侯建强 王飞 董玉欣

摘 要：针对铁路车辆检修车间情况，为提高焊接烟尘净化机应用效率，解放劳动力，引入3D相机和激光雷达相结合的智能跟随系统作为运动控制手段，研究了适合检修车间应用的焊烟净化机的智能跟随作业方式。

关键词：3D相机；激光雷达；智能跟随；焊接烟尘净化机

中图分类号：TG408 文献标识码：A 文章编号：1671-2064（2019）15-0088-02

0 引言

按照铁路货车检修规程，在铁路车辆检修车间大库内，须对车体分散部位进行焊修，在焊修过程中会产生大量的焊接烟尘，对车间作业人员的身体健康产生危害。现在绝大多数焊接烟尘净化机都是固定使用的，覆盖整个检修车间固定焊接烟尘净化机的成本很高，本文则针对一种可移动的焊烟净化机的作业进行研究。

焊接工人作业时，需要携带操作工具，如果还需要另外手动控制焊烟净化机移动则会降低工作效率。本文针对这一问题以及检修车间复杂的工作环境，将智能跟随系统加入到焊烟净化机中，在工人移动作业时，可以使得焊烟净化机智能跟随作业工人行走到下一个工作场地，持续作业，有利于提高工作效率，助力企业智能升级。

1 智能跟随方式设计

智能跟随包含了两个步骤：（1）知道目标在哪。（2）能跟着目标运动。在跟随过程中，还要处理障碍物的躲避。主要包含3个技术模块：人体定位模块、机器人跟随运动控制模块和避障模块。其中人体定位模块是整个智能跟随系统的核心以及难点。

1.1 人体定位方案选择

充分调研现有产品上人体定位方案，大致分为3个类别：第一种是采用传感器定位模块，如蓝牙、射频技术等；第二种是基于深度相机，如Kinect、RealSense等。第三种是激光雷达。下面分别分析这三种方案的优点和缺点，针对检修车间的智能跟随系统选择合适的方案。

1.1.1 传感器定位

（1）优点：1）能夠求出目标的x、y、z坐标。2）在360°都可定位。3）定位目标受障碍物影响较小。

（2）缺点：1）无法判断障碍物。还需辅助其他技术。2）使用人员必须佩戴相对应的传感器。

1.1.2 深度相机定位

基于深度相机直接去识别人体骨骼。

（1）优点：1）不仅能求出x、y、z坐标，还能求出物体相对于相机的三维偏转角。能够获得更丰富的决策信息，精度高。2）深度相机不仅可以用来识别目标，还可以识别大多数障碍物。

（2）缺点：深度相机的视角有限，一般不大于70°，且受视线影响，会被遮蔽。

1.1.3 激光定位

激光定位主要通过识别检测人腿信息，并通过人腿配对的方法定位人体信息。

（1）优点：1）能求出x、y、z坐标。2）不仅可以识别目标，还可以识别大多数障碍物。3）检测范围较广，一般能够达到180°以上。

（2）缺点：由于激光本身数据信息量少的限制，容易造成误检测或者检测丢失的情况，通常需要结合其他传感器一起使用。

1.1.4 总结

通过对以上三个方案进行综合比较，结合焊烟机实际的工作环境，最终决定选择利用3D相机结合激光雷达的定位方案作为跟随式焊烟净化机的跟随方案，理由如下：

（1）3D相机检测精度较高，稳定性好。（2）检修车间工作环境比较复杂，车辆以及工作人员比较多，需要做好避障措施，使用激光雷达可以简单高效地完成避障任务。（3）激光雷达还能一定程度上弥补3D相机视野较窄的情况。

1.2 跟随系统软件框架设计

如图1为跟随系统软件框架。

主要分为以下4个步骤：

（1）Kinect相机通过红外线发射器和红外CMOS摄像机共同完成深度图像的获取，控制处理系统NUC通过骨架识别算法对深度图像处理，输出人体位置。（2）激光雷达传感器采集前方区域点云数据，控制处理系统NUC通过随机决策森林算法识别人腿，并对人腿进行配对，输出人的位置信息。（3）对上面两个输出的人的位置信息做数据融合，输出人的最优检测位置。（4）然后根据检测目标位置，对机器人进行跟随运动控制。

2 人体定位算法概述

人体定位系统主要由3D相机Kinect以及激光雷达组成。通过Kinect相机采用骨架识别算法以及激光雷达的人腿识别算法检测出跟踪目标的位置，对这两种算法进行数据融合，得到最优的结果。

2.1 Kinect的骨架识别算法

微软开发了一种Kinect系统，这种系统是一种包括硬件和软件的体感设备，具有实时捕捉、麦克风输入、语音识别等功能。利用Kinect的动态捕捉可以获取运动目标的三位坐标信息。由于Kinect相机可以很容易获得目标的三维信息，研究者开始将这项功能应用在机器人的跟踪上。

Kinect通过红外线发射器和红外CMOS摄像机共同完成深度图像的获取。

首先红外线发射器会发出红外光覆盖摄取区域，同时红外线摄像机接收发射光线得到深度图像，每个像素的颜色代表物体那一点到摄像头的距离。对深度图像进行分析，利用分割算法将人体部分从环境中分离出来；对正在运动的部位进行分析，建立人体骨架图。

跟随机器人首先要获取跟踪目标，通过对骨架的分析后，Kinect识别跟踪目标的骨架信息。

2.2 激光的人腿识别算法

激光雷达可以在前方270°的范围内发射几百个激光束，遇到障碍物时返回，可以计算出障碍物和激光的距离信息。

人腿识别算法采用的核心算法是一种随机决策森林的算法。首先用机器学习训练出人的腿部共14个特征，然后输入激光数据，采用随机决策森林算法匹配出人腿。最后通过两个腿之间的位置信息进行配对，配对成功后就是人的信息。

2.3 两种检测算法的融合

由于两种算法各自都有优缺点，基于深度相机直接去识别人体骨骼。不仅能求出x、y、z坐标，还能求出物体相对于相机的三维偏转角。能够获得更丰富的决策信息，但是Kinect相机的视角有限，只有不到左右70°，且受视线影响，会被遮蔽。但是采用激光的话可以弥补Kinect的视野比较小的情况，还能通过激光雷达进行避障。

对于Kinect以及激光雷达两种传感器检测出来的人的位置不是唯一的，会出现多检测以及误检测的情况，需要对这两种数据进行融合和筛选，输出一个最合适的位置信息。

3 机器人跟随运动控制模块

结合机器人具体的底盘，设计一套合适的运动控制算法，其中包含了机器人的避障以及发送速度命令的均值滤波处理。

3.1 控制流程

如图2所示，为焊烟净化机控制流程图，首先机器人站在机器人可识别的区域内，当识别成功后，进入跟随模式，进行底盘运动控制。

3.2 底盘运动控制

如图3所示，为机器人跟踪示意图，（x、y）这个点代表跟踪目标的位置，单位为m；代表跟踪目标偏离机器人正前方的角度，单位为弧度。机器人跟随系统通过发送线速度和角速度来控制底盘运动。设定默认位置为（x0，y0），偏转角度为0，则机器人运动控制的线速度v=（x-x0）*0.9；旋转的角速度w=arctan（y/x）*1。

3.3 机器人避障

本文采用激光雷达进行避障。

（1）首先利用激光采集前方区域点云数据，标记出障碍物区域。（2）根据机器人当前的运动速度，仿真一段时间，看这段时间后，机器人会不会撞上标记上的障碍物，如果会撞上，立马发停止命令。

4 結语

本文研究的跟随式焊烟净化机的智能跟随方式，通过采用3D Kinect相机以及激光雷达结合使用，定位人体位置，并进行智能跟随。目前，已将采用该跟随式焊烟净化机应用在铁路车辆检修车间，应用效果达到预期要求。在工人移动作业时，可以使得焊烟净化机智能跟随作业工人行走到下一个工作场地，持续作业，有利于提高工作效率，助力企业智能升级。

参考文献

[1] 杨晓敏，张奇志，周亚.基于Kinect深度信息的人体运动跟踪算法[J].北京信息科技大学学报（自然科学版），2013（24）：11-12.

[2] 扈彬.基于随机森林与卡尔曼滤波的人体跟踪方法[J].天津师范大学，2012（1）：16-18.