[发明专利]一种机器人全天候自主跟随目标人员的方法及系统

权利要求书

1.一种机器人全天候自主跟随目标人员的方法，其特征是，包括以下步骤：

获取机器人视野的图像和激光点云数据，根据图像自动切换日间或夜间跟随模式；

日间跟随模式中，基于获取的图像识别图像中所有人员的关节位置，确定目标人员，获取包围目标人员的感兴趣区域；对图像中的感兴趣区域进行坐标系变换，获取感兴趣区域对应的点云区域；对点云区域进行预处理，获得目标人员点云，进而确定目标人员初始位置，基于卡尔曼滤波算法预测目标人员下一时刻的目标位置，基于该目标位置控制机器人移动，实现自主跟随；

夜间跟随模式中，基于日间跟随模式所确定的目标人员点云，进行持续跟随。

2.如权利要求1所述的机器人全天候自主跟随目标人员的方法，其特征是，所述根据图像自动切换日间或夜间跟随模式，具体为：计算获取的图像中灰度值小于80的像素占比，当该占比小于等于设定阈值时，自动进入日间跟随模式，否则自动切换进入夜间跟随模式。

3.如权利要求1所述的机器人全天候自主跟随目标人员的方法，其特征是，所述基于获取的图像识别图像中所有人员的关节位置，确定目标人员，获取包围目标人员的感兴趣区域，具体为：

识别获取的图像中所有人员的关节位置，通过关节位置检测机器人视野中所有人员的动作，以特定动作来识别并确定目标人员；

识别目标人员关节位置，计算出包围该目标人员的矩形边界框，并以此矩形边界框内的区域作为感兴趣区域。

4.如权利要求1所述的机器人全天候自主跟随目标人员的方法，其特征是，所述对点云区域进行预处理，获得目标人员点云，具体为：

将点云区域中超出相机探测距离的点视为无效点进行分割，去除背景点；

通过将沿着机器人运动方向的点云均匀划分为若干分段，并在每个分段上分别应用地平面拟合算法，以此分割存在坡度变化的地面，去除地面点云；

通过欧式聚类算法进行点云聚类，获得目标人员点云，其中，欧式聚类算法的搜索半径随垂直扫描角度的增大而增大。

5.如权利要求1所述的机器人全天候自主跟随目标人员的方法，其特征是，还包括：

日间跟随模式中，当跟随目标人员丢失时，基于获取的图像，识别图像中所有人员的关节位置，获取所有包围识别人员的感兴趣区域，提取各感兴趣区域中的人员特征，基于该人员特征，识别图像中的目标人员和其他人员，进而确定目标人员。

6.如权利要求5所述的机器人全天候自主跟随目标人员的方法，其特征是，还包括：

夜间跟随模式中，当跟随目标人员丢失时，基于获取的激光点云数据，提取出每个人员的点云及点云特征，基于该点云特征，识别点云数据中目标人员和其他人员的点云数据，进而确定目标人员。

7.一种机器人全天候自主跟随目标人员的系统，其特征是，包括：

数据获取模块，用于获取机器人视野的图像和激光点云数据；

人员识别模块，用于基于获取的图像识别图像中所有人员的关节位置，确定目标人员，获取包围目标人员的感兴趣区域；

图像-点云转换模块，用于对图像中的感兴趣区域进行坐标系变换，获取感兴趣区域对应的点云区域；

点云预处理模块，用于基于点云区域，计算获得目标人员点云；

人员跟踪模块，用于根据目标人员点云确定目标人员初始位置，基于卡尔曼滤波算法预测目标人员下一时刻的目标位置；

人员跟随模块，用于根据目标人员下一时刻的目标位置控制机器人移动，实现自主跟随。