Autonomous Navigation in Dynamic Human Environments with an Embedded 2D LiDAR-based Person Tracker
作者: Davide Plozza, Steven Marty, Cyril Scherrer, Simon Schwartz, Stefan Zihlmann, Michele Magno
分类: cs.RO, eess.SY
发布日期: 2024-12-19
备注: Accepted by SAS 2024
期刊: IEEE Sensors Applications Symposium (SAS), 2024, pp. 1-6
DOI: 10.1109/SAS60918.2024.10636369
💡 一句话要点
提出一种基于2D LiDAR的嵌入式行人跟踪与避障自主导航系统
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 自主导航 行人跟踪 2D LiDAR 嵌入式系统 机器人 人机交互 多目标跟踪
📋 核心要点
- 现有自主导航方法在复杂动态环境中，尤其是在人机交互场景下，难以保证导航的安全性和效率。
- 该论文提出一种基于2D LiDAR的嵌入式行人跟踪与避障系统，通过模块化设计，提升了系统在动态环境下的适应性。
- 实验结果表明，该系统在嵌入式平台上能够实时运行，并有效提升了机器人在动态环境中的导航性能和安全性。
📝 摘要（中文）
本文针对自主移动机器人在动态人类环境中导航的问题，提出了一种嵌入式实时跟踪方案，并将其集成到导航规划框架中，以实现有效的人员跟踪和避障。该方案采用先进的基于2D LiDAR的人员检测网络和高效的多目标跟踪器。通过将检测、跟踪和规划分离，突出了每个组件的模块化和可移植性。在配备270° 2D-LiDAR的四足机器人上，针对新记录的三个数据集，验证了该跟踪方法，最佳配置实现了85.45%的平均MOTA，并在NVIDIA Jetson Xavier NX嵌入式GPU加速平台上以20 Hz的频率实时运行。此外，在真实导航实验中评估了集成的跟踪和避障系统，证明了准确的人员跟踪如何帮助规划器优化生成的轨迹，从而增强其避撞能力。本文旨在通过融合人员检测和响应式规划的最新进展，实现更安全的人机共存，从而有效且安全地导航共享空间。
🔬 方法详解
问题定义：论文旨在解决自主机器人在动态人类环境中安全高效导航的问题。现有方法在复杂环境下，行人检测和跟踪精度不足，导致导航规划难以有效避开行人，影响人机交互的流畅性和安全性。此外，计算复杂度也是一个挑战，需要在嵌入式平台上实现实时性。
核心思路：论文的核心思路是将行人检测、跟踪和导航规划模块解耦，分别进行优化，然后集成到一个完整的系统中。通过这种模块化的设计，可以更容易地针对特定场景优化每个模块，并提高系统的整体性能和鲁棒性。同时，采用轻量级的算法和嵌入式GPU加速，保证了系统的实时性。
技术框架：该系统的整体框架包含三个主要模块：1) 基于2D LiDAR的行人检测模块，用于检测环境中行人的位置；2) 多目标跟踪模块，用于跟踪行人的运动轨迹；3) 导航规划模块，根据行人的位置和运动轨迹，生成安全且高效的导航路径。这三个模块通过信息交互，实现自主导航。
关键创新：该论文的关键创新在于将先进的2D LiDAR行人检测网络与高效的多目标跟踪器集成到嵌入式平台上，并将其与导航规划模块相结合，实现了一个完整的自主导航系统。这种集成方案充分利用了2D LiDAR的优势，能够在动态环境中准确地检测和跟踪行人，并生成合理的导航路径。
关键设计：在行人检测模块中，采用了轻量级的深度学习模型，并针对2D LiDAR数据进行了优化。在多目标跟踪模块中，采用了卡尔曼滤波等算法，对行人的运动轨迹进行预测和跟踪。在导航规划模块中，采用了考虑行人运动的避障算法，保证机器人在导航过程中的安全性。此外，论文还针对NVIDIA Jetson Xavier NX平台进行了优化，实现了实时性。
🖼️ 关键图片
📊 实验亮点
该论文在配备270° 2D-LiDAR的四足机器人上进行了实验验证。在三个新记录的数据集上，最佳配置实现了85.45%的平均MOTA，表明该跟踪方法具有较高的准确性。此外，该系统能够在NVIDIA Jetson Xavier NX嵌入式GPU加速平台上以20 Hz的频率实时运行，证明了其在嵌入式平台上的可行性。真实导航实验表明，准确的人员跟踪能够帮助规划器优化生成的轨迹，从而增强避撞能力。
🎯 应用场景
该研究成果可应用于各种需要与人类共享空间的自主移动机器人，例如服务机器人、物流机器人、巡检机器人等。通过提高机器人在动态环境中的导航能力，可以提升人机交互的效率和安全性，促进机器人在实际场景中的应用。未来，该技术还可以扩展到其他类型的传感器和机器人平台，实现更广泛的应用。
📄 摘要（原文）
In the rapidly evolving landscape of autonomous mobile robots, the emphasis on seamless human-robot interactions has shifted towards autonomous decision-making. This paper delves into the intricate challenges associated with robotic autonomy, focusing on navigation in dynamic environments shared with humans. It introduces an embedded real-time tracking pipeline, integrated into a navigation planning framework for effective person tracking and avoidance, adapting a state-of-the-art 2D LiDAR-based human detection network and an efficient multi-object tracker. By addressing the key components of detection, tracking, and planning separately, the proposed approach highlights the modularity and transferability of each component to other applications. Our tracking approach is validated on a quadruped robot equipped with 270° 2D-LiDAR against motion capture system data, with the preferred configuration achieving an average MOTA of 85.45% in three newly recorded datasets, while reliably running in real-time at 20 Hz on the NVIDIA Jetson Xavier NX embedded GPU-accelerated platform. Furthermore, the integrated tracking and avoidance system is evaluated in real-world navigation experiments, demonstrating how accurate person tracking benefits the planner in optimizing the generated trajectories, enhancing its collision avoidance capabilities. This paper contributes to safer human-robot cohabitation, blending recent advances in human detection with responsive planning to navigate shared spaces effectively and securely.