1.1 课题研究背景与意义
在世界工业 4.0 的发展大趋势下，世界各国都加快了将云计算，大数据，移动互联网，AI 等新一代信息技术同各种机器人技术相互融合的步伐，其中走在所有机器人技术前列的军用机器人更将得到系统化，规模化的发展，与此同时，随着军用机器人的发展，未来作战理念也随即发生重大的转变，在未来全球或区域战争中，战争指挥人员无需进入阵地进行实战，而只需在战争后方安全基地下达相应的作战指令指挥那些处在战争前线的机器人进行快速准确的协同作战、精确机动的目标打击、快速高效的战场救援以及隐蔽灵活的情报侦察。现代作战体系的最终目标就是实现指挥作战平台的无人化，自主化，网络化以及智能化[1][2]。 许多原因导致世界各国对智能机器人的需求量逐渐增加 [3]。其一，高精尖武器的快速发展使得大量士兵在现代战争中极易受到伤亡，这给国家和众多家庭都带来了难以磨灭的苦难与无法修复的伤害[4]；其二，纵观现代战争，其发动的原因以由土地占领意图逐渐转变为经济战略意图，加上现代高精尖武器的发展大大提高毁伤的精度与效率，这无形中便弱化了人在现代战争中的作用；其三，世界多地蔓延着难以控制的恐怖主义以及许多大规模杀伤性武器，如核武器、生化武器等致使许多地区充满不确定性，很多作战环境都急需无人智能化机器人深入并进行侦查和战斗[5]。其四，地震、泥石流、海啸等自然灾害也往往会带来毁灭性的打击，救援环境恶劣，地形地势复杂，难以短时间了解灾情和实施救援,此时如果强行让人进行现场处理往往会再次造成难以估量的人员伤亡。利用机器人移动平台进行伤员运送、食物补给、探测灾情等则可大大降低救援人员面临的危险,提高处理突发事故的工作效率[6] [7]。而目前使用率最高的智能机器人就是地面智能机器人。
.........
1.2 研究现状与存在的问题
为了走在智能机器人发展的前列，世界各国纷纷加大对机器人的研发投入。诸如美、英、德等国都制定自己的地面移动机器人研制计划,成立相应的研制公司或研究所[10]。走在世界前列的美国依靠其雄厚的资金支持和多年积累的机器人技术基础,同时又有跨国公司吸引的大量的智力支持，因此其无论是在军用移动机器人研制领域还是民用机器人方面都是处于世界机器人的领先地位,其部分研究成果早已被装备部队,投入前线战场使用。如“帕克博特”(Pacbot)机器人由i Robot公司制造,如图1.1所示,该机器人已被应用在阿富汗的群山里,这种机器人的手臂可以抓住并搬运物件,最善于探测隐藏炸药的地方。“魔爪”(Talon)军用机器人,如图1.2所示,其可以远程拆除简易爆炸装置、区域侦查等等。其已经在伊拉克等地执行了超过20000次任务。“大狗”机器人因其体型与大型犬相当而得名，由Boston Dynamic为美军而研制的,其不依靠传统的轮子运动而是采用四条“腿”,如图1.3所示，它集成了大量先进的传感器，能够根据外界环境修正自身姿态，该机器人已经进入和美军士兵进行协同作战的阶段，利用其机动性为战地的士兵运送弹药、食物和其他物品。拥有六条腿的RHex机器人，可以轻松在楼梯，岩石中行走，并且可以在潮湿，泥泞环境下全面运作，超强的遥控能力，控制距离可达700米。如图1.4所示，RHex机器人体型不大但它携带了多种侦查装备，如红外摄像，照明器等以便于其可以24小时全天候进行侦查工作[11] [12]。
........
第二章 机器人系统框架结构
移动机器人系统结构复杂，装置较多，想要达到预定效果必须要求多个硬件和软件能够协同一致的工作。本章主要介绍移动机器人系统所需的主要硬件 RGB-D 传感器，以及主要软件系统 ROS 和 PCL。理解和掌握它们的原理和编程方法是实现最终检测与跟踪目标的关键。
2.1 移动机器人整体框架简介
地面移动机器人由多个模块组成，分别是图像采集模块、目标检测模块、运动控制模块以及运动实验平台，框架如图 2.1 所示。机器人图像采集模块主要采用 Xtion Pro live作为 RGB-D 传感器采集点云图像。机器人目标检测模块利用机器学习训练检测模型。机器人运动控制模块利用实验计算移动机器人的运动参数达到精确控制。机器人运动实验平台采用的嵌入 ROS 系统的 turtlebot2 移动平台。
........
2.2 图像采集模块
Xtion pro live 是 2012 年华硕公司与 Prime Sense 联合推出的一款类似于 K inect 与个人电脑兼容的体感摄像头，如图 2.2 所示。设计团队赋予 Xtion PRO live 极高的开放性，任何人只要拥有自己的创意都可以利用这个传感器进行项目开发，提升该传感器初始的商业价值。短短几年，该传感器已经应用到社会的诸多方面，高端服装店里的 3D试衣镜,体感游戏中的身体捕捉，动画公司的三维动画制作，多媒体公司的广告展示，机器人公司的视觉开发等等。不难发现，通过研究人员或是兴趣爱好者对传感器的的二次开发，Xtion pro live 具有广阔的市场应用空间和巨大的市场价值[17]。 设计人员给 Xtion pro live 安装了三个作用各不相同的镜头，用于获取外界环境的RGB 图像和深度数据。三个摄像头的布局为中间为 RGB 摄像头得到彩色图像，两边利用红外发射镜头与红外接收镜头组合可以获取物体的深度图像，如图 2.3 所示。RGB 镜头的分辨率与红外镜头的分辨率不同。RGB 图像分辨率最高为 1280*960,红外镜头分辨率最高为 640*480。Xtion PRO live 除了搭载摄像装置外其同时还搭载麦克风阵列,针对麦克风的开发,可以实现诸如语音识别等功能，Xtion PRO live 具体参数如下表 1.1 所示。
.........
3 目标特征提取与检测识别 .... 27
3.1 点云滤波 ........ 27
3.1.1 点云滤波器选取 .... 27
3.2 目标特征提取 .... 30
3.2.1 HOG 算法原理 ....... 30
3.2.2 HOG 算法实现 ....... 32
3.2.3 HOD 算法实现 ....... 34
3.3 训练检测模型 .... 35
3.4 确定跟踪目标 ..... 39
3.5 本章小结 ........ 41
4 机器人线速度和角速度参数计算 ..... 43
4.1 参数介绍 ........ 43
4.2 参数求取 ........ 45
4.3 本章小结 ........ 50
5 实验 ......... 51
5.1 实验平台介绍 .... 51
5.2 单目标检测与跟踪 ........ 52
5.3 多目标检才好多额与单目标跟踪 .... 58
5.4 实验总结 ........ 63
5.5 本章小结 ........ 63
第五章 实验
5.1 实验平台介绍
地面移动机器人的软件平台使用的是 ROS(开源机器人操作系统),硬件平台采用Turtlebot2 机器人和一台笔记本电脑,其中 Turtlebot2 机器人搭载载是华硕的 Xtion PRO live RGB-D 传感器。Ubuntu 系统界面更加友好的同时也更加稳定，是安装 ROS 的推荐底层系统。Ubuntu14.04 系统与 ROS 的界面如图 5.1 所示。 移动平台选用 Turtle Bot2，它是一款较为常用的机器人开发平台，拥有广大的用户群体，提供较为完善的社区服务，如图 5.2 所示。它自带较为完善的软硬件，如图所示：其外部搭载 Xtion prolive 视觉传感器、华硕双核笔记本以及可拆卸的架构。最重要的硬件是其底部的 Yujin Kobuki 移动底座。它是由 Yujin 公司开发，内置陀螺仪、传感器、驱动轮等，其开放式的接口可以较为方便的实现一些机器人功能。实验场地选择为会议室，如图 5.3 所示，此会议室属于室内环境，实验空间较大，视野开阔，有利于移动机器人对目标物体的检测，同时在开阔的空间中也方便其对目标进行跟踪。会议室内还有一些干扰物品，如大的桌子，座椅等，为移动机器人提供了一个更接近真实环境的实验空间，因此在这里进行实现也更容易发现其在运行过程中存在的问题，能够及时进行人工干预，解决问题。
总结
地面移动机器人的发展突飞猛进，未来它的应用领域也将涉及到社会的方面，人工智能的发展赋予了移动机器人强大的机器学习能力，这个能力使得其在图像处理、音频处理等诸多方面有了质的飞跃。而将机器学习与深度点云图像结合进一步丰富了移动机器人在三维图像处理的能力，同时也拓展了其应用领域。本文主要以 ROS 框架为基础，Xtion pro live RGB-D 传感器为机器人核心传感器，Turtlebot2 为实验平台，搭建完成了室内环境下移动机器人对预定目标的与跟踪任务。该机器人系统在目标检测中结合了深度图像特征提取和机器学习来训练检测模型，在目标跟踪中利用实验获得运动参数，结合检测数据做到实时跟踪。该研究理论对其他移动机器人研究有一定借鉴意义。本文主要完成的工作如下：
（1）采用 HOD 算法提取人体正负样本特征，投入 SVM 中进行
