[发明专利]一种基于多目标跟踪的移动机器人预见性导航方法

权利要求书

1.一种基于多目标跟踪的移动机器人预见性导航方法，其特征在于，包括以下步骤：

1)输入相机实时视频流，对图像帧作预处理；

2)将步骤1)预处理后得到的图像帧输入开源的在线多目标跟踪JDE模型，采集历史轨迹点，得到多目标的历史轨迹数据集合；

3)对步骤2)得到的多目标的历史轨迹数据集合进行合规平稳性检验，得到检验通过的多组数据；

4)收集步骤3)中检验通过的多组数据，得到有效历史轨迹数据集合，通过有效历史轨迹数据集合，预测得到未来轨迹点集合；

5)通过ROS服务端节点，对步骤4)中预测得到的未来轨迹点进行坐标系转换，创建局部代价地图，将创建好的局部代价地图发布到ROS话题\local_costmap上；

6)订阅ROS话题\local_costmap，通过move_base导航节点，提前影响导航规划。

2.根据权利要求1所述的一种基于多目标跟踪的移动机器人预见性导航方法，其特征在于，所述步骤1)包括以下步骤：

1.1)利用opencv-python库中的cv2.VideoCapture函数启动相机驱动并获取CMOS相机视频流；

1.2)获取视频流数据中的图像帧，对图像帧作预处理操作：利用opencv-python中的letterbox函数，在保持图像纵横比的前提下对图像做尺度重调，剩余空白区用灰度值为0像素进行填充，根据车载相机分辨率参数，预处理后得到尺寸为864*480的图像帧。

3.根据权利要求1所述的一种基于多目标跟踪的移动机器人预见性导航方法，其特征在于，所述步骤2)包括以下步骤：

2.1)将步骤1)中预处理后得到的图像帧输入开源的在线多目标跟踪JDE模型，该在线多目标跟踪JDE模型通过特征金字塔网络FPN，从多尺度进行预测；

2.2)在训练过程中，在线多目标跟踪JDE模型以1/32、1/16和1/8的尺度对特征图分别进行降采样，建立多任务学习目标建模，作加权线性损失和

其中，m是预测头数，是i＝1,...,m且j＝α,β,γ下的损失权重，是i＝1,...,m且j＝α,β,γ下的损失值，α,β,γ是不同尺度分支的权重值；

2.3)对于采样得到的特征，在线多目标跟踪JDE模型根据每个目标的边界框和外观特征，通过匈牙利算法计算当前帧检测目标和已存在的目标轨迹之间的关联矩阵，再通过如下公式对轨迹进行更新：

f_t＝ηf_t-1+(1-η)f'

其中，f'是被关联目标的外观特征，f_t是当前时刻检测目标的外观特征，f_t-1是前一时刻检测目标的外观特征，η是自设的加权移动平均系数；

2.4)在线多目标跟踪JDE模型输出的单个目标的单点轨迹数据P为：

P(fid,oid,x,y)

其中，fid表示图像帧ID，oid表示目标ID，x表示目标边界框下底边中心点横坐标，y表示目标边界框下底边中心点纵坐标；

目标v的轨迹数据集合K_v为：

K_v＝{P₁,P₂,P₃,...,P_T}

其中，T表示在采样周期内采集到的目标v轨迹点的最大数量；

2.5)以设定帧数图像为一采样周期，整理得到该周期内捕获到的包含多个目标信息的历史轨迹数据集合M：

M＝{K₁,K₂,K₃,...,K_n}

其中，集合K₁表示目标ID为1的目标的轨迹数据集合，n为该采样周期内捕获到的最大目标数。