融合行人运动信息的室内移动机器人动态避障方法

为了提高移动机器人在室内人机共融环境下的运动安全和交互性,提出了一种融合行人运动信息的室内移动机器人动态避障方法,同时考虑任务约束和社会规则.首先,利用YOLOv3算法和Deep Sort算法分别对室内环境中的行人进行实时检测与目标跟踪,计算行人在过去时刻的历史轨迹.然后,利用Social-GAN算法构建行人交互模型,实现轨迹预测.在此基础上,将行人的运动状态融合进机器人避障算法之中,根据社会规则设计评价函数,对机器人采样速度样本进行评估,使移动机器人能够以安全和舒适的方式绕过行人,确保室内人机共融环境下移动机器人的社会接受性.通过实验对比分析,与传统DWA方法相比,本文方法不仅可以提高机器人导航避障效率,在相同室内场景下导航避障时间由23.56 s提高到19.38 s,而且可以有效降低与行人发生碰撞的风险,保证机器人导航的安全和社交性.