基于激光雷達的人體跟蹤(2)

基于激光雷達的人體跟蹤(2)

3.1 人體腿部檢測算法

這里使用北洋公司生產的二維激光雷達HOKUYO URG-04LX-UG01。它的測量范圍是 5. 6 m,角度范圍是 240° (角度分辨率為0.36°)。本文使用 180° /0.36°的掃描模式,單次掃描可獲得 500 個測量數(shù)據(jù),掃描時間為 100 ms。激光雷達水平安裝在距離地面 0.3 m 高機器人位置處。
本文通過檢測人腿來檢測人體,首先將運動區(qū)域中的激光數(shù)據(jù)點進行分段,若連續(xù)兩個點之間的距離小于某一個閾值(實驗中設為8cm),則他們屬于同一段,通過激光掃描出來的人腿形狀為類圓弧形,大多數(shù)情況下激光能夠掃描到的圖像如圖2所示,圖2左邊表示激光在人的后面能夠掃描到人的兩條腿,右邊表示激光在人的側面時只能掃到一條腿。如圖3所示,由于人腿的特殊性,激光掃描出來的人腿形狀有一些幾何學上的特征,通過提取人腿形狀的一些有效的特征來識別人腿。文[1]使用了AdaBoost方法來訓練腿部數(shù)據(jù)特征,AdaBoost通過訓練正樣本(腿部的特征數(shù)據(jù))和負樣本(非腿部的特征數(shù)據(jù))能夠找到最優(yōu)的特征,但是AdaBoost分類器只能將正樣本和負樣本用直線分開,所以很難用更加細致的邊界曲線來區(qū)別正樣本和負樣本。而SVM就能用更加復雜的邊界曲線來更好地區(qū)分正樣本和負樣本。這里給出支持向量機講的比較好的幾個博客,也可參考西瓜書<<機器學習>>
https://www.cnblogs.com/steven-yang/p/5658362.html
https://blog.csdn.net/zx10212029/article/details/50198547
https://blog.csdn.net/xmdxcsj/article/details/51511346
由于人穿褲子時,褲子表面會隨時變化,所以激光掃描檢測到的人體腿部的形狀也不能被簡單地描述,為了分析人體腿部聚類數(shù)據(jù)的特征,需要使用大量的訓練數(shù)據(jù)。我們采集了五個人的數(shù)據(jù),每個人都穿普通的非寬松的褲子,每個人都在距離激光1-5m的距離隨意走動,激光放在距離地面30cm高的位置上。首先在干擾物較少的環(huán)境中采集人體腿部數(shù)據(jù),其次在普通辦公室環(huán)境下采集非腿部數(shù)據(jù),一共采集到2215組聚類數(shù)據(jù),其中包括腿部數(shù)據(jù)和一些室內環(huán)境中的非腿部數(shù)據(jù),使用SVM來訓練這些數(shù)據(jù)。

#include "laser.h"
#include "ml.h"
QFile laser1File("laser1.txt");
QFile laser2File("laser2.txt");
bool laser1TxtRemoveFlag=true;
bool laser2TxtRemoveFlag=true;
double angle_laser;
double distance_car_laser;
struct coor{

    double x;
    double y;
    int cluster;
};

struct curve{

    double L;
    double D;
};

struct ceter{

    double x;
    double y;
};
// initial position
 //std_msgs::Int16 V_L;
// std_msgs::Int16 V_R;


//編碼器的值
double right_enc=0;
double left_enc=0;
double right_enc_old=0;
double left_enc_old=0;
double dtcout = 0;

void LaserCallback (const sensor_msgs::LaserScan::ConstPtr& msg){

    // To get header data from sensor msg
//    SensorMsg = *msg;

    double px, py, pr, pt,dx,dy,R;
    std::vector < double >  laser_x;
    std::vector < double >  laser_y;
    std::vector < double >  laser_r;
    std::vector < double >  laser_t;
    std::vector<coor>  C;
    std::vector<ceter>  Ceter;
    ceter temp1;
    coor temp;
    for( unsigned i = 0; i < msg->ranges.size(); i++ ){
      pr = msg->ranges[ i ];
      pt = msg->angle_min + ( i * msg->angle_increment);
      laser_r.push_back( pr );
      laser_t.push_back( pt*180/3.14 );
    }

    for( unsigned i = 0; i < msg->ranges.size(); i++ ){
      pr = laser_r[ i ] * cos( laser_t[ i ]*3.14/180 );
      pt = laser_r[ i ] * sin( laser_t[ i ]*3.14/180 );
      //激光數(shù)據(jù)中有很多無效數(shù)據(jù),為無限大(inf)或者非數(shù)字(nan)的值,通過isnormal()函數(shù)來排除這些數(shù)據(jù),
     //參考:http://blog.csdn.net/wokaowokaowokao12345/article/details/72846436
      if(isnormal(pr)&&isnormal(pt))
      {
        laser_x.push_back( pr );
        laser_y.push_back( pt );
      }
    }
    //計算有效數(shù)據(jù)的個數(shù)
    int laser_size=laser_x.size();
    //類別至少為1
     int sort=1;
     int sort_max=1;
    temp.x=laser_x[ 0 ];
    temp.y=laser_y[ 0 ];
    temp.cluster=sort;
    C.push_back(temp);
    //按類別把數(shù)據(jù)分類,兩點之間距離小于0.5米就歸為一類,然后不歸為一類的就再加上一類
    for( unsigned i = 0; i <laser_size; i++ ){

             unsigned ii=i,jj=i+1;
             dx=laser_x[jj]-laser_x[ii];
             dy=laser_y[jj]-laser_y[ii];
             R=sqrt(dx*dx+dy*dy);
             if(R<0.5)
             {
                 temp.x=laser_x[jj];
                 temp.y=laser_y[jj];
                 temp.cluster=sort;
                 C.push_back(temp);
             }
             else
             {
                 temp.x=laser_x[jj];
                 temp.y=laser_y[jj];
                 temp.cluster=sort+1;
                 sort=sort+1;
                 sort_max=sort;
                 C.push_back(temp);
             }

       }

    double Lk,Dk,dx1,dy1,dx2,dy2,dx3,dy3,dx4,dy4,dx_begin,dy_begin,dx_end,dy_end,curve;
    vector<coor>::iterator it1;

    for(int category=1;category<=sort_max;category++){
        bool test1=true;
        bool test2=true;
         bool test3=true;
        Lk=0;
        //for(it1 = C.begin();it1 != C.end();it1++)
         for(it1 = C.begin();it1 != C.end();it1++)
         {

            //if((*it1).cluster==category&&((abs((*it1).x-Xc))<=0.3)&&((abs((*it1).y-Yc))<=0.3))
            if((*it1).cluster==category)
            {
                //找到一類的起始點
                if(test1)
                 {
                  dx_begin=(*it1).x;
                  dy_begin=(*it1).y;
                  test1=false;
                }
               //找到一類的起始點,但是這里dx1,dy1只用一次,不能每次都用,
                //否則不能實現(xiàn)依次兩個數(shù)據(jù)減的效果,后面再給dx1=dx2,dy1=dy2。
                if(test3)
                 {
                  dx1=(*it1).x;
                  dy1=(*it1).y;
                  test3=false;
                }
                  dx2=(*it1).x;
                  dy2=(*it1).y;
                  dx3=dx2-dx1;
                  dy3=dy2-dy1;
                  //計算每一類從頭到尾連起來的長度
                  Lk=Lk+sqrt(dx3*dx3+dy3*dy3);

                  vector<coor>::iterator it3;
                  for(it3=C.end();it3 != C.begin();it3--)
                  {
                     if((*it3).cluster==category)
                     {
                         if(test2)
                         {
                           dx_end=(*it3).x;
                           dy_end=(*it3).y;
                           test2=false;
                         }
                     }

                  }
                  dx4=dx_end-dx_begin;
                  dy4=dy_end-dy_begin;
                  //計算每一類第一個與最后一個的距離
                  Dk=sqrt(dx4*dx4+dy4*dy4);
                  dx1=dx2;
                  dy1=dy2;

            }
            int cc =1;
            cc=2;

        }
    //計算兩者的比例
         curve=Lk/Dk;
         
    // 加上一些限定條件來找到腿部數(shù)據(jù),也可以加上一些距離信息,這里還沒有加.
         CvSVM *SVM;
         SVM->load("/home/cyy/ros_car/carcontrol/SVM_DATA.xml");
         float a[] = { Lk, curve};
         CvMat sampleMat;
         cvInitMatHeader(&sampleMat, 1, 2, CV_32FC1, a);
         cvmSet(&sampleMat, 0, 0, Lk);                                        // Set M(i,j)
         cvmSet(&sampleMat, 0, 1,curve);                                        // Set M(i,j)
         float response = SVM->predict(&sampleMat);
         if(response==1)
         {

             if (laser1TxtRemoveFlag)
              {
                     QFile::remove("./laser1.txt");
                     laser1TxtRemoveFlag = false;
              }
             laser1File.open(QIODevice::WriteOnly | QIODevice::Append);
             QTextStream writetxt123(&laser1File);
             writetxt123 << QString::number(Lk) + "  " + QString::number(Dk) + "  " + QString::number(curve) + "  " + QString::number(0) + "  " << '\n';
             laser1File.close();
             double test_curve=curve;
             for(it1=C.begin();it1 != C.end();it1++)
             {
                if((*it1).cluster==category&&((*it1).x<1.1)&&(abs((*it1).y)<0.5))
                {

                    temp1.x=(*it1).x;
                    temp1.y=(*it1).y;
                    Ceter.push_back(temp1);


                }

              }

         }
         else
         {
             if (laser1TxtRemoveFlag)
              {
                     QFile::remove("./laser1.txt");
                     laser1TxtRemoveFlag = false;
              }
             laser1File.open(QIODevice::WriteOnly | QIODevice::Append);
             QTextStream writetxt123(&laser1File);
             writetxt123 << QString::number(Lk) + "  " + QString::number(Dk) + "  " + QString::number(curve) + "  " + QString::number(0) + "  "<< '\n';
             laser1File.close();


         }

     }
    double Xc,Yc,Xc_1,Yc_1;
   vector<ceter>::iterator it2;
    for(it2=Ceter.begin();it2!= Ceter.end();it2++)
    {

        Xc_1=(*it2).x+Xc_1;
        Yc_1=(*it2).y+Yc_1;

    }
    Xc=Xc_1/Ceter.size();
    Yc=Yc_1/Ceter.size();
    distance_car_laser=sqrt(Xc*Xc+Yc*Yc);
    angle_laser=atan(Yc/Xc);
    double test_Yc=Yc;
    if (laser2TxtRemoveFlag)
     {
            QFile::remove("./laser2.txt");
            laser2TxtRemoveFlag = false;
     }
    laser2File.open(QIODevice::WriteOnly | QIODevice::Append);
    QTextStream writetxt123(&laser2File);
    writetxt123 << QString::number(distance_car_laser) + "  " + QString::number(angle_laser) + "  " << '\n';
    laser2File.close();

}
laser::laser()
{

}

void laser::run()
{
    while (true)    //收到Ctrl+C 后停止
    {
      ros::NodeHandle nh;
     // ros::Rate loop_rate(125);  //發(fā)送速率為20hz

      ros::Subscriber node_sub = nh.subscribe("/scan", 2, LaserCallback);
     ros::spin();
     // loop_rate.sleep();  //按照20hz的頻率掛起
    }
}
最后編輯于
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
【社區(qū)內容提示】社區(qū)部分內容疑似由AI輔助生成,瀏覽時請結合常識與多方信息審慎甄別。
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發(fā)布,文章內容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務。

相關閱讀更多精彩內容

  • 當你對各種軍用雷達頭大的時候,推薦你讀讀這一篇。 艦載雷達 |型號|應用||:-:|:-:|:-:|:-:|:-:...
    好心態(tài)閱讀 7,781評論 0 7
  • 在最繁華的年紀遇見最美的你們 一張張稚嫩的臉龐 一張張明媚的笑臉 把握現(xiàn)在 描繪未來 與你們攜手書寫大學生活的華章
    長生月閱讀 165評論 0 0
  • 曉酒館閱讀 165評論 0 0
  • 發(fā)友邦:一個專注于毛發(fā)再生的專業(yè)資訊平臺。提供植發(fā)、固發(fā)、養(yǎng)發(fā)、植胡須、植眉毛、美人尖、鬢角等信息發(fā)布,同步上線的...
    發(fā)友邦閱讀 275評論 0 0
  • 不知不覺,時間已經過了四分之三,時間的流逝就是這樣悄無聲息。 盤點一下自己的計劃,差不多完成了60%,也是沒有想到...
    HR老白張小編閱讀 232評論 0 0

友情鏈接更多精彩內容