機器人未知環(huán)境如何使用單目次優(yōu)視差進行多模濾波目標(biāo)跟蹤算法

　　在未知環(huán)境下基于單目視覺的機器人同時定位、地圖構(gòu)建和目標(biāo)追蹤的耦合問題（SLAMOT）中，需要足夠的視差才能滿足目標(biāo)跟蹤的可觀性條件。同時，針對目標(biāo)運動的不確定性以及系統(tǒng)對于目標(biāo)運動方式的未知性，提出一種基于次優(yōu)視差的多模濾波目標(biāo)跟蹤算法。首先，采用目標(biāo)不確定性橢球投影面積變化最大的方向為次優(yōu)視差方向，并將其作為機器人視差控制方向;然后，采用多模濾波算法計算目標(biāo)各種運動方式的概率;其次，對各運動方式的目標(biāo)狀態(tài)進行估計，最后根據(jù)各運動方式的概率加權(quán)估計出目標(biāo)狀態(tài)。另外，考慮到工程應(yīng)用中應(yīng)減小能耗，因此，在滿足目標(biāo)跟蹤要求的條件下，降低視差速度。仿真實驗表明：視差速度為0.3 m/s時，次優(yōu)視差算法的殘差均值為0.16m，而啟發(fā)式算法、多模濾波算法、傳統(tǒng)擴展卡爾曼濾波（EKF）算法的殘差均值為0.25 m、0. 06 m和0.16 m。在視差速度較低時，所提算法也能滿足目標(biāo)跟蹤的可觀性條件，具有較強的工程應(yīng)用價值。

　　隨著計算機和感知技術(shù)的不斷發(fā)展，機器人領(lǐng)域逐漸成為學(xué)者們研究的熱點。未知環(huán)境下機器人目標(biāo)跟蹤是指移動機器人在陌生環(huán)境中對運動目標(biāo)的空間狀態(tài)進行估計的過程。而目標(biāo)狀態(tài)估計是以移動機器人自身狀態(tài)估計為基礎(chǔ)的，要在未知環(huán)境中實現(xiàn)移動機器人自身狀態(tài)估計，實際就是解決同時定位與地圖構(gòu)建（ Simultaneous Localization andMapping， SLAM）問題。實際就是解決機器人SLAM問題。因此，未知環(huán)境F機器人目標(biāo)跟蹤所研究的是機器人同時定位、地圖構(gòu)建與目標(biāo)跟蹤（ Simultaneous Localization， Mappingand Object Tracking， SLAMOT） 問題，它能夠?qū)崿F(xiàn)機器人對自身狀態(tài)、環(huán)境狀態(tài)和目標(biāo)狀態(tài)的同時估計。