基于多目標識別跟隨的機場行李推車

摘要：近年來，選擇飛機出行的旅客數量持續攀升，且獨自出行成為發展趨勢，旅客隨身行李過多導致出行不便，行李的妥善保管等問題也愈發突出。為了方便旅客出行，同時提高機場服務的智能化水平，對機場常用的行李推車進行了智能化設計。該設計以STM32單片機與樹莓派雙主控的串口通信為核心架構，集成了自動避障、多目標識別跟隨、3D建圖導航、自動開關鎖，以及射頻識別定位等多項功能。

關鍵詞：智能化設計；視覺跟隨；安全管理

中圖分類號：TN958.98 文獻標識碼：A

0 引言

近年來，旅客獨自出行成為新趨勢。調查顯示，49%的中國旅客曾獨自旅行，35%的中國旅客有強烈的獨自出游意愿。航空旅客的結構和出行習慣發生了變化，休閑旅客的比例明顯提升。隨著生活水平的提高，旅客對出行體驗的要求也不斷提高。物聯網（internet of things，IoT）、人工智能（artificial intelligence，AI）和傳感器技術的發展，讓行李推車得以集成更多智能功能，從而為旅客提供舒適且便捷的服務。

目前，大多數機場的行李推車仍需手動推動，部分經過改進的行李推車也只是加裝了一塊具備廣告功能的電子屏幕，并未考慮智能化設計。然而，這種機場行李推車無法滿足單獨出行乘客的使用需求，另外，它還存在交互功能不足、工作人員管理難度大等缺陷。在此背景下，亟須設計一款能夠在多目標范圍內精準識別并跟隨單獨個體的行李推車。

1 系統總體架構

本文設計了以STM32單片機與樹莓派雙主控串口通信作為控制核心的系統架構。其中，STM32F103VET6是一款基于ARM Cortex-M3 內核的微控制器，具有較高的時鐘頻率和較短的響應時間，適合對實時性要求較高的應用場景。樹莓派4B是一款小型的單板計算機，具有較強的計算能力和多任務處理能力，適用于復雜的圖形界面任務。

該系統通過將軟件與IoT技術相結合實現與乘客的交互，利用軟件界面在移動端實時顯示行李推車的位置信息，方便用戶隨時監測其位置動態，從而進一步加強對行李安全的保護管理。系統總體架構如圖1所示。

2 系統功能實現

2.1 基于激光雷達三角測量法實現自動避障

采用激光雷達三角測量法測量障礙物與行李推車的距離[1]。行李推車系統上的激光雷達模塊集成了激光發射單元和接收單元，從一個固定的角度發射紅外激光，激光接觸到障礙物后被反射到接收單元。利用發射單元、障礙物和接收單元的三角關系，計算出障礙物到收發單元的距離（D）：

D = C×（t2-t1）/2。" " " " " " " " " " " " " " " " " " " " " "（1）

式中，C為激光傳播速度，t2為接收時間，t1為發出時間。

雷達跟隨模式能夠在設定范圍內全方位跟隨距離最近的物體，并且始終與物體保持一定的距離?；诶走_傳回的幀數據中的起始角度和結束角度，同時結合幀數據中的距離信息，行李推車可以始終跟隨檢測范圍內距離最近的物體。在該過程中，需要用到兩個比例積分微分（proportional integral derivative，PID）控制器[2]：一個為距離PID控制器，用于控制行李推車與被跟隨物體之間的距離；另一個為角度PID控制器，用于控制行李推車車頭的朝向。激光雷達三角測量原理示意圖如圖2所示。

2.2 基于ECO算法實現多目標識別跟隨

樹莓派4B集成了多種視覺跟隨算法[3]，可根據不同的應用場景選擇合適的視覺跟隨算法。鑒于機場人員分布密集，選用高效卷積跟蹤（efficient convolution operators for tracking，ECO）算法來進行多目標識別與跟隨。ECO算法采用一種高效的模型，其運行邏輯和原理如下。

特征提取是物體識別的關鍵步驟。利用VGGNet、ResNet 等預訓練的卷積神經網絡（convolutional neural networks，CNN）提取深度特征，其強大的表達能力能捕捉目標的高級語義信息，并以此為依據動態調整跟隨模型。在跟隨過程中，CNN持續收集新樣本數據，并利用這些數據更新模型，以適應目標外觀及環境的變化。

在特征提取環節，將深度特征與手工特征相融合[3]，以充分發揮二者優勢，從而大幅提升特征的魯棒性與區分度。ECO 算法通過求解凸優化問題來優化濾波器參數。這種方法既可以保證跟隨準確性，又能提高算法的效率和魯棒性。同時，借助快速傅里葉變換（fast Fourier transform，FFT）技術，將濾波器優化問題轉化到頻域進行求解，顯著提高了計算效率。

在機場這類行李推車需要同時跟隨多個目標的場景中，ECO 算法可通過擴展單個目標的跟隨算法來實現多目標跟隨。例如，基于DeepSORT檢測的跟隨方法會先檢測出多個目標，然后再對每個目標進行單獨跟隨。為確定不同幀之間的目標對應關系，還需進行數據關聯。ECO 算法可采用匈牙利算法等數據關聯方法，對不同幀中的目標進行匹配，從而實現多目標跟隨。此外，為提高ECO算法的計算效率與魯棒性，采用部分更新策略，即只更新模型的部分參數，以避免模型過擬合，進而提升算法的實時性。

2.3 基于激光雷達SLAM實現3D建圖

3D建圖導航功能主要通過結合視覺同時定位與建圖（simultaneous localization and mapping，SLAM）和激光SLAM實現。利用視覺與激光雷達協同掃描周圍環境構建地圖，并使用RTAB-Map進行融合處理，最終在RViz中可視化展示建圖結果。

激光雷達SLAM中所采用的Gmapping建圖算法是一種基于濾波SLAM框架的開源SLAM算法，也是目前應用最廣泛、發展最成熟的Gmapping功能包之一。

使用機器人操作系統（robot operating system，ROS）提供的move_base功能包，并結合自適應蒙特卡洛定位（adaptive Monte Carlo localization，AMCL）算法來實現導航功能。在該過程中，只需要設置行李推車在地圖中的目標位置，系統即會根據地圖生成到達目標位置的最優路徑。

在使用ROS進行導航之前，需要先做好一系列準備工作：①確保已安裝ROS及其相關依賴庫和管理工具；②準備好行李推車平臺（或模擬環境）以及傳感器設備，如激光雷達、里程計等；

③保證move_base和AMCL算法已通過ROS軟件包管理工具安裝在系統中。

準備工作完成后，需進行參數配置。對于AMCL算法，需要設置地圖參數（如地圖分辨率等）、傳感器參數（如激光雷達模型等）以及濾波器參數（如粒子數量）。對于move_base節點，需要配置全局規劃器和局部規劃器的算法類型、規劃時間等相關參數，以及行李推車最大速度等運動參數。

參數配置完成后，便可啟動move-base功能包：先啟動ROS，再依次啟動傳感器節點、地圖服務器節點以加載地圖，然后依次啟動AMCL節點、move_base節點。AMCL節點根據傳感器數據進行定位，而move_base節點則負責接收目標點和行李推車的當前預估位置。

設置導航目標點可以通過兩種方式：一是使用 ROS 工具進行設置；二是在 RViz中，使用“2D導航目標”工具在地圖上點擊來設置。在導航過程中，可借助 RViz 實時查看行李推車位置，并對地圖、路徑規劃等信息進行監控和調試，若導航失敗，則需要對傳感器數據、地圖質量、參數配置（如目標點的接受半徑）等進行檢查并優化，以確保行李推車能安全高效地到達目標點。

2.4 基于RFID技術實現目標定位

射頻識別（radio frequency identification，RFID）技術通過射頻信號的空間電磁耦合實現無接觸信息傳遞，達到識別與定位目標的目的[4]。其中，接收信號強度指示（received signal strength indication，RSSI）定位法、到達時間差（time difference of arrival，TDOA）定位法以及到達角度（angle of arrival，AOA）定位法，是 RFID 技術的3種核心手段，發揮著至關重要的作用。

RSSI定位法通過測量多個閱讀器接收到的同一標簽的信號強度來估算標簽與各個閱讀器之間的距離，然后根據幾何關系確定標簽的位置[5]。TDOA定位法通過測量標簽信號到達不同閱讀器的時間差，結合信號傳播速度，計算標簽與各個閱讀器之間的距離差。隨后，利用雙曲線定位原理確定標簽的位置。AOA定位法通過測量標簽信號到達閱讀器天線陣列的角度來估算標簽的方向，再結合閱讀器的位置進一步確定標簽的位置。

這3種定位方法從信號強度、時間差和角度等不同維度，對射頻信號的特征信息進行充分解析與利用，將 RFID 技術應用范圍從單純的目標識別，拓展到精確的位置追蹤領域，為機場行李推車等物品的高效管理與精準定位提供了有力支撐 。

2.5 基于STM32微控制器實現自動開關鎖

自動開關鎖采用了一款基于STM32微控制器的密碼鎖系統[6]。該系統主要由STM32微控制器、按鍵矩陣、液晶顯示屏（liquid crystal display，LCD）、電子鎖模塊以及電源模塊構成。另外，該系統借助密碼驗證機制實現對門鎖的自動控制，顯著提升了安全性和便捷性，適用于各種需要密碼保護的場景，能夠有效防止未經授權的訪問。密碼鎖系統總體電路設計如圖3所示。

3 系統軟件設計

系統采用App Inventor開源軟件進行軟件開發?；诖耍丝涂蓪κ褂弥械男欣钔栖囘M行實時定位管理，并且可以通過手機軟件查詢到去往登機口的最優路徑，進一步提高了行李推車的使用效率。

App Inventor是一款具備在線開發功能的編程軟件[7]，其利用簡單易操作的積木式拼接法來完成Android程序的開發。因此，可以利用App Inventor設計一款專用于行李推車的APP，以便用戶能夠以更簡便、直觀的方式操作，同時大幅降低軟件制作的難度。App Inventor軟件設計界面如圖4所示。

系統的手機端APP主要設計了3個模塊，分別為注冊登錄模塊、設備關聯模塊、操作界面模塊。

（1）注冊登錄模塊：為了方便用戶和提高軟件的效率，該模塊采用了最簡易的注冊方式，注冊用戶只需要掃描二維碼錄入個人信息和航班信息即可實現注冊。

（2）設備關聯模塊：用戶通過手機與指定行李推車進行配對，進而更好地實現其預設的功能與模式，如自動跟隨、導航路線選擇等。

（3）操作界面模塊：該模塊包括首頁登機口路線查看和導航路線選擇，用戶可在操作界面尋找登機口信息以及最近路線。車體上的觸摸屏會顯示用戶選擇的導航路線和時間信息。

4 系統性能分析

本次系統調試主要聚焦于軟件功能測試，旨在驗證人物跟隨識別、激光雷達SLAM實現3D建圖等功能的效果。

4.1 人物跟隨識別測試

系統包含精心設計的ECO核心組件，通過多層可分離卷積結構降低計算量并提升特征豐富

度[8]，同時配備依據目標變化動態更新的機制。多目標識別模塊則由目標分類子模塊和細粒度特征識別子模塊構成，有助于精準定位目標人物。

在進行人物跟隨測試時，系統先掃描并定位目標、提取其特征模板，后續則依靠運動預測、ECO算法優化特征匹配，并通過光流法來實現持續跟隨。經室內外模擬場景檢驗，室內識別準確率達90%以上、跟隨成功率為92%；室外受光照等因素影響，室外識別準確率為80%、跟隨成功率為88%，未來仍有優化空間。

4.2 激光雷達SLAM實現3D建圖測試

為了實現激光雷達SLAM的3D建圖功能，在硬件上采用分辨率高、測距遠、掃描快的激光雷達。其能夠精準采集環境深度信息，并且在動態環境下保持數據穩定。在算法層面，使用優化的特征匹配算法（如ICP變體）對不同時刻進行點云精確配準[9]，通過迭代尋找最近點來計算變換關系。另外，運用圖優化方法將關鍵幀構造成圖，通過優化邊參數來提升地圖的精度與連貫度[10]。

將室內和室外開闊園區場景作為測試場景，以地圖精度、建圖完整度等為測試指標，對系統進行全方位的檢測。激光雷達SLAM的3D建圖測試結果如圖5所示，說明該方法的建圖效果良好。

5 結語

本文設計了一款多目標識別跟隨的機場行李推車。在實際應用中，該設計切實解決了旅客的行李搬運難題，也顯著提升了機場服務效率與旅客體驗。它能夠精準識別并自動跟隨旅客，避免行李丟失、錯拿等情況出現，簡化人工尋車、推車的復雜流程，尤其在大型樞紐機場，可極大緩解繁忙時段的人力短缺問題，保障行李流轉順暢。

從市場價值來看，該設計擁有廣闊的應用前景。一方面，它能夠助力機場縮減運營成本，通過吸引更多旅客提升機場競爭力；另一方面，該設計能夠為相關產業帶來啟發，有望拓展至物流、倉儲等多個領域，催生出一系列智能化搬運產品，開啟全新的智能搬運時代。

參考文獻

[1] 姚瀚晨.基于激光雷達的移動機器人跟隨方法研究[D].太原：中北大學，2021.

[2] 陳凱，張斌，張歲寒，等. 一種基于單線激光雷達的智能跟隨作業控制系統[J]. 中國科技信息，2022（10）：112-114.

[3] 王寧，吳偉，王元元，等. 多特征融合的無人艇視覺小目標魯棒跟蹤[J].中國艦船研究，2024，19（5）：65-78.