Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Modeling of Digital Twin Workshop Based on Perception Data Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

People Tracking in Unknown Environment Based on Particle Filter and Social Force Model

verfasst von : Yang Wang, Wanmi Chen, Yifan Luo

Erschienen in: Intelligent Robotics and Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper, we introduce a novel scheme for tracking moving person based on particle filter and social force model. The tracking process contains two parts: the predict model and the decision model. We adopt the particle filter algorithm to predict the position and velocity of human. According to the result of prediction, we adapt a sophisticated motion model to calculate the value of social force. Finally, we can control the velocity of robot dynamically through the value of social force.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Fully Cloud-Based Modular Home Service Robot
Nächstes Kapitel Time-Jerk Optimal Trajectory Planning for a 7-DOF Redundant Robot Using the Sequential Quadratic Programming Method
Literatur
1.
Luber, M., Stork, J.A., Tipaldi, G.D., et al.: People tracking with human motion predictions from social forces. In: IEEE International Conference on Robotics and Automation, pp. 464–469. IEEE (2010)
2.
Fod, A., Howard, A., Mataric, M.A.J.: Laser-based people tracking. In: 2002 Proceedings of IEEE International Conference on Robotics and Automation, ICRA, pp. 3024–3029. IEEE Xplore (2002)
3.
Cui, J., Zha, H., Zhao, H., et al.: Tracking multiple people using laser and vision. In: IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 2116–2121. IEEE (2005)
4.
Madapura, J., Li, B.: Multi-target tracking based on KLD mixture particle filter with radial basis function support. In: IEEE International Conference on Acoustics, Speech and Signal Processing, pp. 725–728 IEEE (2008)
5.
Salmond, D.J., Birch, H.: A particle filter for track-before-detect. In: 2001 Proceedings of the American Control Conference, vol. 5, pp. 3755–3760. IEEE Xplore (2001)
6.
Rollason, M., Salmond, D.: A particle filter for track-before-detect of a target with unknown amplitude. In: Target Tracking: Algorithms and Applications, vol. 1, pp. 14/1–14/4. IET (2001)
7.
Iwahori, Y., Takai, T., Kawanaka, H., Itoh, H., Adachi, Y.: Particle filter based tracking of moving object from image sequence. In: Gabrys, B., Howlett, Robert J., Jain, Lakhmi C. (eds.) KES 2006. LNCS, vol. 4252, pp. 401–408. Springer, Heidelberg (2006). doi:10.​1007/​11893004_​52 CrossRef
8.
Okuma, K., Taleghani, A., Freitas, N., Little, J.J., Lowe, D.G.: A boosted particle filter: multitarget detection and tracking. In: Pajdla, T., Matas, J. (eds.) ECCV 2004. LNCS, vol. 3021, pp. 28–39. Springer, Heidelberg (2004). doi:10.​1007/​978-3-540-24670-1_​3 CrossRef
9.
Hue, C., Cadre, J.P.L., Perez, P.: A particle filter to track multiple objects. In: 2001 Proceedings of IEEE Workshop on Multi-Object Tracking, pp. 61–68. IEEE (2001)
10.
Arulampalam, S., Maskell, S., Gordon, N.J., Clapp, T.: A tutorial on particle filters for on-line nonlinear/non-gaussian Bayesian tracking. IEEE Trans. Sig. Process. 50, 174–188 (2002)CrossRef
11.
12.
Boers, Y.: On the number of samples to be drawn in particle filtering. In: IEE Colloquium on Target Tracking: Algorithms and Applications (1999)
13.
14.
Helbing, D., Molnár, P.: Social force model for pedestrian dynamics. Phys. Rev. E: Stat. Phys. Plasmas Fluids 51(5), 4282 (1995)CrossRef
15.
Helbing, D., Farkas, I., Vicsek, T.: Simulating dynamical features of escape panic. Nature 407, 487–490 (2000). cond-mat/0009448CrossRef
16.
Patil, S., Jur, V.D.B., Curtis, S., et al.: Directing crowd simulations using navigation fields. IEEE Trans. Visual. Comput. Graphics 17(2), 244 (2011)CrossRef
17.
Feng, P., Wang, W., Dlay, S., et al.: Social force model based MCMC-OCSVM particle PHD filter for multiple human tracking. IEEE Trans. Multimed. 19(4), 725–739 (2017)CrossRef
18.
Wang, C., Li, Y., Ge, S.S., et al.: Adaptive control for robot navigation in human environments based on social force model. In: IEEE International Conference on Robotics and Automation, pp. 5690–5695. IEEE (2016)
Metadaten
Titel
People Tracking in Unknown Environment Based on Particle Filter and Social Force Model
verfasst von
Yang Wang
Wanmi Chen
Yifan Luo
Copyright-Jahr
2017
Buch
Intelligent Robotics and Applications

Print ISBN: 978-3-319-65297-9

Electronic ISBN: 978-3-319-65298-6

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-65298-6_31