[发明专利]一种基于多传感器的机器人未知环境目标跟踪方法

说明书

本发明公开了一种基于多传感器的机器人未知环境目标跟踪方法，该方法包括如下步骤：(1)首先提出了基于动点和静点误差优化的摄像机与激光传感器参数标定方法，在线实现了不同传感器坐标系转换参数优化；(2)其次提出了基于卡尔曼和概率数据关联的多源环境特征状态融合方法；(3)最后提出基于多传感器信息融合的对象状态估计算法。该方法将信息融合技术应用于解决SLAMOT问题，能够提高对象识别和锁定能力、估计准确性、空间覆盖范围、时间覆盖范围的有效途径，机器人能够利用装备的主动和被动传感器充分采集环境和目标信息，并将多源信息进行融合以提高SLAMOT的实际应用能力。

技术领域

本发明涉及基于多传感器信息融合的机器未知环境下目标跟踪方法技术领域，具体为一种基于多传感器的机器人未知环境目标跟踪方法。

背景技术

目前SLAMOT解决方法大多数基于单一传感器，并未考虑多传感器融合在SLAMOT问题上的应用，由于基于单一传感器的SLAMOT算法获取信息种类有限，存在以下几点问题：

(1)对象识别和锁定能力差。目前SLAMOT算法在应用中通常采用激光扫描仪作为信息获取手段，激光扫描仪虽然能够获得较为准确的角度和距离信息，但是对象身份识别能力差，不能满足实际应用要求。图像信息的利用可以有效解决对象识别和锁定问题，而图像信息无法提供对象深度信息，因此单独应用于SLAMOT问题也较为困难。总之，由于单传感器获取信息种类单一，对象识别和锁定能力并不理想。

(2)环境特征利用程度低。机器人运动环境存在大量有价值的环境信息，例如：环境直线特征、角点特征、标志物特征。而单传感器只能利用某种环境特征作为环境地图构建的依据，例如，激光扫描仪通常利用扫描平面内的环境直线特征或角点特征作为环境地图，无法利用垂直平面的直线特征以及其他环境特征作为构建地图的要素，因此环境信息综合利用程度低。

(3)环境侦测范围有限。单一传感器的覆盖范围有限，容易产生观测盲区，例如，当机器人对多目标进行跟踪时，若仅利用激光扫描仪观测，那么，当目标间的运动轨迹存在交叉重叠时，容易产生对目标和环境特征的观测盲区，影响SLAMOT的估计准确性。

发明内容

本发明的目的在于提供一种基于多传感器的机器人未知环境目标跟踪方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于多传感器的机器人未知环境目标跟踪方法，该方法包括如下步骤：

(1)首先提出了基于动点和静点误差优化的摄像机与激光传感器参数标定方法，在线实现了不同传感器坐标系转换参数优化；

(2)其次提出了基于卡尔曼和概率数据关联的多源环境特征状态融合方法，利用卡尔曼框架完成单对单对象状态融合，利用概率数据关联框架完成单对多对象状态融合；

(3)最后提出基于多传感器信息融合的对象状态估计算法，设计基于全关联卡尔曼滤波算法，从而建立不同对象状态估计关联性，提高状态估计准确性；

优选的，所述的基于多传感器信息融合的机器未知环境下目标跟踪方法，所述的步骤(1))首先提出了基于动点和静点误差优化的摄像机与激光传感器参数标定方法包括环境动态和静态物体图像平面投影状态融合方法和摄像机与激光测距仪传感器联合标定优化方法。

优选的，所述的基于多传感器信息融合的机器未知环境下目标跟踪方法，所述的环境动态和静态物体图像平面投影状态融合方法采用协方差交集方法，采用该方法的原因在于融合过程将来自激光传感器和摄像机传感器的运动物体观测信息同等考虑，认为这两种传感器提供的信息量相同，融合过程并不偏重于任何一方，另外，目标状态融合需要针对不同传感器观测值描述的相同性质状态分量进行，对于摄像机和激光扫描仪而言，它们所描述的相同状态分量为目标方向状态，因此，在图像像素坐标系中，只对u分量值进行融合处理；