{
  "paper_id": "3978a0fe3bbfc824c71ebb9750a3df76",
  "paper_title": "People Detection and Tracking Using LIDAR Sensors",
  "paper_authors": [
    "Claudia Álvarez-Aparicio",
    "Ángel Manuel Guerrero-Higueras",
    "Francisco Javier Rodríguez-Lera",
    "Jonatan Ginés Clavero",
    "Francisco Martín Rico",
    "Vicente Matellán"
  ],
  "publication_date": "31 August 2019",
  "publication_venue": "Robotics",
  "abstract": "针对在多人互动环境中使用低分辨率LIDAR传感器进行人员检测和跟踪的挑战，本文提出了一种基于单个LIDAR传感器的解决方案。该系统基于People Tracker包（PeTra），利用卷积神经网络识别人的腿部，并通过卡尔曼滤波器对位置估计进行时间关联以实现连续跟踪。在经欧洲机器人联盟认证的测试环境中进行了实验，验证了该方法在复杂场景下的有效性。",
  "keywords": [
    "LIDAR",
    "convolutional networks",
    "people tracking",
    "@home",
    "robotics competitions"
  ],
  "paper_institutions": [
    "Supercomputación Castilla y León (SCAyLE)",
    "University of León",
    "Universidad Rey Juan Carlos"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "ark-code-latest",
  "prompt_template": "simple",
  "extracted_at": "2026-08-16T19:47:52.689595Z",
  "template_tag": "simple",
  "summary": "### 摘要\n本文针对服务机器人在RoboCup@home等竞赛中必须实现的人员检测与跟踪能力，提出基于单个LIDAR传感器的解决方案。利用LIDAR传感器产生的高频、易处理的扫描数据，构建占用图，通过卷积神经网络（U-Net架构降维优化）识别人的腿部作为检测目标。为解决跨时间关联问题，引入卡尔曼滤波器预测下一时刻的位置，替代简单的欧氏距离匹配，在轨迹交叉场景中显著提升跟踪准确率。实验在Leon@home Testbed（ERL认证）进行，使用Orbi-One机器人，KIO RTLS提供真值，设计三个场景（单人、双人、双人交叉）。指标为与真值的欧氏距离误差（e_PeTra），结果表明卡尔曼滤波器在交叉场景中平均误差从0.95/1.04米降至0.44/0.39米，发布率从6.299Hz提升至10Hz，内存使用降低55%。未来需测试多于两人的场景，该系统适用于低算力平台，已开源为ROS包。核心机制为卡尔曼滤波器（状态向量X、协方差P、动态矩阵A等）采用恒定速度模型预测下一时刻位置，再结合CNN输出实现实时跟踪。\n\n### 关键要点\n- 系统基于单个LIDAR传感器，利用其20-30Hz高频输出和低计算成本实现实时人员检测与跟踪。\n- PeTra使用U-Net架构的CNN，从LIDAR生成的占用图中识别成对腿部（表示一个人）。\n- 新版本优化了CNN设计，减少卷积层输出过滤器数量，显著提升推理速度而不损失精度。\n- 采用卡尔曼滤波器替代欧氏距离进行轨迹关联，解决人员轨迹交叉时的误匹配。\n- 卡尔曼滤波器使用恒定速度模型，初始矩阵包括状态X、协方差P、动态A、测量H、过程噪声Q和测量噪声R。\n- 实验在ERL认证的Leon@home Testbed公寓内进行，使用Orbi-One机器人，LIDAR位于30-50cm高度。\n- KIO RTLS提供真值，平均误差±30cm，实验中人员携带标签以获取实际位置。\n- 三个场景：单人移动、双人移动、双人交叉移动，对应RoboCup@home常见情境。\n- 误差计算为PeTra估计与KIO真值的欧氏距离，无估计时取最大范围值。\n- 场景3（交叉）中，卡尔曼滤波法将第一人平均误差从0.95m降至0.44m，第二人从1.04m降至0.39m。\n- 新版本平均发布率10Hz，旧版本6.299Hz，最小发布间隔小于旧版本最大值。\n- 内存使用降低55%（549,288KB至247,036KB），CPU使用略降3%，平均每次迭代耗时从0.15s降至0.034s。",
  "available_templates": [
    "deep_read",
    "simple"
  ]
}