[發明專利]一種基于漸進無跡卡爾曼濾波的人體目標跟蹤方法

有效

• 申請號: 201810359381.0
• 申請日: 2018-04-20
• 公開（公告）號: CN108680162B
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 俞立;鄭婷婷;楊旭升;趙禮艷
• 申請（專利權）人: 浙江工業大學
• 主分類號: G01C21/20
• 分類號: G01C21/20;G01S17/66
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

一種基于漸進無跡卡爾曼濾波的人體目標跟蹤方法，該方法針對線性化誤差過大引起的系統跟蹤性能下降問題，在量測更新過程中，通過漸進地引入當前量測信息以減小線性化誤差，從而有效地提高人體目標的跟蹤精度。其次，在量測漸進過程中引入判定條件，進一步地補償系統中存在的線性化誤差。相比于現有的目標跟蹤方法，該方法充分考慮線性化誤差對系統的影響，在保證計算復雜度的前提下，提高了對人體目標的跟蹤精度。

技術領域

本發明屬于移動機器人領域，尤其是一種用于跟隨機器人的人體目標跟蹤方法。

背景技術

隨著社會生產和生活要求的日益提高，移動機器人產業發展非常迅速并逐步滲透于社會服務、醫療健康以及資源探測等領域。在未知復雜的動態環境中，實現對服務對象的識別與跟蹤是提高移動機器人環境適應能力的主要途徑之一，同時也是其通過人機協作完成復雜指定任務的前提和基礎。

為實現移動機器人對人體目標的有效檢測與跟蹤，需要設計一個穩定的、性能良好的人體目標跟蹤估計器。考慮到人體目標跟蹤過程中存在的非線性濾波問題，一些常用的非線性濾波方法有擴展卡爾曼濾波方法、無跡卡爾曼濾波方法以及容積卡爾曼濾波方法等。然而，上述非線性估計器的擬合精度十分有限，當系統具有強非線性時，會引入較大的線性化誤差，從而破壞目標跟蹤估計器的穩定性與收斂性。特別地，受環境變化、傳感器性能等因素的影響，在人體目標跟蹤過程中可能會存在目標遮擋、丟失等情況。這將引起某一采樣時刻的量測信息缺失，使得系統的線性化誤差增大，從而導致機器人無法準確地跟蹤服務對象。為了減小線性化誤差對系統的影響，可采用迭代卡爾曼濾波方法或高斯漸進濾波方法對系統狀態進行估計。此類方法通過對其中的量測更新過程進行多次迭代運算，可一定程度地提高系統對人體目標的跟蹤精度。然而，現有的迭代方法沒有充分考慮到線性化誤差的補償問題，易導致量測迭代次數過多，進而產生過自信的估計結果。目前，尚未有人體目標跟蹤方法能夠克服上述因素的影響，使得跟隨機器人能可靠、穩定地實現人體跟隨功能。

發明內容

為了克服現有人體目標跟蹤方法的精度較低、穩定性較差的不足，本發明提供了一種基于漸進無跡卡爾曼濾波的人體目標跟蹤方法，該方法在保證計算復雜度的前提下，考慮線性化誤差對系統的影響，有效地提高人體目標的跟蹤精度。

本發明解決其技術問題所采用的技術方案是：

一種基于漸進無跡卡爾曼濾波的人體目標跟蹤方法，所述方法包括以下步驟：

步驟1，建立跟隨系統的狀態模型，以及相關服務對象的量測模型；

步驟2，初始化參數，確定機器人跟隨系統的狀態向量以及對應的噪聲協方差；

步驟3，對系統狀態進行更新，得到k時刻系統的狀態預測值及其對應協方差P_k|k-1；

步驟4，對系統的量測更新過程進行迭代。根據迭代過程中系統的似然函數以及采樣粒子的權重自適應地調整迭代步長Δ；同時，令γ_n＝γ_n-1+Δ，判斷γ_n是否大于等于1，結果為是，則令Δ＝1-γ_n-1，結果為否，則不做修改；然后，將量測噪聲v_k放大Δ倍，并計算第n次更新后的量測預測值及其協方差判斷第n次更新后的狀態估計誤差是否在均方意義下有界，結果為是，則執行步驟5；結果為否，則k時刻系統的后驗狀態向量及其協方差P_k為第n次目標后驗狀態向量與協方差并令k＝k+1，執行步驟3；

步驟5，根據所得的量測預測值及其協方差以及互協方差得到第n次量測更新后系統的后驗狀態向量與協方差

步驟6，判斷γ_n是否等于1，結果為是，則k時刻目標后驗狀態向量及其協方差P_k為第n次目標后驗狀態向量與協方差并令k＝k+1，執行步驟3；結果為否，則令n＝n+1，執行步驟4。