# 基于深度学习的社交环境移动机器人激光雷达人体检测 1^{st} 阿里夫·维卡克萨纳·拉马丹 电气工程系 泗水国立电子理工学院（PENS） 印度尼西亚泗水 $3^{rd}$ Setiawardhana 信息与计算机工程系 泗水国立电子理工学院（PENS） 印度尼西亚泗水 2^{nd} 比马·塞纳·巴尤·德万塔拉 信息与计算机工程系 泗水国立电子理工学院（PENS） 印度尼西亚泗水 $4^{th}$ Fursan Akzada 信息与计算机工程系 泗水国立电子理工学院（PENS） 印度尼西亚泗水 摘要——如今，机器人技术已应用于制造业、医疗保健、物流等诸多行业，集成人工智能驱动的能力，可在多样作业环境中提升效率与协作水平。对于移动机器人而言，要在人类社交环境中有效作业并获得认可，在响应和交互过程中考虑人体存在的能力至关重要。因此，有必要开发能够检测周围人体存在的机器人，使其能够在导航过程中兼顾社交环境因素。同时，鉴于激光雷达传感器几乎已普遍应用于各类机器人导航场景，它成为检测周边环境人体存在的便捷工具。我们将一维激光雷达数据转换为二维图像数据，随后基于弱特征进行目标筛选，例如目标的合理半径范围、双腿之间的合理距离等，处理后得到一组人体候选区域。我们采用深度学习模型，以预训练的mobilenetv3模型作为特征提取器判断候选目标是否为人体，以全连接神经网络层作为分类器。我们在室内环境中设置了多种场景测试所提算法的性能。实验结果表明，该系统的精确率为0.902，召回率为0.782，F1分数为0.837。 关键词——移动机器人、激光雷达传感器、目标筛选、深度学习、MobileNet ## 一、引言 近年来，机器人导航的发展一直是一个重要的研究领域。如今机器人的应用早已不局限于工业制造领域，医疗、交通乃至各类日常活动等诸多领域都开始引入机器人[^1] [^2] [^3]。这些发展背景提升了机器人，尤其是移动机器人，在环境中自主高效导航的需求，进而推动了机器人导航新技术与新算法的发展，范围涵盖从简单的路径规划到复杂的同时定位与地图构建（SLAM）[^4] [^5] [^6]。尽管机器人导航领域已取得显著进展，要全面理解这一复杂问题并开发出实用解决方案，仍有诸多挑战需要应对。其中一项挑战是让机器人能够在人类环境中工作且不干扰人类活动，目前已有大量研究针对这些问题探索解决方案。 已有多篇针对人类感知机器人导航的全面综述[^7] [^8]为机器人领域做出了重要贡献。这些综述阐明了人类感知导航的各类方法与应用场景，强调了该技术对机器人在受限环境中安全高效运行的重要性。综述文末讨论了人类感知机器人导航领域面临的挑战和未来研究的潜在方向。在[^9]中，研究者实现了一种具有社会意识的行为控制方法。通过应用社会力模型（SFM），机器人可以生成将周边障碍物和人类视为动态障碍物的行为决策。作者还通过强化学习算法更新SFM的参数，提升了该模型对环境的适应能力。Repiso等人[^10]给出了另一个将机器人应用于社交活动的实例。该研究提出了一种自适应并排社交机器人引导的创新方法，该方法在实际场景中高效可靠，为人机交互领域做出了重要贡献。作者同样实现了SFM算法，并通过为机器人定义多种场景使其行为能够适应当前环境，完成了算法改进。已有研究对户外拥挤环境下的机器人导航进行了测试[^11]。作者提出了一种神经网络模型，该模型利用机器人目标方向信息、行人位置信息以及静态障碍物信息，还采用了强化学习方法提升模型对环境的适应能力。该研究提出的方法为基于深度强化学习的社会避障方法（SOADRL）。实验结果表明，该方法在所有对比方法中取得了最高的成功率。 --- 实现社交感知导航的一项关键是机器人识别人类的能力。只有掌握人类位置信息，社交感知导航才有意义。目前已有多种方法被提出用于赋予机器人检测人类位置的能力，例如使用摄像头、深度传感器，以及无线电信号 [^12] [^13] [^14] [^15]。当前大多数常用的监测技术都依赖昂贵、高性能的仪器，例如多层激光雷达传感器或高分辨率近程雷达。基于图像传感器的技术受光照变化的影响更小，鲁棒性更佳。本研究旨在构建一个鲁棒且轻量的人体检测系统。本文提出的方法是使用2D激光雷达检测人腿，从而获得人体位置。该方法也曾被用于 [^16] 中，在舞台上检测和跟踪人员，以监测演员的位置。在该研究中，作者使用了多个2D激光雷达传感器，从不同方向采集腿部数据，随后这些2D激光雷达数据被合并到同一个公共坐标系中，检测和跟踪都在该公共坐标系中完成。我们的研究没有使用多个2D激光雷达，而是仅采用单个2D激光雷达实现该方案，我们方法的目标是将该算法应用于社交机器人导航。 ### II. 系统设计 本文剩余部分结构安排如下：第二节介绍系统架构与所提方法的技术细节，第三节介绍实验设计、实验结果与相关讨论，第四节给出本研究的结论。 本节我们将介绍如何从一维激光雷达数据得到二维图像数据、如何对激光雷达数据进行预处理，以及如何通过腿部形状检测人体。系统框图如图1所示。 ![Image](images/a708132441f62c057499047ee78067a029ab9df6b39158e2e303526667731eb6.jpg)
Fig. 1. System Design.
### A. 二维数据采集 我们使用机器人操作系统（ROS）将激光雷达传感器集成到嵌入式计算机中。从激光雷达传感器获取的原始数据会整理为包含多个参数的ROS消息。在本研究中，我们仅使用距离数组（存储沿扫描角度的距离数据）和角度增量（存储以度为单位的扫描增量值）。本研究中传感器的扫描覆盖范围为完整的360度，因此数据可以用如下数学公式表示： $$ R=\left\{r_{0},r_{1},...,r_{k}\right\} $$ $$ \gamma=\left\{\gamma_{0},\gamma_{1},...,\gamma_{k}\right\} $$ $$ \gamma_{k}=k\alpha $$ 其中R是值列表，表示激光雷达各个方向到被测障碍物的距离，$r_{k}$ 是索引为k的激光雷达测得的距离，$\gamma$ 是值列表，以度为单位表示每个距离对应的方向，即索引k处被测距离的方向，$\alpha$ 是来自激光雷达参数的角度增量。 ![Image](images/8d0a09f9d6bc8ea62dc2a5ac77f8a4891324afc200c4d756e7c11c67d2b596fe.jpg)
Fig. 2. Conversion from 1D data to 2D coordinate.
基于距离和方向数据，我们利用数学三角原理构建出二维数据，如式(4)、式(5)所示，也可可视化如图2所示。转换得到的结果随后会从米单位转换为图像像素，并绘制为一个以图像形式呈现的二维地图。 $$ x=r c o s(\gamma) $$ $$ y=rsin(\gamma) $$ 该步骤生成的图像在远距离区域存在一些曝光不足的问题。该问题是由激光雷达传感器每度采样不足导致的。我们采用形态学操作——闭形态学操作（闭运算），借助OpenCV提供的函数修复该问题 [^17]。该操作还用到了另外两种方法：膨胀和腐蚀。这些操作分别在算法1、算法2和算法3中进行说明。腐蚀和膨胀是用于处理二值图像或灰度图像的数学形态学操作。两种操作都需要使用一个小结构元素（即核）扫描图像，该结构元素定义了操作的形状和大小。 ### B. 候选目标选择 我们根据连续性对图像中的点进行了多组聚类。得益于 [^18] 提供了一种可判断二值图像外边界之间包含关系的算法，该算法已集成在OpenCV库中。利用该算法，我们得到了一系列位于 --- ```pseudo // Algorithm 1: Closing Morphology Input: Input image I, structuring element SE Output: Output image O after closing operation ``` $B \leftarrow \text{convertToBinary}(I)$; $D \leftarrow \text{dilation}(B, SE)$; $E \leftarrow \text{erosion}(D, SE)$; $O \leftarrow E$; return O ```pseudo // Algorithm 2: Dilation Operation Input: Input binary image B, structuring element SE Output: Output binary image D after dilation operation ``` $D \leftarrow$ createEmptyImage(B.width, B.height);$ for $x \leftarrow 0$ to $B.width - 1$ do for $y \leftarrow 0$ to $B.height - 1$ do $R \leftarrow$ placeStructuringElement($B, x, y, SE);$ $D[x, y] \leftarrow \max(R);$ end end return D 图像中属于人腿候选区域的轮廓。下一步我们将通过若干规则筛除不符合要求的候选，规则如下： - 候选区域允许的半径需大于a且小于b，即人腿在像素图像中的平均半径处于a和b之间。 - 符合要求的候选必须存在一个最近邻，二者的最大间距不超过l，即人行走时一对人腿之间的最大距离。 规则参数的取值将在实验中确定。该步骤的输出是人腿候选列表，其置信度高于上一步，但仍需要进一步提升置信度。该结果的可视化如图3(a)所示。 ### C. 候选目标分类器 最后一步是确认候选区域包含一对人腿。为实现这一目标，我们对来自一个 ```pseudo // Algorithm 3: Erosion Operation Input: Input binary image B, structuring element SE Output: Output binary image E after erosion operation ``` $E \leftarrow$ createEmptyImage(B.width, B.height);$ for $x \leftarrow 0$ to $B.width - 1$ do for $y \leftarrow 0$ to $B.height - 1$ do $R \leftarrow$ placeStructuringElement($B, x, y, SE);$ $E[x, y] \leftarrow \min(R);$ end end return E ### 三、结果与讨论 本节介绍了该算法经实验得到的测试结果。本次实验所用的嵌入式计算机配置、操作系统和编程工具如下：Jetson Nano、NVIDIA Maxwell GPU、2GB RAM、Ubuntu 20.04 LTS 和 ROS。我们采用RPLidar A3作为激光雷达传感器，并将其安装在差分驱动移动机器人顶部，后续我们将在该机器人上运行本文算法。该机器人如图4所示。针对像素图像中人腿半径的测试结果表明，人腿半径的最大值和最小值分别为5像素和2像素，半径大小会随被测人员与激光雷达的距离以及不同人员而变化。一对腿的最大间距为10像素，该值也会随人员与激光雷达的距离以及不同人员发生变化。 ![Image](images/d9b57982a6083edd85af8e85465e9b88f907f81cb3e31328d12655ef8b28cf64.jpg)
(a) Before elimination process
![Image](images/c9ff2ce78c62d90e5fbf6b1b96ed319a514fb957e0a1f15a92d4b499019662fe.jpg) 热门深度学习网络架构MobileNetV3将前代模型的改进版本用作分类器$^{[19]}$，自身作为特征提取层。综合考虑精度与性能，该网络已被应用于多种图像分类应用$^{[20]}$。与前代版本相比，MobileNetV3引入了多项核心改进，包括：包含不同类型模块的新型架构、名为Hard-Swish的更高效激活函数、引入挤压-激励模块强化重要特征、动态输入分辨率以及改进的通道剪枝方法。这些改进提升了模型的精度与效率，同时可支持多种设备并新增了诸多特性。在MobileNetV3层的输出端，我们采用一个仅含一层共256个节点的简单神经网络模型作为分类器。训练过程中，MobileNetV3的权重被冻结。训练完成后，我们得到了一个可判断候选区域是否含有人的强分类器模型，未被预测为人的检测候选会被剔除。该步骤的输出可视化结果如图3(b)所示。
(b) After elimination process
Fig. 3. Human leg candidates.
### A. 数据集构建 来自II-B部分的候选选择结果包含了图像中的所有候选区域，但其中仍然存在被误选的非人腿部。 --- ![Image](images/7d52b345d688cc3a3ed334d7aa7d74ad9197439ada58fcba21c9420853a2d0d3.jpg)
(a)
![Image](images/35a54a56e1df532c864681eef33d3653ae2f1611fb831638678e25ae9d690360.jpg)
(b)
![Image](images/1c6139876d4cb328f6a7f57f962d90a526cf3ebf91bb9d12930bb635eb95fed6.jpg)
(c)
![Image](images/72f7f055ae62d74c450d5f9286292e3a28dd87cce186d010bae5aa31ef869a91.jpg)
(d)
![Image](images/b621bd87f93ed2addd6cc6a269d0228c3edd0994f7f8ce76eb498e028f0ba44c.jpg)
Fig. 4. The placement of the lidar sensor on the robot.
(a) Positive dataset (legs)
训练过程的结果如图6和图7所示。 ![Image](images/adb925799946c72f60ffc82ba923e84d9d13e4f9e9547b366fe8e386eb105103.jpg) 流程末尾完成上述操作。为构建数据集，我们利用该步骤自动裁剪候选区域并将其保存到指定文件夹。对于正数据集，我们在布满障碍物的房间内运行该流程，邀请多名志愿者作为样本在房间内行走，系统会裁剪并记录符合预期的候选区域。此外，针对负数据集，我们在同样布满障碍物但无人类存在的房间内运行候选选择系统，系统仅会裁剪并记录非人候选区域。最终我们得到了包含10267张正样本图像和16383张负样本图像的数据集，该数据集如图5所示。 ### B. 训练流程 上一步得到的数据集被用于分类器模型的训练。训练过程共使用了8214张正数据集图像和13107张负数据集图像，剩余图像用作验证数据。我们按照8:2的比例将整个数据集划分为训练集和验证集。训练共进行100轮迭代，训练过程的准确率得分为0.99，验证准确率为0.98。曲线图
(b) Negative dataset (non-legs)
Fig. 5. Result from dataset creation.
![Image](images/4744f986d2e10ca7d3e16a42f9bb03153580ef2d51cf3fe8de32c88162730273.jpg)
Fig. 6. The accuracy score during training process.
![Image](images/70e3e022d5fa9d9aa60720a451b6f933e23ab4b5ae9a2cf45d6ddc4397c45094.jpg)
Fig. 7. The loss value during training process.
### C. 实际测试 模型取得了良好的精度结果，表明模型已满足实际测试的要求。我们为实际测试设置了两种场景：第一种是人员沿走廊行走的走廊场景，第二种是人员在开阔大厅内活动的大厅场景，实际测试布置如图8所示。 本次实验共设置了多种实验场景。所有实验过程中，我们均按照固定采样率记录检测得到的人员位置。实验过程中，我们在传感器周边架设相机，记录人员位置作为真值，捕获得到的部分真值帧如图9所示，扫描数据则如图10所示。 --- ![Image](images/5f7543a99f08709924c9b7a83b3e808a78a674d16f78ab520a6f9f15d6051528.jpg)
(a) The setup in the hallway
![Image](images/b92d3b18e893dbf8786c7f476fe833e817419618f7c588e95f1cd7fd908985bf.jpg)
(b) The setup in the wide hall
Fig. 8. The Real Experiment Setup.
该系统在实际实验中取得了可观的结果。当存在外形类似人腿的非人腿物体时，会出现一定的误检测情况，例如图9(d)和图10中的情况。当墙体被人腿遮挡时，墙体形成的线条会被分割，因此分割出的形状会被判定为可能是人腿。但也存在另一种情况：即使墙体线条被分割，系统仍然能够区分人腿和墙体，例如图9(a)和图10(b)中的案例。这种情况出现的原因很可能是该形状已被此前构建的数据集覆盖，而图10(d)中的误检测案例尚未或较少被已构建的数据集覆盖。该系统还存在另一项局限性：由于目标选择算法的规则限制，只有一双人腿才会被列为候选目标。因此，当激光雷达仅扫描到单条人腿时，系统无法检测到对应的人员，例如图9(f)和图10中的情况。整体而言，全部实验的结果表明该系统具备良好的性能。
TABLE I
EXPERIMENT RESULTS
MetricValue
True Positives (TP)431
False Positives (FP)47
False Negatives (FN)120
不同场景下的累积结果如表I所示。在评估我们的目标检测系统性能时，我们考虑了几个核心指标：真阳性（TP）、假阳性（FP）和假阴性（FN）。这些指标能够帮助我们了解系统正确识别和分类图像中目标的能力。真阳性（TP）代表系统正确检测并分类目标的实例，这类案例中模型预测结果与真值完全一致。假阳性（FP）出现在系统误识别图像中不存在的目标时，即模型给出了阳性预测，但该预测与实际真值不匹配。假阴性（FN）代表系统未能检测出图像中实际存在的目标的情况，即模型给出了阴性预测，但该预测与实际真值不匹配。 为了评估我们的目标检测系统，我们额外计算了另外两个指标：召回率（Recall）和精确率（Precision）。召回率衡量模型或系统从更大集合中识别出相关目标的有效性 [^21]。其计算方式为：正确分类的实例总数（TP）除以真阳性预测与假阴性预测的总数（TP + FN）。该指标常被用于信息检索、分类、二分类任务中，评估模型识别真阳性案例的性能。而精确率则聚焦于模型减少假阳性的能力 [^21]。其计算方式为：真阳性数量（TP）除以真阳性预测与假阳性预测的总数（TP + FP）。精确率能够帮助我们了解系统给出阳性预测时的可靠性。 尽管召回率和精确率都是很有价值的指标，但它们无法完整体现假阳性与假阴性之间的平衡，F1分数正是为此应运而生。F1分数将精确率和召回率（等同于灵敏度）结合为单个综合指标，它是精确率和召回率的调和平均数，计算公式如下： $$ F1_{score}=2*\frac{precision*recall}{precision+recall} $$ 精确率和召回率的值由TP、FP和FN计算得出，二者结果分别为0.902和0.782。我们利用公式(6)计算得到本文模型的F1分数为0.837。0.837的F1分数表明我们的目标检测系统整体性能优异，也说明我们的模型在精确率和召回率之间实现了良好的平衡。本文系统同时达到了较高的精确率和召回率，意味着其目标检测结果准确可靠，能够很好地兼顾正确识别目标（精确率）和避免漏检（召回率）两项要求。这样的性能表现十分出色，说明我们的模型可以准确对目标进行分类，同时最大程度减少了误报和漏检。 F1分数在综合考虑假阳性和假阴性的情况下，为模型性能提供了均衡的衡量指标。其取值范围为0到1，其中1代表完美精确率，0代表最差性能。F1分数越高，说明模型在精确率和召回率两方面的综合性能越好。综上，通过分析真正例、假正例、假负例、准确率、精确率和F1分数这些指标，我们可以全面了解本文目标检测系统的性能，包括其正确检测目标、同时最小化假阳性和假阴性的能力。 ### 四、结论 我们基于二维激光雷达传感器采集的足部形状开发了一套人体检测系统。该问题面临的主要挑战在于，不同人足部扫描得到的形状存在差异，同时形状还取决于人体所穿的 --- ![Image](images/669fe771894f2ffb7c544e2f975c9748d2796f1d61f13304192e5e147aa83e91.jpg)
(a) Scene 1 from experiment in the corridor
![Image](images/7b31ee8a879eeb3ab2ce4b9b0516005b2c267638e03377abb396107684b38f11.jpg) ![Image](images/930fb866672d74776ebefd0e80b3904b53de98592474741e76d25f7f4ccb7b2d.jpg)
(b) Scene 2 from experiment in the corridor
![Image](images/3cb056b8193e0d9221cd95aabda7f5d01bd32028935ffd719919e0e60568e61f.jpg)
(d) Scene 4 from experiment in the corridor
(c) Scene 3 from experiment in the corridor
![Image](images/0c62bf3057a0472eea9db41a9487aa0d91d4a0e14a84fb60b7e20806202835b1.jpg)
(e) Scene 5 from experiment in the lobby
![Image](images/c0f5e3a1d99f2a188eabaf26cfebf0a1a999a689fa0d0983658815d5a704ff6a.jpg)
Fig. 9. The Real Experiment Scenes.
(f) Scene 6 from experiment in the lobby
![Image](images/ed8040f7e86b5291a7460e0c8231d8e18480479ecc1aeb77c6ef6460067a83c6.jpg)
(a) The detected human from scene 1
![Image](images/2ceed982f6d8f9bc6f9917fdace264bde01d80ba774d53dc23fc5159e7d11e15.jpg)
(b) The detected human from scene 2
![Image](images/076231733a3105900ced00d0ae3ab94ac9fd217321c83b0b0d3ee95835cc6c58.jpg) ![Image](images/7d2f36470afcf6b01453248ee2ff70880b78d5881fce3e4457e6c6f9e16180df.jpg)
(c) The detected human from scene 3
(d) The detected human from scene 4
![Image](images/484d0d04e4aca8168bb3a3ebab49cbcad6a926bc98e625e5c288602f4dd4e47b.jpg)
(e) The detected human from scene 5
Fig. 10. The Detected Humans from the real test.
![Image](images/c1ea4d51d519c46620530b21af9bec40754cefb133c553f89ac3b2dfa1e8c4a8.jpg)
(f) The detected human from scene 6
--- 裤子类型。我们采用广为人知、影响力广泛的深度学习目标识别模型mobilenetv3作为特征提取器，并在mobilenetv3模型的输出端接入一个神经网络模型作为分类器。本文搭建的系统仍在多个方面有待改进。例如，当椅子的椅腿为圆形时，相同距离下椅腿和人腿的形状差异较小；而在不同距离下，近距离观测的椅腿会看起来和远距离观测的人腿十分相似。针对该问题，我们建议在未来研究中将目标距离作为额外参数加入模型，该方案可让系统准确区分形状相似但尺寸不同的目标，即使这些目标与传感器距离不同也能正确识别。尽管存在不足，本研究仍取得了令人满意的结果，F1分数达到0.837。 ## 致谢 我们由衷感谢社会机器人与智能系统应用研究组的所有成员，感谢他们在本研究项目全过程中做出的出色贡献和始终如一的支持。研究组成员共同积累的专业知识、付出的努力与协作对本研究的成功起到了不可估量的作用。从研究组负责人的指导，到其他研究人员展现出的热情与创造力，每一位成员的贡献都对推动本研究进展起到了关键作用。我们十分感谢富有成效的讨论、洞见深刻的反馈以及不懈的努力，这些都极大地丰富了我们的工作。最后，我们向所有自愿抽出时间提供配合的参与者致以深切谢意，他们的参与对我们收集所需数据至关重要。 ## 参考文献 [^1]: J. Bačk, P. Tkắc, L. Hric, S. Alexoviě, K. Kyslan, R. Olexa, and D. Perduková, “Phollower—the universal autonomous mobile robot for industry and civil environments with COVID-19 germicide addon meeting safety requirements,” vol. 10, no. 21, p. 7682, number: 21. [Online]. Available: [^2]: F. Niroui, K. Zhang, Z. Kashino, and G. Nejat, “Deep reinforcement learning robot for search and rescue applications: Exploration in unknown cluttered environments,” vol. 4, no. 2, pp. 610–617, number: 2. [Online]. Available: [^3]: V. Moysiadis, N. Tsolakis, D. Katikaridis, C. G. Sørensen, S. Pearson, and D. Bochtis, “Mobile robotics in agricultural operations: A narrative review on planning aspects,” vol. 10, no. 10, p. 3453, number: 10. [Online]. Available: [^4]: F. Gul, W. Rahiman, and S. S. Nazli Alhady, “A comprehensive study for robot navigation techniques,” vol. 6, no. 1, p. 1632046, number: 1. [Online]. Available: [^5]: B. Patle, G. Babu L, A. Pandey, D. Parhi, and A. Jagadeesh, "A review: On path planning strategies for navigation of mobile robot," vol. 15, no. 4, pp. 582–606, number: 4. [Online]. Available: [^6]: H. Jiang, H. Wang, W.-Y. Yau, and K.-W. Wan, "A brief survey: Deep reinforcement learning in mobile robot navigation," in 2020 15th IEEE Conference on Industrial Electronics and Applications (ICIEA). IEEE, pp. 592–597. [Online]. Available: [^7]: A. W. Ramadhan, B. S. B. Dewantara, and S. Setiawardhana, “Optimization of fuzzy social force model adaptive parameter using genetic algorithm for mobile robot navigation control,” vol. 19, no. 1, number: 1. [^8]: C. Mavrogiannis, F. Baldini, A. Wang, D. Zhao, P. Trautman, A. Steinfeld, and J. Oh, "Core challenges of social robot navigation: A survey," p. 3583741. [Online]. Available: [^9]: B. S. B. Dewantara and J. Miura, “Generation of a socially aware behavior of a guide robot using reinforcement learning,” in 2016 International Electronics Symposium (IES). IEEE, pp. 105–110. [Online]. Available: [^10]: E. Repiso, A. Garrell, and A. Sanfeliu, “Adaptive side-by-side social robot navigation to approach and interact with people,” vol. 12, no. 4, pp. 909–930, number: 4. [Online]. Available: [^11]: L. Liu, D. Dugas, G. Cesari, R. Siegwart, and R. Dube, “Robot navigation in crowded environments using deep reinforcement learning,” in 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, pp. 5671–5677. [Online]. Available: [^12]: R. Alagari and M.-T. Choi, “Deep-learning-based indoor human following of mobile robot using color feature,” vol. 20, no. 9, p. 2699, number: 9. [Online]. Available: [^13]: J. N. Hayton, T. Barros, C. Premebida, M. J. Coombes, and U. J. Nunes, “CNN-based human detection using a 3d LiDAR onboard a UAV,” in 2020 IEEE International Conference on Autonomous Robot Systems and Competitions (ICARSC). IEEE, pp. 312–318. [Online]. Available: [^14]: W. Kim, M. Tanaka, M. Okutomi, and Y. Sasaki, “Learning-based human segmentation and velocity estimation using automatic labeled LiDAR sequence for training,” vol. 8, pp. 88443–88452. [Online]. Available: [^15]: T. Kim Geok, K. Zar Aung, M. Sandar Aung, M. Thu Soe, A. Abdaziz, C. Pao Liew, F. Hossain, C. P. Tso, and W. H. Yong, “Review of indoor positioning: Radio wave technology,” vol. 11, no. 1, p. 279, number: 1. [Online]. Available: [^16]: H. Yoo, H. J. Moon, S.-H. Kim, and S.-I. Choi, “Multi-target tracking with multiple 2d range scanners,” vol. 8, pp. 9990–99998. [Online]. Available: [^17]: G. Bradski, “The OpenCV Library,” Dr. Dobb’s Journal of Software Tools, 2000. [^18]: S. Suzuki and K. be, “Topological structural analysis of digitized binary images by border following,” vol. 30, no. 1, pp. 32–46, number: 1. [Online]. Available: [^19]: A. Howard, M. Sandler, G. Chu, L.-C. Chen, B. Chen, M. Tan, W. Wang, Y. Zhu, R. Pang, V. Vasudevan, Q. V. Le, and H. Adam, "Searching for MobileNetV3," publisher: arXiv Version Number: 5. [Online]. Available: [^20]: S. Qian, C. Ning, and Y. Hu, “MobileNetV3 for image classification,” in 2021 IEEE 2nd International Conference on Big Data, Artificial Intelligence and Internet of Things Engineering (ICBAIET). IEEE, pp. 490–497. [Online]. Available: [^21] R. Padilla, W. L. Passos, T. L. B. Dias, S. L. Netto, and E. A. B. Da Silva, “基于配套开源工具包的目标检测指标对比分析,” vol. 10, no. 3, p. 279. [在线] 可获取：