论文总字数：25465字

摘 要

由于人工智能的广泛应用，社会生活发生着日新月异的变化。根据不同的应用场景诞生了多种多样的机器人，其中尤以目标识别，路径动态规划作为移动机器人的核心技术。但由于实际应用场景极其复杂，各项技术仍有很大的研究空间。本文将针对室内移动机器人的目标跟随问题作如下研究：

(1)基于kinect2获取移动机器人所需要的图像和深度信息。通过比较目前比较流行的深度图像获取方法，采用比较成熟的微软kinect2传感器同时获得深度信息和彩色图像。针对在某些情况下，深度相机可能无法提供某些像素的正确值，采用绘制轮廓的方法降低对深度信息获取的影响。

(2)根据室内跟随机器人的应用场景，采用深度学习中的YOLOv3方法对目标进行识别。YOLOv3有着高精度和实时性强的特点，给了跟随机器人更多的可能性。

(3)基于人工势场法实现机器人移动的控制策略。为了提高鲁棒性，实验并测试对应参数的阈值，提高移动机器人在动态场景的自主移动能力。

(4)以TurtleBot为实验平台，通过测试场景，评估移动机器人的跟随效果。

关键词：跟随机器人 深度视觉 目标识别

Design of indoor mobile robot following system based on depth vision

Abstract

The rapid development of artificial intelligence has made relevant technologies gradually permeate all aspects of our lives. On the basis of different application scenarios, multiple robots have been developed. Among them, target recognition and path dynamic planning are the core technologies of mobile robots. However, due to the extremely complicated practical application scenarios, we still have to do some research on those technologies . This article will do the following research on the target following problem of indoor mobile robots:

(1) Using kinect2 to acquire the image and depth information which we need. By comparing the current popular depth image acquisition methods, the more mature Microsoft kinect2 sensor is used to obtain both depth information and color images. In some cases, the depth camera may not be able to provide the correct values ​​of some pixels, and the threshold segmentation method is used to reduce the impact on the depth information acquisition.

(2) According to the application scenarios of indoor following robots, the YOLOv3 method in deep learning is used to identify the target. The high real-time and high precision of yolov3 gives the follower robot greater possibilities.

(3) Using artificial potential field method to control robot movement. In order to improve the robustness, experiment and test the thresholds of the corresponding parameters to improve the autonomous mobility of mobile robots in dynamic scenarios.

(4) Using TurtleBot as the experimental platform to evaluate the following effects of mobile robots through test scenarios.

Key Words: Following robots; Depth vision; Target recognition

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1 论文背景及意义 1

1.2 国内外发展现状 1

1.2.1 跟随机器人发展现状 1

1.2.2 目标跟随发展现状 3

1.2.3 复杂工程与非技术因素分析 4

1.3 论文主要内容和章节安排 4

第二章 基于kinect2的深度图像处理 6

2.1 kinect2摄像头简介 7

2.2 kinect2的安装和标定 7

2.2.1 kinect2的安装 7

2.2.2 kinect2的标定 9

2.3 深度图像在ROS中的获取和处理 11

2.4 本章小结 14

第三章 基于YOLOv3的目标识别 15

3.1 YOLO介绍 15

3.1.1 YOLOv1 15

3.1.2 YOLOv2 17

3.1.3 YOLOv3 17

3.1.4 darknet_ros 18

3.2 目标检测实验 19

3.2.1 配置参数调试 19

3.3 本章小结 22

第四章 基于TurtleBot跟随机器人的目标跟随实验 23

4.1 改进人工势场法 23

4.2 机器人跟随人实验 24

4.2.1 实验流程及改进 25

4.2.2 测试结果与分析 28

4.3 本章小结 30

第五章 总结与展望 31

5.1 总结 31

5.2 展望 31

参考文献 32

致谢 34

第一章 绪论

1.1 论文背景及意义

时过境迁，我国的社会大背景不断发生着变化：社会分工的不断细化，科教产业雄厚，人口红利逐年下降，人力成本不断增加。为了将人类从大量重复或具有危险性的工作中解放出来，重视机器人领域的发展是极为必要的。世界上一些发达国家，将机器人领域作为一个战略高地，力求解放劳动力，发展生产力。

请支付后下载全文，论文总字数：25465字