1、 引入点云协方差描述子；
协方差描述子本质上是由点云数据的特征向量组成的协方差矩阵。
2、机器学习方法：支持向量机及KLD-Sampling自适应粒子滤波；
目标检测模块：预处理，计算点云协方差描述子；
离线建模模块：通过支持向量机对目标点云进行训练；
在线识别模块：支持向量机分类预测，针对目标部分遮挡问题引入KLD-Sampling自适应粒子滤波；
3、搭建网络架构，结合图论及势场函数，实现多机器人目标跟踪。
机器人端的机载控制器无法保证有足够的条件去执行目标识别、跟踪任务，搭建网络架构。
机器人端：机载处理器对点云数据进行滤波、分割、压缩等预处理，将处理后点云传送到远程服务器端；服务器端：利用服务端的数据库和计算能力对点云数据进行特征提取、点云匹配等处理，最后发布目标位置。
多机器人通过订阅获得目标位置及邻居机器人的状态信息，然后根据跟踪目标及邻居机器人的拓扑结构，（机器人1作为第一跟踪者，机器人2/3作为普通跟踪者），结合有向刚性图论和势场函数，实现多机器人对目标的跟踪。 |