开发手册 - 目标跟踪

Slot Following

Slot Following(SF)是穿越多个有腿托盘的自动驾驶算法。

设由多个有腿托盘(一般是料车)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，当余下里程 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，并忽略10mm以内的点云。
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。
3. 寻找托盘腿对	在角点对中搜索托盘腿对。
4. 选择最优腿对	在腿对中选择最优腿对作为跟踪目标。

2.1 点云预处理

从车体布局器读取导航雷达的最近一帧数据，将点云变换为机器人坐标，并忽略10mm以内的点。点以白色点表示。

2.2 寻找点云中的角点

以雷达扫描角度为扫描线，使用滑动窗口遍历点云，寻找窗口内满足距离阈值的点，并找到距离雷达最近的 点(凸向机器人的最近点)。如果找到符合条件的最近点，使用托盘检测算法搜索它与周围点是否构成团块(blob)， 如找到团块，则计算团块质心作为角点。角点以5mm半径的红色实心点表示。

寻找角点所用的参数：

PillarFindingScope	滑动窗口的尺寸，默认20mm。滑动窗口内所有点与遍历点云当前点的距离小于wndDist时，判定属于点云团。
wndDist	滑动窗口中点云团判定尺度。默认100mm。
LidarDetectTray.BlobPtCount	点云团必须包含点数的下限。调试时根据M的雷达视图选择合适参数，过大会识别不出小尺寸托盘腿。
LidarDetectTray.blobSz	点云团尺寸。标定方法同上。

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
width	托盘腿对的距离，单位mm。
widths	多个托盘的腿距不同时，以数组给出。
width_error	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maxRangeTh和maxRangeY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。

如果找不到腿对则停车。此时如果距离跟踪目标距离小于100mm，则判定为到达目标，结束跟踪。

识别出来的腿对取第一组，以橙色连线表示；红色箭头线表示余下里程与角度。当余下里程小于nextSlotDist时， 判定当前目标跟踪结束，开始跟踪下一组腿。

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。
nextSlotDist	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。
safeDist	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
target，	停车距离，默认 0mm。
slowDownDist，	终点前缓行距离，默认 500mm。
baseSpeed，	行驶速度，默认 700rpm。
stoppingPow，	缓行幂函数指数。
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。