中国科学技术大学学报
中國科學技術大學學報
중국과학기술대학학보
JOURNAL OF UNIVERSITY OF SCIENCE AND TECHNOLOGY OF CHINA
2012年
9期
714-722
,共9页
臧学莲%Br(s)(c)i(c) Dra(z)en%王炜%Hirche Sandra%Kühnlenz Kolia
臧學蓮%Br(s)(c)i(c) Dra(z)en%王煒%Hirche Sandra%Kühnlenz Kolia
장학련%Br(s)(c)i(c) Dra(z)en%왕위%Hirche Sandra%Kühnlenz Kolia
注意控制%卡尔曼滤波%多目标跟踪
註意控製%卡爾曼濾波%多目標跟蹤
주의공제%잡이만려파%다목표근종
attention control%Kalman filter%multiple objects tracking
由于移动式机器人所携带的传感器资源有限,能够在时间雏度上共享传感器资源,实现多目标跟踪,是智能化机器人重要的研究领域之一,本文提出了一个基于人类行为模型的时序注意控制算法,能够实现使用单个2自由度摄像头实时监控多个自由移动的目标物体,该算法基于以下三个控制原则:①最小化监控目标位置预测的不确定性以及各个目标物预测效果的差异;②最小化多目标跟踪过程中摄像头切换视角所需的能量消耗;③最大化能够呈现在摄像头视觉范围内的目标物体的个数.算法根据当前检测到目标信息,通过卡尔曼滤波,预测目标物的运动规律,选择下一时刻摄像头的最佳注意视角.该算法通过matlab仿真以及在移动式机器人实体上进行了实验验证,结果显示,该算法能够在时间顺序有效的共享单个摄像头资源,检测摄像头视角范围内的目标的位置,并根据上一个时间点的检测信息预测视角范围外的目标,实现跟踪多个目标物体,降低预测及跟踪的误差,并优化跟踪过程中切换摄像头视角的能量损耗.
由于移動式機器人所攜帶的傳感器資源有限,能夠在時間雛度上共享傳感器資源,實現多目標跟蹤,是智能化機器人重要的研究領域之一,本文提齣瞭一箇基于人類行為模型的時序註意控製算法,能夠實現使用單箇2自由度攝像頭實時鑑控多箇自由移動的目標物體,該算法基于以下三箇控製原則:①最小化鑑控目標位置預測的不確定性以及各箇目標物預測效果的差異;②最小化多目標跟蹤過程中攝像頭切換視角所需的能量消耗;③最大化能夠呈現在攝像頭視覺範圍內的目標物體的箇數.算法根據噹前檢測到目標信息,通過卡爾曼濾波,預測目標物的運動規律,選擇下一時刻攝像頭的最佳註意視角.該算法通過matlab倣真以及在移動式機器人實體上進行瞭實驗驗證,結果顯示,該算法能夠在時間順序有效的共享單箇攝像頭資源,檢測攝像頭視角範圍內的目標的位置,併根據上一箇時間點的檢測信息預測視角範圍外的目標,實現跟蹤多箇目標物體,降低預測及跟蹤的誤差,併優化跟蹤過程中切換攝像頭視角的能量損耗.
유우이동식궤기인소휴대적전감기자원유한,능구재시간추도상공향전감기자원,실현다목표근종,시지능화궤기인중요적연구영역지일,본문제출료일개기우인류행위모형적시서주의공제산법,능구실현사용단개2자유도섭상두실시감공다개자유이동적목표물체,해산법기우이하삼개공제원칙:①최소화감공목표위치예측적불학정성이급각개목표물예측효과적차이;②최소화다목표근종과정중섭상두절환시각소수적능량소모;③최대화능구정현재섭상두시각범위내적목표물체적개수.산법근거당전검측도목표신식,통과잡이만려파,예측목표물적운동규률,선택하일시각섭상두적최가주의시각.해산법통과matlab방진이급재이동식궤기인실체상진행료실험험증,결과현시,해산법능구재시간순서유효적공향단개섭상두자원,검측섭상두시각범위내적목표적위치,병근거상일개시간점적검측신식예측시각범위외적목표,실현근종다개목표물체,강저예측급근종적오차,병우화근종과정중절환섭상두시각적능량손모.
An important ability for mobile robots is to process multiple tasks in complex environments.Since the sensor resources on a robot are limited,it is necessary to distribute the sensors' attention to different tasks along the time scale.A human inspired temporal attention control method is proposed,which aims at detecting multiple objects and estimating their poses with a single actuated camera.The proposed method is based on three criteria which are partially inspired by human behavior:① Minimization of the overall object poses perception uncertainty and minimization of the variance of the perception uncertainty of different objects; ② Minimizing the energy cost of the camera movements for completing the tasks; ③ Maximization of the number of objects in the camera's field of view.Kalman filters are used to estimate the object poses and to determine the perception uncertainty.The proposed approach is tested in both simulation and an experiment on the robot.The results show that the proposed approach is able to switch the camera's attention according to the object's states effidently with a low frequency of camera movements.