[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

说明书

本发明公开了一种基于多目标跟踪的移动机器人预见性导航方法，包括：1)输入相机实时视频流，对图像帧作预处理；2)通过在线多目标跟踪模型，采集历史轨迹点；3)轨迹数据合规平稳性检验；4)通过历史轨迹点，预测得到未来轨迹点；5)通过ROS服务端节点，创建局部代价地图；6)通过move_base导航节点，提前影响导航规划。本发明采用在线多目标跟踪结合时序预测模型进行行人轨迹预测的思路，对于动态环境下移动机器人导航过程中导航线频繁变化的情况，提供一种预见性导航的方法，利用预测得到的行人未来轨迹创建局部代价地图，更新加入到move_base导航节点，从而提前影响机器人的导航路径规划。

技术领域

本发明涉及移动机器人导航和多目标跟踪的技术领域，尤其是指一种基于多目标跟踪的移动机器人预见性导航方法。

背景技术

近年来，随着人工智能技术的兴起，对于智能机器人的研究也逐渐深入，对机器人在动态环境下的导航智能化也有了更高的要求。

按照传统的机器人导航方法，移动机器人会根据当前传感器所感知到的信息，例如感知到前方出现障碍物，则立即改变导航规划。在动态环境下，如机器人前方有行人穿行，传统方法需要根据当前的行人位置信息不断改变导航轨迹。然而，变化后的新路径仍存在不可通行的可能，导致导航线变化频繁。如果机器人能够预判到行人未来的行动趋向，则可以提前作导航线规划，避免不必要的导航轨迹变化，降低由于变换轨迹带来的阻塞和碰撞风险，增强导航稳定性。由此，随着现在人工智能技术的不断发展，引出了对于机器人预见性导航方法的研究。

目前，研究者们已经提出了许多移动机器人的预见性导航方法，但仍面临着如下问题：

1)基于多智能体的强化学习方法对具体环境要求高，难以实际落地。

2)基于纯LSTM网络的方法无法解释两个时刻目标间的对应关系，降低了交互性能。

3)基于激光点云的方法缺乏具体认知层面的信息，可解释性较差。

多目标跟踪(Multiple Object Tracking，MOT)是目标跟踪技术的一个分支，主要任务是划分检测定位到的多个目标，保持目标身份ID的连续性，旨在对多个目标进行跟踪并产出其行动轨迹。基于深度学习的多目标跟踪网络表现出了强大的精度和鲁棒性。利用多目标跟踪进行行人轨迹预测，相比于使用激光点云的方法，拥有着更好的准确性，符合解决机器人导航中认知预判问题的实际需求。

发明内容

本发明的目的在于克服移动机器人在动态场景下导航规划变化频繁的缺点，使用多目标跟踪进行行人轨迹预测的思路，利用基于深度学习的在线多目标跟踪网络和基于时序的自回归移动平均模型(Auto-regression Moving Average，ARMA)，提出了一种基于多目标跟踪的移动机器人预见性导航方法，将多目标跟踪应用于行人轨迹预测问题上，结合ARMA模型，实现未来行人轨迹预测，再通过更新局部代价地图的方式提前影响导航规划。本方法提高了机器人的认知预判能力，进而解决移动机器人在导航过程中导航线频繁变化的问题，有着较好的研究意义和应用价值。

为实现上述目的，本发明所提供的技术方案为：一种基于多目标跟踪的移动机器人预见性导航方法，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；