基于改进相关滤波算法的ROS自主跟随式机器人研究_张茜.pdf

2023 年 5 月下141Agricultural Machinery and Equipment农业机械与装备基于改进相关滤波算法的 ROS 自主跟随式机器人研究*张茜1，曹学文1，谢旺2（1.河北工业职业技术大学，河北 石家庄 050091；2.唐山学院，河北 唐山 063000）摘要：【目的】随着机器人智能化程度的提高，其跟随功能应用日益广泛。医疗领域、养老领域都需要能够自主跟随、辅助的机器人设备协助人工完成相关工作。亟需设计一款响应时间短、跟随效率高的跟随式机器人。【方法】课题组设计了一款基于改进滤波算法的、搭载ROS系统的自主跟随式机器人，对机器人的硬件平台和软件系统进行了详细的设计与说明。在实际应用中，另引入核函数理论，构成核相关滤波算法，用以提高算法运行效率。针对机器人仍受光照变化和遮挡物影响，识别准确率低的问题，采用引入自适应核相关滤波（AKCF）的方法。【结果】通过在光线阴暗的公共场所进行跟随试验，发现该自主跟随式机器人可实时跟随移动目标运动，稳定性较高，响应速度快，准确性达到95%以上。【结论】ROS操作系统能够大大缩短开发时间，极大地提高了智能移动式机器人软件上的移植性和复用性，也提高了软件的兼容性；引入基于改进相关滤波的运动目标跟踪算法，能有效提高由于光照、复杂背景、遮挡等造成外观改变时目标跟踪的准确性。关键词：ROS；状态转移滤波器；尺寸滤波器；跟随式机器人中图分类号：TP242.6 文献标志码：A DOI：10.3969/j.issn.1672-3872.2023.10.0420 引言随着互联网、人工智能的飞速发展，机器人视觉跟随技术作为应用非常广泛且实用的关键技术越来越受到人们的重视1。例如医疗领域、养老领域，都需要能够自主跟随、辅助的机器人设备。本文设计了一款基于ROS系统，搭载Raspberry 4B主控制板的自主跟随式机器人，可在复杂环境进行目标跟随，可用于医疗、养老等场景，跟随辅助人工作业。近年来，学者提出了多种跟随算法。如多传感器数据融合算法2、基于区域特征的目标跟踪算法3、基于轮廓特征的目标跟踪算法、多模型的跟随算法等，但均存在识别精度低或需大量样本等问题4。课题组设计的自主跟随式医疗辅助机器人的跟随系统采用自适应核相关滤波（AKCF）的方法，以适应不同运动条件和运动速度下，目标搜索图像块大小变化的情况5。机器人操作系统为ROS操作系统，以Raspberry 4B为上位机主控制板；采用Astra pro摄像头，对外部环境进行数据采集。1 自主跟随式机器人系统1.1 机器人硬件平台机器人硬件平台包括底层控制系统、上层嵌入式计算系统、远程PC机以及车体部分。其中，底层控制系统包含了驱动模块和运动及控制模块，上层嵌入式计算系统即为跟踪模块，车体部分包括车体框架、置物架、车轮等，机器人硬件设计图如图1所示。1.跟踪模块；2.驱动模块；3.运动及控制模块；4.车体框架；5.置物架。图1机器人硬件设计图上层嵌入式计算系统包含了Raspberry 4B主板、Astra Pro深度相机、云台、激光雷达等。主要用于对目标进行视觉跟踪，得到目标的实时运动位置，完成运动决策，实现视觉跟随，并将其发送到DSP控制板进行处理。底层控制系统包含DSP 控制板、IMU 惯性检测模块、霍尔编码器减速电机、电机驱动模块、车轮等。DSP控制板由DSP28335芯片以及时钟电路、复位电路、JTAG下载电路、串口电路组成，输出PWM信号控制电机驱动，由电机驱动器驱动电机带动车轮使车体运动。编码器检测车轮速度，IMU检测机器人在空间中的位姿、方向等信息，反馈给DSP控制器。PC机负责整个系统环境搭建，在此环境下通过基金项目：河北工业职业技术大学市厅级预研课题“基于ROS的跟随式医疗辅助机器人设计成果”（zy202307）作者简介：张茜（1990），女，河北石家庄人，硕士研究生，讲师，研究方向为智能控制、机器人应用等。1422023 年 5 月下Agricultural Machinery and Equipment农业机械与装备改进相关滤波跟踪算法实现目标跟踪功能，并将算法结果传至DSP控制板实现车体运动的控制和云台的旋转。车体部分主要由两块复合材料板与连接螺栓组成，上下两板由连接螺栓连接在一起，结构紧凑。上板用于安装雷达与置物架，下板安装了驱动和运动模块。置物架由支撑架、支架杆、药液容器稳定架和配重组成。下部分主杆用于支撑伸出杆、安装相机及配重。机器人硬件平台整体架构如图2所示。1.2 机器人软件系统ROS 操作系统是用于编写机器人程序的一种具有高度灵活性的软件架构6。它包含了大量工具软件、库代码和约定协议，并采用模块化的设计理念7，将视觉感知算法模块和硬件驱动模块作为独立节点运行8，通过单向订阅话题（topic）和双向服务（service）实现消息（message）在节点之间的传递，以完成进程间的通信。本设计中，Astra Pro深度相机为软件系统的外部信息读取节点，采集图像时由目标跟踪节点根据改进相关滤波算法对行人图像进行实时追踪；机器人底盘和车轮为系统的执行部分，由驱动模块和电机控制，也可作为独立节点，称为运动控制节点；远程PC机安装了Ubuntu 18.04软件，用于ROS系统程序编写9。2 基于改进相关滤波算法的目标跟踪系统2.1 算法原理本文设计的自主跟随式机器人利用了基于改进相关滤波算法。此方法一方面训练状态转移滤波器用于目标位置检测，另一方面训练尺寸滤波器用于尺寸变化检测。2.2 算法应用2.2.1训练状态转移滤波器1）目标图像的初始帧用矩形框表示位置和尺寸。如式（1）所示：Hl*0=x0,y0,w0,k0 （1）式中，x0和y0分别为目标位置的横、纵坐标，w0和k0分别表示目标尺寸的矩形框的宽和高。2）提取图像块（作为训练样本）。如式（2）所示：Hp=Hl*0(1+p)（2）式中，Hp为训练样本的位置和尺寸；Hl*0为初始帧中目标的位置和尺寸；p为提取训练样本时的调节参数。3）提取样本的fHOG特征，并对其进行快速傅里叶变换。如式（3）所示：x=F(G(ps)（3）式中，ps为训练样本图像块。4）得到高斯型的回归目标。如式（4）所示：y=exp(-|rh-ch|222)（4）式中，rh=1,w/2，ch=1,l/2；=(wl)c为函数宽度；w、l分别为训练样本图像块的宽度和高度。5）利用酉不变的高斯核函数训练状态转移滤波器。如式（5）所示：=F(y)F(kxx)+（5）式中，kxx=exp(-1t2(|x|2+|x|2-2F-1(x*x*)为x的自相关，F-1()为快速傅里叶逆变换。、t分别为该函数的调节参数、宽度参数。2.2.2训练尺寸滤波器同样利用酉不变的高斯核函数训练尺寸滤波器s，得到式（6）：s=F(s)F(kfsfs)+s （6）式中，s=exp(-n22r2)，s、r分别为该函数的调节参数、宽度参数，kfsfs=exp(-1s2(|xs|2+|xs|2-2F-1(xs*xs*)为初始目标的尺寸自相关。2.2.3检测目标1）提取目标搜索图像块。底层控制系统DSPRaspberry 4BPC机电机驱动模块电机车轮编码器IMU惯性检测机器人位姿、方向、速度等信息I2CPWMAstra Pro深度相机USBWi-FiUSB上层嵌入式计算系统图2机器人硬件平台架构图2023 年 5 月下143Agricultural Machinery and Equipment农业机械与装备与训练样本方法类似，得到新提取的目标搜索图像块位置尺寸。如式（7）所示：SP=Hl*t-1(1+p)（7）式中，Hl*t-1为目标在t-1帧时的位置和尺寸，p为调节参数。得到式（8）：p=1.5 vthk2 thvthk3 vth （8）式中，th和thk为目标运动速度阈值，v为目标速度，v=(Dt-1-Dt-2)+(Dt-3-Dt-4)2。2）提取目标搜索图像块的fHOG特征，并对其进行快速傅里叶变换。如式（9）所示：z=F(GF(Psp)（9）式中，Psp为目标搜索图像块。3）计算状态转移滤波器在目标搜索图像块中的响应值，如式（10）所示：z_r=F-1(F(kxz)（10）式中，kxz为x和z的高斯相关性，x、z分别为目标模板和目标搜索图像块的快速傅里叶变换值。2.2.4检测目标尺寸最终的跟踪目标尺寸如下：zwx=argmax(F-1(sF(kfszw)（11）式中，zw为利用2.2.2中所提到的多尺寸样本提取方法，通过状态转移滤波器得到的目标位置提取的多尺寸候选样本。3 自主跟随测试实验场景选择为某公共场所大厅，光线较为昏暗。自主跟随式机器人可实时跟随移动目标运动，稳定性较高，响应速度快10。提高了由于光照、复杂背景、遮挡等造成外观改变时目标跟踪的准确性，准确性达到95%以上。图像采集测试图如图3所示，行走跟随数据如图4所示，其中红色轨迹为志愿者，蓝色轨迹为机器人。可见，机器人可以与志愿者保持一定距离范围进行跟随。4 结论课题组设计搭建了跟随式医疗辅助机器人硬件和软件平台，采用ROS操作系统，该系统能够大大缩短开发时间，不仅极大地提高了智能移动式机器人软件上的移植性和复用性，也提高了软件的兼容性。同时，引入基于改进相关滤波的运动目标跟踪算法，完成机器人的自主跟随功能，为医疗、护理等机器人跟随场景设计了一种智能程度高、识别度高、反应灵敏的跟随式机器人系统，具有很高的使用价值。图3行人图像采集测试图4行走跟随数据图参考文献：1 罗奕帮，谭晓静，陈海亮，等.一种基于多传感器数据融合的智能旅行箱设计J.装备制造技术，2019(2)：101-104.2 王素青，熊维堂.基于STM32的两轮自平衡小车系统设计J.实验室研究与探索，2016，35(5)：146-150.3 程姜荣，宋芳.基于ROS的移动机器人视觉跟随系统设计J.软件，2020，41(2)：23-27+43.4 HENRIQUES J F,CASEIRO R,MARTINS P,et al.High-Speed Tracking with Kernelized Correlation FiltersJ.IEEE Transactions on Pattern Analysis&Machine Intelligence,2015,37(3):583-596.5 张华，刘建军，王丽佳，等.自适应核相关滤波的运动目标跟踪J.国外电子测量技术，2022，41(5)：21-25.6 黄泽豪.高速匝道入口智能网联车辆协同合流控制研究D.南京：东南大学，2020.7 叶金培，王宏宽，江子杰.协作机器人控制技术的研究J.日用电器，2022(1)：46-50.8 徐涛，冯鹏程，晁国胜.基于ROS的智能移动靶设计与实现J.现代信息科技，2021，5(6)：1-4+8.9 张英，廖如超，廖建东，等.基于激光测距及 ROS系统的无人机导线跟随方法研究J.电子器件，2021，44(4)：935-940.10 王振.基于视频序列的目标跟踪算法优化D.太原：中北大学，2016.