示 移动机器人的运动轨迹.从 ８(ｃ)中可以看出局部地 图更新方法可以有效地保证移动机器人对障碍物信 息进行有效地获取. ４３０ 智 能 系 统 学 报 第 ８ 卷
第5期 贺超，等：采用Kinect的移动机器人目标跟踪与避障 ·431· 4 结束语 本文提出的基于统计思想的局部地图更新方法 成功解决了Kinect在获取环境信息时盲区的影响. 在移动机器人上的实验结果表明，使用Kinect的移 动机器人可以很好地完成目标跟踪与避障任务，说 明Kinect很适合作为移动机器人获取环境信息的 传感器.虽然局部地图更新方法对静态障碍物的避 碰效果较好，但对动态障碍物的效果不是很理想，因 此还需要进一步研究此问题，以便将Kinect更好地 应用于移动机器人的目标跟踪与避障。 (a)实验光学图像 参考文献： [1]STEPHANEDES Y J,KWON E,TZAFESTAS S G,et al. Optimal control of nonlinear dynamic transportation systems [C]//Proceedings of the 29th IEEE Conference on Decision and Control.Honolulu,USA,1990:1641-1645. [2]MICHAEL B,KAI N,BRYAN R.Large-scale multi-agent simulations for transportation applications[J]//Journal of Intelligent Transportation Systems,2004,8(4):205-221. [3]高峰，王江锋，施绍友，等.基于模糊神经网络的车辆避撞 预警算法[J].江苏大学学报：自然科学版，2006,27 (3):211-215 GAO Feng,WANG Jiangfeng,SHI Shaoyou,et al.Vehicle intelligent collision warning algorithm based on fuzzy neural (b)实验深度图像 networks[J].Journal of Jiangsu University:Nature Science Edition,2006,27(3):211-215 [4]DAVID C.Count down to greater safey[J].ITS Internation- al,2005,11(2):1-3. [5]张琪，杨宜民基于改进人工势场法的足球机器人避碰控 制[J].机器人，2002,24(1)：12-15. ZHANG Qi,YANG Yimin.Soccer robot collision avoidance 回' 甘 control based on evolutionary artificial potential field[J]. Robot,2002,24(1):12-15. 2 [6]李人厚.自主移动机器人导论[M]西安：西安交通大学 出版社，2006：276-279. [7]BORENSTEIN J,KOREN Y.Real-time obstacle avoidance for fast mobile robots[J].IEEE Transactions on Systems, (©)实验局部地图更新图像 图8实验的光学与深度图像 Man,and Cybernetics,1989,19(5):1179-1187. Fig.8 The experimental optical images [8]CAO Qixin,HUANG Yanwen,ZHOU Jingliang.An evolu-
(ａ) 实验光学图像 (ｂ) 实验深度图像 (ｃ) 实验局部地图更新图像 图 ８ 实验的光学与深度图像 Ｆｉｇ.８ Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｏｐｔｉｃａｌ ｉｍａｇｅｓ ４ 结束语 本文提出的基于统计思想的局部地图更新方法 成功解决了 Ｋｉｎｅｃｔ 在获取环境信息时盲区的影响. 在移动机器人上的实验结果表明ꎬ使用 Ｋｉｎｅｃｔ 的移 动机器人可以很好地完成目标跟踪与避障任务ꎬ说 明 Ｋｉｎｅｃｔ 很适合作为移动机器人获取环境信息的 传感器.虽然局部地图更新方法对静态障碍物的避 碰效果较好ꎬ但对动态障碍物的效果不是很理想ꎬ因 此还需要进一步研究此问题ꎬ以便将 Ｋｉｎｅｃｔ 更好地 应用于移动机器人的目标跟踪与避障. 参考文献: [１]ＳＴＥＰＨＡＮＥＤＥＳ Ｙ Ｊꎬ ＫＷＯＮ Ｅꎬ ＴＺＡＦＥＳＴＡＳ Ｓ Ｇꎬ ｅｔ ａｌ. Ｏｐｔｉｍａｌ ｃｏｎｔｒｏｌ ｏｆ ｎｏｎｌｉｎｅａｒ ｄｙｎａｍｉｃ ｔｒａｎｓｐｏｒｔａｔｉｏｎ ｓｙｓｔｅｍｓ [Ｃ] / / Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２９ｔｈ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｄｅｃｉｓｉｏｎ ａｎｄ Ｃｏｎｔｒｏｌ. Ｈｏｎｏｌｕｌｕꎬ ＵＳＡꎬ １９９０: １６４１￣１６４５. [２] ＭＩＣＨＡＥＬ Ｂꎬ ＫＡＩ Ｎꎬ ＢＲＹＡＮ Ｒ. Ｌａｒｇｅ￣ｓｃａｌｅ ｍｕｌｔｉ￣ａｇｅｎｔ ｓｉｍｕｌａｔｉｏｎｓ ｆｏｒ ｔｒａｎｓｐｏｒｔａｔｉｏｎ ａｐｐｌｉｃａｔｉｏｎｓ [ Ｊ] / / Ｊｏｕｒｎａｌ ｏｆ Ｉｎｔｅｌｌｉｇｅｎｔ Ｔｒａｎｓｐｏｒｔａｔｉｏｎ Ｓｙｓｔｅｍｓꎬ ２００４ꎬ ８(４): ２０５￣２２１. [３]高峰ꎬ王江锋ꎬ施绍友ꎬ等.基于模糊神经网络的车辆避撞 预警算法[ Ｊ]. 江苏大学学报:自然科学版ꎬ ２００６ꎬ ２７ (３): ２１１￣２１５. ＧＡＯ Ｆｅｎｇꎬ ＷＡＮＧ Ｊｉａｎｇｆｅｎｇꎬ ＳＨＩ Ｓｈａｏｙｏｕꎬ ｅｔ ａｌ. Ｖｅｈｉｃｌｅ ｉｎｔｅｌｌｉｇｅｎｔ ｃｏｌｌｉｓｉｏｎ ｗａｒｎｉｎｇ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｆｕｚｚｙ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ[Ｊ]. Ｊｏｕｒｎａｌ ｏｆ Ｊｉａｎｇｓｕ Ｕｎｉｖｅｒｓｉｔｙ: Ｎａｔｕｒｅ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎꎬ ２００６ꎬ ２７(３): ２１１￣２１５. [４]ＤＡＶＩＤ Ｃ. Ｃｏｕｎｔ ｄｏｗｎ ｔｏ ｇｒｅａｔｅｒ ｓａｆｅｙ[Ｊ]. ＩＴＳ Ｉｎｔｅｒｎａｔｉｏｎ￣ ａｌꎬ ２００５ꎬ １１(２): １￣３. [５]张琪ꎬ杨宜民.基于改进人工势场法的足球机器人避碰控 制[Ｊ].机器人ꎬ ２００２ꎬ ２４(１): １２￣１５. ＺＨＡＮＧ Ｑｉꎬ ＹＡＮＧ Ｙｉｍｉｎ. Ｓｏｃｃｅｒ ｒｏｂｏｔ ｃｏｌｌｉｓｉｏｎ ａｖｏｉｄａｎｃｅ ｃｏｎｔｒｏｌ ｂａｓｅｄ ｏｎ ｅｖｏｌｕｔｉｏｎａｒｙ ａｒｔｉｆｉｃｉａｌ ｐｏｔｅｎｔｉａｌ ｆｉｅｌｄ [ Ｊ]. Ｒｏｂｏｔꎬ ２００２ꎬ ２４(１): １２￣１５. [６]李人厚.自主移动机器人导论[Ｍ].西安:西安交通大学 出版社ꎬ ２００６: ２７６￣２７９. [７]ＢＯＲＥＮＳＴＥＩＮ Ｊꎬ ＫＯＲＥＮ Ｙ. Ｒｅａｌ￣ｔｉｍｅ ｏｂｓｔａｃｌｅ ａｖｏｉｄａｎｃｅ ｆｏｒ ｆａｓｔ ｍｏｂｉｌｅ ｒｏｂｏｔｓ[ Ｊ]. ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｙｓｔｅｍｓꎬ Ｍａｎꎬ ａｎｄ Ｃｙｂｅｒｎｅｔｉｃｓꎬ １９８９ꎬ １９(５): １１７９￣１１８７. [８]ＣＡＯ Ｑｉｘｉｎꎬ ＨＵＡＮＧ Ｙａｎｗｅｎꎬ ＺＨＯＵ Ｊｉｎｇｌｉａｎｇ. Ａｎ ｅｖｏｌｕ￣ 第 ５ 期 贺超ꎬ等:采用 Ｋｉｎｅｃｔ 的移动机器人目标跟踪与避障 ４３１
.432. 智能系统学报 第8卷 tionary artificial potential field algorithm for dynamic path 作者简介： planning of mobile robot[C]//2006 IEEE/RSJ International 贺超，男，1987年生，硕士研究生， Conference on Intelligent Robots and Systems.Beijing,Chi- 主要研究方向为移动机器人、嵌入式 系统 na,2006:3331-3336. [9]夏轩，刘华平.基于DsP的主动视觉系统[J].机器人， 2012,34(3):354-362. XIA Xuan,LIU Huaping.DSP-based active vision system 刘华平，男，1976年生，副教授，主 [J].Robot,.2012,34(3):354-362. 要研究方向为智能控制与机器人、视频 [10]刘涛.基于粒子滤波的目标跟踪算法研究[D].重庆：西 跟踪与检测、智能交通等。 南大学，2010：12-22. LIU Tao.Object tracking algorithm research based on parti- cle filter[D].Chongqing:Southwest University,2010:12. 22. 孙富春，男，1964年生，教授，博士 [11]庄严，战洪斌，王伟，等.基于加权颜色直方图和粒子滤 生导师，EEE高级会员，中国人工智能 波的彩色物体跟踪[J].控制与决策，2006,21(8)： 学会理事、智能控制与智能管理专业委 员会副主任兼秘书长.主要研究方向为 868-894. 智能控制、机器人与飞行器的导航与控 ZHUANG Yan,ZHAN Hongbin,WANG Wei,et al. 制、网络控制系统、人工认知系统的信 Weighted color histogram based particle filter for visual tar- 息感知和处理等.曾获全国优秀博士论文奖、北京市科学技 get tracking [J].Control and Decision,2006,21(8): 术进步二等奖.表学术论文120余篇，其中被SCI检索52篇. 868-894. 国计算机 计算机辅助设计与图形学学报 Journal of Computer Aided Design Computer Graphics 国内年发代号：82456定价：60.0元国外发行代号：M1231连续出版物号：CN11-2925/屉 ISSN1003-9775 主编：鲍虎军 主办：中国计算机学会出版：科学出版社 ◇创刊于1989年，是我国CAD和计算机图形学领域第1个公开出版的学术刊物. ◇该刊以快速传播CAD与计算机图形学领域的知识与经验为目的，刊登有创新的学术论文，报导最新科研成果和学术动态， 及时反映该领域发展水平与发展方向 ◇该刊面向全国，聘请了我国CAD和计算机图形学学术界的知名学者、专家参加刊物的编委会，具有权威性和代表性， ◇读者对象为从事CAD和计算机图形及其他有关学科的科研、工程技术人员及高等院校师生」 ◇为我国计算技术、计算机类核心期刊：EI,SA、A等收录源. 栏目 1.图形与可视化(Graphics&Visualizing):包括几何造型与处理、图形算法、计算几何、计算机动画、可视化. 2.图像与视觉(mage&Computer Vision):包括计算机视觉，基于图像的图形计算、基于图像的建模、图形图像的内容安全. 3.虚拟现实与交互技术(Virtual Reality&nteraction Technique):包括人机交互和界面技术、虚拟环境的表示、感知和再现、增 强现实技术 4.数字化设计与制造(Digital Desig卿and Manufacture):包括计算机辅助概念设计与智能设计、虚拟样机、网络化协同设计与制 造、应用系统集成 5.VLSI设计与测试及电子设计自动化(VLSI Desig知，Test and Electronic Desig卿Automation):包括系统级设计与验证、多处理器 设计与验证、RTL与逻辑级综合与验证、测试诊断与可靠性设计、物理设计与版图验证 6.系统研发与应用(Systems and Applications):涉及CAD&CG的系统研发及应用，要求文章短、时效性、有案例，由编委专人负 责审阅并快速发表 7.学术前沿与综述(Frontiers and Reviews). 编辑部地址：北京2704信箱《计算机辅助设计与图形学学报》编辑部 邮编：100080电话：010-62562491E-mail:jcad@ict.ac.cn网址：http:/www.jcad.cm
ｔｉｏｎａｒｙ ａｒｔｉｆｉｃｉａｌ ｐｏｔｅｎｔｉａｌ ｆｉｅｌｄ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｄｙｎａｍｉｃ ｐａｔｈ ｐｌａｎｎｉｎｇ ｏｆ ｍｏｂｉｌｅ ｒｏｂｏｔ[Ｃ] / / ２００６ ＩＥＥＥ/ ＲＳＪ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｒｏｂｏｔｓ ａｎｄ Ｓｙｓｔｅｍｓ. Ｂｅｉｊｉｎｇꎬ Ｃｈｉ￣ ｎａꎬ ２００６: ３３３１￣３３３６. [９]夏轩ꎬ刘华平.基于 ＤＳＰ 的主动视觉系统[ Ｊ].机器人ꎬ ２０１２ꎬ ３４(３): ３５４￣３６２. ＸＩＡ Ｘｕａｎꎬ ＬＩＵ Ｈｕａｐｉｎｇ. ＤＳＰ￣ｂａｓｅｄ ａｃｔｉｖｅ ｖｉｓｉｏｎ ｓｙｓｔｅｍ [Ｊ]. Ｒｏｂｏｔꎬ ２０１２ꎬ ３４(３): ３５４￣３６２. [１０]刘涛.基于粒子滤波的目标跟踪算法研究[Ｄ].重庆:西 南大学ꎬ ２０１０: １２￣２２. ＬＩＵ Ｔａｏ. Ｏｂｊｅｃｔ ｔｒａｃｋｉｎｇ ａｌｇｏｒｉｔｈｍ ｒｅｓｅａｒｃｈ ｂａｓｅｄ ｏｎ ｐａｒｔｉ￣ ｃｌｅ ｆｉｌｔｅｒ[Ｄ]. Ｃｈｏｎｇｑｉｎｇ:Ｓｏｕｔｈｗｅｓｔ Ｕｎｉｖｅｒｓｉｔｙꎬ ２０１０: １２￣ ２２. [１１]庄严ꎬ战洪斌ꎬ王伟ꎬ等.基于加权颜色直方图和粒子滤 波的彩色物体跟踪[ Ｊ]. 控制与决策ꎬ ２００６ꎬ ２１ ( ８): ８６８￣８９４. ＺＨＵＡＮＧ Ｙａｎꎬ ＺＨＡＮ Ｈｏｎｇｂｉｎꎬ ＷＡＮＧ Ｗｅｉꎬ ｅｔ ａｌ. Ｗｅｉｇｈｔｅｄ ｃｏｌｏｒ ｈｉｓｔｏｇｒａｍ ｂａｓｅｄ ｐａｒｔｉｃｌｅ ｆｉｌｔｅｒ ｆｏｒ ｖｉｓｕａｌ ｔａｒ￣ ８６８￣８９４. 作者简介: 贺超ꎬ男ꎬ１９８７ 年生ꎬ硕士研究生ꎬ 主要研究方向为移动机器人、嵌入式 系统. 刘华平ꎬ男ꎬ１９７６ 年生ꎬ副教授ꎬ主 要研究方向为智能控制与机器人、视频 跟踪与检测、智能交通等. 孙富春ꎬ男ꎬ１９６４ 年生ꎬ教授ꎬ博士 生导师ꎬＩＥＥＥ 高级会员ꎬ中国人工智能 学会理事、智能控制与智能管理专业委 员会副主任兼秘书长.主要研究方向为 智能控制、机器人与飞行器的导航与控 制、网络控制系统、人工认知系统的信 息感知和处理等.曾获全国优秀博士论文奖、北京市科学技 ｇｅｔ ｔｒａｃｋｉｎｇ [ Ｊ]. Ｃｏｎｔｒｏｌ ａｎｄ Ｄｅｃｉｓｉｏｎꎬ ２００６ꎬ ２１ ( ８ ) : 计算机辅助设计与图形学学报 Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ａｉｄｅｄ Ｄｅｓｉｇｎ ＆ Ｃｏｍｐｕｔｅｒ Ｇｒａｐｈｉｃｓ 国内邮发代号:８２￣４５６ 定价:６０.００ 元 国外发行代号:Ｍ１２３１ 连续出版物号: ＩＳＳＮ １００３－９７７５ ＣＮ １１－２９２５ / ＴＰ 主编:鲍虎军 主办:中国计算机学会 出版:科学出版社 ◇ 创刊于 １９８９ 年ꎬ是我国 ＣＡＤ 和计算机图形学领域第 １ 个公开出版的学术刊物. ◇ 该刊以快速传播 ＣＡＤ 与计算机图形学领域的知识与经验为目的ꎬ刊登有创新的学术论文ꎬ报导最新科研成果和学术动态ꎬ 及时反映该领域发展水平与发展方向. ◇ 该刊面向全国ꎬ聘请了我国 ＣＡＤ 和计算机图形学学术界的知名学者、专家参加刊物的编委会ꎬ具有权威性和代表性. ◇ 读者对象为从事 ＣＡＤ 和计算机图形及其他有关学科的科研、工程技术人员及高等院校师生. ◇ 为我国计算技术、计算机类核心期刊ꎻＥＩ、ＳＡ、ＡＪ 等收录源. 栏目 １.图形与可视化(Ｇｒａｐｈｉｃｓ ＆ Ｖｉｓｕａｌｉｚｉｎｇ):包括几何造型与处理、图形算法、计算几何、计算机动画、可视化. ２.图像与视觉 (Ｉｍａｇｅ ＆ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ):包括计算机视觉ꎬ基于图像的图形计算、基于图像的建模、图形图像的内容安全. ３.虚拟现实与交互技术(Ｖｉｒｔｕａｌ Ｒｅａｌｉｔｙ ＆ Ｉｎｔｅｒａｃｔｉｏｎ Ｔｅｃｈｎｉｑｕｅ ):包括人机交互和界面技术、虚拟环境的表示、感知和再现、增 强现实技术. ４.数字化设计与制造(Ｄｉｇｉｔａｌ Ｄｅｓｉｇｎ ａｎｄ Ｍａｎｕｆａｃｔｕｒｅ ):包括计算机辅助概念设计与智能设计、虚拟样机、网络化协同设计与制 造、应用系统集成. ５.ＶＬＳＩ 设计与测试及电子设计自动化(ＶＬＳＩ ＤｅｓｉｇｎꎬＴｅｓｔ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃ Ｄｅｓｉｇｎ Ａｕｔｏｍａｔｉｏｎ):包括系统级设计与验证、多处理器 设计与 验证、ＲＴＬ 与逻辑级综合与验证、测试诊断与可靠性设计、物理设计与版图验证. ６.系统研发与应用(Ｓｙｓｔｅｍｓ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ ):涉及 ＣＡＤ＆ＣＧ 的系统研发及应用ꎬ要求文章短、时效性、有案例ꎬ由编委专人负 责审阅并快速发表. ７.学术前沿与综述(Ｆｒｏｎｔｉｅｒｓ ａｎｄ Ｒｅｖｉｅｗｓ). 编辑部地址:北京 ２７０４ 信箱«计算机辅助设计与图形学学报»编辑部 邮编:１０００８０ 电话:０１０￣６２５６２４９１ Ｅ￣ｍａｉｌ:ｊｃａｄ＠ ｉｃｔ.ａｃ.ｃｎ 网址:ｈｔｔｐ: / / ｗｗｗ.ｊｃａｄ.ｃｎ ４３２ 智 能 系 统 学 报 第 ８ 卷 术进步二等奖.表学术论文 １２０ 余篇ꎬ其中被 ＳＣＩ 检索 ５２ 篇