基于运动模式在线学习的移动机器人对运动目标的主动观测与最优跟踪

研究未知环境下移动机器人对运动目标的检测、识别与跟踪问题。机器人利用激光与单目视觉传感器感知环境，检测环境中的运动目标，并通过在线学习的方式识别出运动目标所属的类别及其相应的运动模式，同时机器人利用扫描匹配技术进行自身定位并建立环境的特征与拓扑混合地图。机器人根据目标的运动模式和环境的拓扑信息预测目标的运动趋势，建立目标被遮挡或逃出传感器视野范围的多假设概率模型；基于此机器人采用主动观测的方式，使其对目标观测的准确性、稳定性和目标被遮挡/逃逸的风险等指标得到综合优化；然后设计最优目标跟踪控制器，使机器人以最优的运动方式到达主动观测点，同时保证跟踪过程中目标始终位于机器人传感视野的恰当位置，从而实现大规模环境下机器人定位、建图和对运动目标长时间连续跟踪三者同时在线完成；最后，研制面向运动目标跟踪的高度可调节视觉传感装置，实现对多类不同运动目标准确、灵活和充分的观测与跟踪。

随着移动机器人研究与应用的不断成熟和人类活动范围的不断扩展，未知环境已成为移动机器人执行任务的重要场合，这类环境通常包含大量的未知因素，特别是运动目标本身包含了大量不确定性，因此需要机器人在完成自身定位的同时，能够准确识别环境中的各种运动目标及他们的运动模式，并对目标进行精确定位与跟踪，这不仅能够使机器人建立准确、一致的环境背景地图，而且能够实现对运动目标及时、准确的监控。.项目研究了未知环境下的移动机器人同时定位与建图，以及对运动目标的主动观测与最优跟踪问题，完成了基于激光与单目视觉融合的运动目标检测与识别、目标运动模式在线判定、目标最优状态估计与跟踪、特征与拓扑混合地图创建等内容，实现了机器人定位、环境建图和运动目标跟踪三者同时在线完成。项目提出了基于激光传感器的运动目标完备检测算法，实现了不同环境下、不同运动方式下的目标检测；提出了一种基于最优粒子滤波器的激光与单目视觉融合算法，实现了对目标运动状态的最优估计；针对目标被遮挡或丢失的情况，提出一种基于动态模板匹配的目标再确认算法，实现了对丢失目标的检测与确认；提出了一种目标运动模式在线判定算法，通过与最优粒子滤波器相结合，实现了对目标运动方式和运动状态的准确估计；针对室内环境下目标易被遮挡的问题，提出一种基于势场的机器人主动观测与最优跟踪算法，实现了对目标的连续跟踪；设计并实现了一种面向大范围目标跟踪的高度可调节的视觉观测系统。.本项目面向动态未知环境，通过有效的传感信息提取与融合技术、移动机器人导航技术和运动控制技术，实现机器人在不同环境中自主完成定位与建图，并执行对运动目标的跟踪与监控任务，其研究成果可应用于智能监控与巡检、智能交通、无人驾驶与辅助驾驶系统、智能服务等诸多与人类生活紧密相关的场合。.项目按照计划书要求执行，完成了计划书所列研究内容，达到了预期指标。围绕项目研究内容，共发表学术论文24篇，其中多篇发表在IEEE Transactions on Industrial Electronics、IEEE Transactions on Instrumentation and Measurement、Nonlinear Dynamics和Robotica等高水平国际期刊以及ICRA 2012和IROS 2012国际顶级学术会议上，同时获得发明专利2项，申请发明专利1项，获得计算机软件著作权1项。