开发手册 - 目标跟踪

Slot Following

设由多个有腿托盘(比如料车)顺序摆放的场景，机器人使用导航雷达识别推盘腿对，计算 中心点作为跟踪目标，逐一穿过托盘，在穿越给定数量腿对后停下。

算法的核心思路是，将腿对中心点作为跟踪目标，使用轨迹跟踪算法跟踪目标，当目标距离 小于设定阈值时识别下一个腿对，直到穿越完所有腿对。

步骤	动作
1. 点云预处理	将雷达点云转换为机器人坐标(右手坐标系)，忽略10mm以内的点云，然后展示在C监控器。 点云被C监控器转换为世界坐标，点云位置对应D返回的机器人位姿。
2. 寻找点云中的角点	在点云中寻找角点，角点中包含了托盘腿。算法顺时针扫描点云，寻距距离雷达最近的点， 然后以该点为枢纽点寻找包含它的点云团，如找到则记录为角点。此特征符合托盘腿（方管）斜对激光 雷达的点云轮廓，是凸向激光雷达的点云结构。
3. 寻找托盘腿对	在角点对中搜索托盘腿对。托盘腿对是垂直于机器人前进方向的连线，其距离满足 设定的托盘腿宽度及误差范围。
4. 选择最优腿对	在腿对中选择最优腿对作为跟踪目标。第一个目标的Y和角度偏差应小于给定阈值， 第二个以后目标的角度偏差应小于连续跟踪角度偏差。

2.1 点云预处理

从C的车体布局读取激光雷达外参，以机器人运动中心为原点，将点云坐标转为机器人坐标系，并在C监视器显示。 C监视器将点云转为世界坐标系显示，因此点云相对机器人的位置与D相同。对机器人而言，点云使用右手坐标系， 与世界坐标并无关系。

2.2 寻找点云中的角点

点云以角度与距离排序，顺时针扫描点云，以PillarFindingScope为搜索窗口尺寸，寻找距离激光雷达最近的点， 然后以该点为搜索起点，寻找其是否在点云团中，其目的是寻找托盘腿特征。点云团由一定数量点构成，有一定 尺寸。构成点云团的最少点数由BlobPointCount定义，其尺寸由BlobSize定义，其搜索半径（以搜索起点为圆心） 由BlobSearchRadius定义。找到点云团则计算其质心以为角点，角点在C监视器以5mm半径的红色实心点表示。

参数	说明
PillarFindingScope	搜索点云团的滑动窗口尺寸，默认20mm。滑动窗口内点与搜索起点的距离小于BlobSearchRadius时， 判定属于点云团。
BlobSearchRadius	点云团的搜索半径，应比点云团尺寸大。单位mm，默认100mm。该参数值应大于BlobSize。
BlobPointCount	构成点云团的最少点数。调试时应根据M的雷达视图，根据构成托盘腿的点云团规模来判断， 应取稳定构成托盘腿的点数量。不同激光雷达的角分辨率不同，因此在不同距离观察到同一个腿的点数有 区别，且在噪音下跳动。调试时应选择最远距离和中间距离观察，以得到稳定值。
BlobSize	点云团尺寸，单位mm。尺寸应略大于托盘腿宽度，比如托盘腿方管宽度30mm，则取40mm较好。 该参数与BlobPointCount是稳定检测的关键，调试时应将激光雷达放到不同距离以观察识别稳定性，然后 在运动状态下（跟踪目标前进）复核。如果参数不良，角点就会跳动，导致跟踪目标的角度偏差，进而 拉偏机器人而撞上托盘。
BlobDistance	角点间的最小距离，单位mm。角点是托盘腿质心，该参数用于区分不同的点云团，比如 料车腿由两根方管支撑，每根方管宽度30mm，间隔30mm。跟踪目标是内侧方管，则两根方管的点云团质心 至少相距60mm，将其设为70-80mm较好。该参数与BlobPointCount和BlobSize联合使用，应根据C监视器 显示的角点来判断取值是否合理。

2.3 寻找托盘腿对

角点两两配对，如果两个角点的Y坐标不相同，则判定为一对。然后根据给定的托盘宽度判断角点对是否腿对，不满足 条件的角点对以灰线标记。大于搜索范围的腿对被丢弃，余下的检查是否满足托盘腿对的条件，不满足丢弃并以深橄榄绿线 标记。

腿对应满足机器人无碰撞穿越条件，腿对内净空区域应无障碍物。算法为此定义了倒T型区域，使用点云判断该区域是否满足条件。

                                |
                                | <------------ outerPadding
              innerIgnore       |
                |               |
                |  +------------+ <------------ deepthInner
                |  |            |
                v  |            | <------------ 停车位置
             +-----+腿        腿+-----+ 
             |                        | <------ deepthOuter
             +------------------------+ <------ deepthOuterFar

跟踪目的是让机器人停在倒T型区域中间(然后跟踪下一腿对，为方便讨论假设它停下)。机器人停止点是其运动中心，车头到该区域 的12点位置，因此要定义机器人停下的车头和车尾位置，为此定义deepthinner和deepouter参数，deepthinner是车头到倒T型12点距离， deepthouter是车尾到倒T型6点距离。如果机器人进入托盘时左右需要空间，则以outerpadding来挤压两侧以产生倒T型轮廓。 innerignore用于扩大腿侧面空间，避免该区域的点被识别为障碍物。

识别出来的腿对以青色线表示，被过滤的以深橄榄绿线表示。

参数	说明
TrayWidth	托盘腿对的距离，单位mm。
TrayWidths	多个托盘的腿距不同时，以数组给出。
TrayWidthRange	托盘腿对的距离误差范围，单位mm。
depthInner	停车时车头进入托盘深度，以激光雷达为原点，单位mm，默认值50。
depthOuter	停车时车尾距离跟踪目标深度，以激光雷达为原点，单位mm，默认值100。
depthOuterFar	倒T型区域的6点位置，与depthInner构成净空区域的长度，单位mm，默认值400。
outerPadding	挤压(矩形)净空区域形成倒T型轮廓，与depthOuter配套，单位mm，默认值50。
innerIgnore	托盘腿的尺寸，单位mm，默认值150。由于角点是没有体积的点，因此用该参数定义腿尺寸，以免误判障碍物点。
allowedBadpoints	净空区域内的最大点数量，用于过滤噪音点。默认值5。

2.4 寻找最优腿对

识别出来的腿对可能有多个。第一组腿必须满足进入的角度和宽度条件，以MaxFirstYDiff和MaxFirstThetaDiff定义。 第二组以后则必须满足连续穿越的角度偏差条件，以seqThDiffTolerance定义。

此时如果距离跟踪目标距离小于StopDistance，则判定为到达目标，结束跟踪。

识别出来的腿对以橙色连线表示；红色箭头线表示余下里程与角度。当距离目标小于LookupNextDistance时， 跟踪下一组腿。

轨迹跟踪方法与Clumsy的轨迹跟踪算法相似，略。

参数	说明
Slots	要跟踪的腿对数量。
LookupNextDistance	距离跟踪目标的余下里程小于该参数时，当前目标跟踪结束，开始跟踪下一组腿。
SafeDistance	识别到腿对时，把机器人到腿对距离加上安全距离，在此区内内的腿对不作为识别目标。
finalTurnCompensate	到达终点时是否执行最终角度调整，默认为true。

2.5 运动控制

参数	说明
StopDistance	停车距离，默认 0mm。注意点云坐标被转换到机器人运动中心，因此雷达到达目标时的距离不会是0，应加上雷达到运动中心的X距离。该参数应在调试时观察获得。
SlowdownDistance	终点前缓行距离，默认 500mm。
BaseSpeed	默认行驶速度，默认 700rpm。
StoppingPow	缓行幂指数。
speedDegThres	机器人与预瞄点夹角最大值，小于时才会下行走速度。

2.6 运控视觉反馈

图 2-1 SF图示

启用Slow Folling算法后，Clumsy显示算法计算过程。

1. 角点。具有“凸包”特征的角点，红点即其中心。
2. 腿对连线。成组角点（腿对）的连线。
3. 选中腿对中心点。是机器人行走路径的终点。
4. SLAM 测算角度。根据激光雷达测算的机器人位姿，SF 不会使用 SLAM 定位结果，仅用于监控参考。
5. 轨迹跟踪角度。箭头指向预瞄点。
6. 规划轨迹角度。当前路径的角度。