来源：期刊VIP网 时间：
作者：何浪;李世芸;仇隽挺;张陈皓旻;游刚;
单位：昆明理工大学机电工程学院;浙江工业大学机械工程学院;
摘要：传统避障技术通常依赖于静态环境感知或对动态物体的简单响应，难以有效预测动态障碍物的行为。而考虑行人轨迹信息的避障技术结合了深度学习算法，能够理解行人行为模式，作出更加合理的决策进行避障。首先，对深度相机采集的彩色图像数据进行处理，采用YOLOv5算法进行目标检测，DeepSort算法实现实时跟踪，MediaPipe算法完成姿态识别。然后，通过目标检测和实时跟踪计算出行人位置信息，通过姿态识别获取行人姿态信息，采用LK光流计算方法得到移动机器人的运动信息，将上述信息输入到全卷积神经网络中进行训练，并输出预测轨迹；其次，对深度相机和激光雷达进行联合标定，通过深度图获得行人距离信息，并解算出预测轨迹的姿态角，将预测轨迹信息映射到激光雷达建立的栅格地图中。最后，使用包含行人轨迹预测信息的动态窗口法进行避障。实际环境测试表明，考虑行人轨迹的总体避障时间减少了61.3%,与行人间的最短距离增加了84.56%。能够得出结论，与传统避障技术相比，考虑行人轨迹的移动机器人可以精确感知行人及其运动轨迹，从而使避障策略和最终路径更加合理。
关键词：动态避障;;动态窗口法;;全卷积神经网络;;轨迹预测;;光流法
基金资助：昆明理工大学校企合作专项资助项目(HZ2021F0370A)
