Transcrição

1 XVIII Congresso Brasileiro e Automática / a 6 Setembro, Bonito-MS. DETECÇÃO DE PERNAS E SEGUIMENTO DE PESSOAS USANDO UM SENSOR DE VARREDURA LASER Flávio Garcia Pereira, Raquel Frizera Vassallo, Evanro Ottoni Teatini Salles Universiae Feeral o Espírito Santo Av. Fernano Ferrari, 5, Goiabeiras, Vitória ES Brasil. CEP s: flaviog@ele.ufes.br, raquel@ele.ufes.br, evanro@ele.ufes.br Abstract The ability of etecting humans is an important skill for service robots, specially if these robots are employe in an environment where the human presence is constant, for instance a service robot which works as a receptionist in the hall of a hotel. The main goal of the propose metho is to estimate the human position using ata provie by a Laser Range Finer. The metho utilizes two Finite State Machines to etect some possible leg patterns an, after that, it computes the probability of each etecte pattern being a pair of legs. Also, a nonlinear formation control between the robot an the human is propose, which nees the person s position an orientation. These ata are obtaine from the legs etection algorithm, also introuce in this paper. In orer to valiate the propose metho some experiments were performe an are presente. Keywors Human-Robot Interaction, Legs Detection, Laser Scanner Sensor. Resumo Uma importante característica e robôs e assistência é a habiliae e etectar seres humanos, principalmente se esses robôs são utilizaos em ambientes one a presença humana é constante, como por exemplo um robô e assistência que opera como um recepcionista na entraa e um hotel. O principal objetivo o métoo proposto neste artigo é estimar a posição e um ser humano a partir os aos fornecios por um sensor laser. O métoo utiliza uas Máquinas e Estaos Finitos para etectar alguns parões que poem corresponer a um par e pernas humanas e, após isso, calcula a probabiliae e caa parão etectao ser perna. Além isso, também é proposto um controle e formação entre um robô e uma pessoa, o qual necessita a posição e a orientação a pessoa em relacão ao robô para funcionar. Esses aos são obtios a partir o algoritmo e etecção e pernas proposto. Para valiar o métoo proposto alguns experimentos foram realizaos e serão apresentaos neste artigo. Palavras-chave Interação entre Homens e Robôs, Detecção e Pernas, Sensor Laser e Varreura. Introução Nos últimos anos, um grane esforço tem sio feito para melhorar as pesquisas em Interação Homem- Robô (HRI - o inglês Human Robot Interaction). Pesquisaores como Bellotto e Hu (Bellotto an Hu, 9) afirmam que os estuos em HRI são atualmente uns os mais fascinantes campos e pesquisa em robótica móvel e Bekey (Bekey, 5) enfatiza a ieia e que cooperação e interação entre homens e robôs são os maiores esafios os próximos anos. Para isso, os robôs que irão interagir com os humanos evem ter a habiliae e etectar pessoas, permitino que os robôs entenam e antecipem as ações estes (Arras et al., 7). O principal objetivo este trabalho é realizar a etecção e pernas e seres humanos utilizano um sensor laser para, futuramente, realizar uma interação com pessoas. Existem muitas pesquisas sobre etecção e pessoas usanos sensores laser e varreura. O trabalho apresentao em (Carballo et al., 9) apresenta um métoo para etecção e pessoas em torno e um robô móvel usano ois sensores laser em iferentes alturas, assim são etectaos ois conjuntos e características para caa pessoa. Baseao nessas características e um conhecimento prévio a forma o corpo humano, a etecção e pessoas é realizaa. Em (Fo et al., ), os autores apresentam uma técnica para rastrear objetos móveis em um recinto com vários sensores laser. O métoo para etectar pessoas mostrao em (Arras et al., 7), utiliza uma técnica e aprenizao supervisionao para criar um classificaor que facilita a etecção e pessoas. Esse classificaor é treinao utilizano o métoo Aaboost. Uma maneira e etectar linhas e círculos a partir e aos e istância fornecios por um sersor laser é apresentaa em (Xavier et al., 5). Os autores aina realizam etecção e pernas humanas a partir a consieração que estas possuem algumas particulariaes circulares, assim como o raio. A aboragem para rastrear vários objetos móveis mostraa em (Schulz et al., ) utiliza aos e um sensor laser e combina Filtro e Partículas com métoos já existentes e rastreamento múltiplo. O sistema realiza etecção e pernas e utiliza occupancy gris para etectar pessoas. Topp e Henrik (Topp an Christensen, 5) apresentam a Human Augmente Mapping o que representa uma integração a geração e mapas automáticos com conceitos e aprenizaos. Eles propõem um métoo similar ao apresentao em (Schulz et al., ). A iferença entre os métoos é que o proposto por (Topp an Christensen, 5) permite a etecção e pessoas paraas, o que é bastante útil para interação entre homens e robôs. Os autores e (Cui et al., 5) apresentam um sistema que emprega iversos sensores laser e 385

2 XVIII Congresso Brasileiro e Automática / a 6 Setembro, Bonito-MS. uma câmera para realizar o rastreamento e pessoas. Esse rastreamento é feito pela fusão as informações fornecias pelo algoritmo meanshift e os aos proporcionaos pelo laser. O trabalho e (Müller et al., 7) implementa uma fusão e aos fornecios por um sensor laser, sensores ultrassônicos e visão para que um robô assistente e um shopping center possa encontrar e rastrear pessoas. Um sistema para rastrear pessoas em tempo real em ambientes não estruturaos é mostrao em (Scheutz et al., ). Esse sistema combina etecção e pernas realizaa com aos provenientes e um sensor laser e etecção e face implementaa em harware especializao. O trabalho e (Bellotto an Hu, 9) apresenta uma técnica e fusão multisensorial para rastrear pessoas por um robô móvel usano um sensor laser e uma câmera. Os autores extraem as características o laser e procuram por alguns parões que possam representar pernas. A visão é utilizaa para etectar faces e, com a combinação os aos esses ois sensores, é realizaa uma interação entre homens e robô. Luo et al. (Luo et al., 7) escreve um métoo para encontrar e rastrear uma pessoa utilizano uma câmera, que é responsável por etectar faces, e um sensor laser e varreura, cuja função é encontrar o corpo humano e os braços. Em (Kleinehagenbrock et al., ) um métoo híbrio para integrar sensores laser e visão é apresentao. Os autores utilizam os aos o sensor laser para etectar as pernas os seres humanos e imagens colorias para etectar faces e cor a pele. Essas informações são combinaas para realizar o rastreamento a pessoa. O métoo apresentao neste artigo tem como principal objetivo etectar as pernas e seres humanos usano um sensor e varreura laser e eterminar a posição elas no referencial o robô. Se a etecção as pernas for positiva, o robô poe iniciar uma interação com seres humanos. A aboragem utilizaa neste artigo é similar ao métoo apresentao em (Bellotto an Hu, 9). Eles utilizam um sensor laser e varreura para ientificar alguns parões e pernas que poem ser pernas separaas, pernas juntas e pernas não paralelas. No métoo aqui apresentao, apenas ois parões são consieraos: pernas juntas e pernas separaas. Para etectar estes ois parões utilizam-se uas Máquinas e Estaos Finitos e para caa parão encontrao, calcula-se a probabiliae o mesmo ser um par e pernas. As vantagens o métoo proposto são o baixo custo computacional (caa etecção é realizaa em aproximaamente 35 ms), a simpliciae (apenas utiliza uas máquinas e estaos e uma função e probabiliae para classificar um par e pernas) e a baixa quantiae e parâmetros que precisam ser estimaos (a istância entre as pernas e a iferença entre a largura as mesmas). O restante este artigo está organizao como segue. A Seção apresenta o métoo para etectar pernas utilizano um sensor laser e varreura esenvolvio neste trabalho. A Seção 3 apresenta o controle e formação proposto assim como sua análise e estabiliae, enquanto a Seção traz alguns resultaos experimentais o métoo proposto e, finalmente, as conclusões e propostas e trabalhos futuros são iscutios na Seção 5. Detecção e Pernas O métoo para etectar pernas que será apresentao nesta seção extrai características os aos fornecios por um sensor laser e, assim como o métoo e (Bellotto an Hu, 9), ientifica parões relativos a uas posições as pernas. Estes parões corresponem às seguintes situações: pernas separaas (PS) a pernas juntas (PJ). A estrutura o algoritmo e etecção e pernas poe ser vista na Figura. Meias o Laser X Variação as Meias Ẋ Geração os Parões. Z(X, X, R, ) max Análise as Regiões Detectaas Máquinas e Estaos Finitos Cáculo a Probabiliae P(D, ) Figura : Estrutura o algoritmo proposto. Para eterminar os casos mais comuns as posições as pernas, quano as pessoas param para conversar, alguns inivíuos foram observaos enquanto ialogavam. A Figura ilustra estas situações. (a) (b) (c) () Figura : Posição as pernas. Pernas separaas (a). Pernas juntas (b)-().. Vetor e Transições As meias e istância proporcionaas pelo sensor e varreura laser são armazenaas em um 386

3 XVIII Congresso Brasileiro e Automática / a 6 Setembro, Bonito-MS. vetor X = [x, x,..., x N ] one x i é caa meia e istância capturaa e N é o número total e meias efetuaas. Após isso, um vetor com as iferenças entre uas meias consecutivas (Ẋ = [ẋ, ẋ,..., ẋ N ]) é calculao como ẋ i = x i+ x i, com i =,,..., N. Então, o vetor Z = [z, z,..., z N ], que armazena as transições relacionaas com caa meia em x i é construío. Z é criao com base em X, Ẋ, R max e δ, one R max é a istância máxima consieraa para as meias o laser ( m neste caso) e δ é um limiar e istância. É válio mencionar que, apesar o sensor laser utilizao ser capaz fornecer meias e até 3 m, qualquer meia acima e m foi saturaa neste valor. Desse moo, caa elemento z i o vetor Z poe receber um valor e a como segue: Transição : ẋ i < δ e x i = R max ; Transição : ẋ i > δ e ẋ i < ; Transição : ẋ i < δ e x i R max ; Transição 3: ẋ i > δ, ẋ i > e x i R max ; Transição : ẋ i > δ, ẋ i > e x i = R max. A Figura 3 ilustra estas cinco transições. A linha pontilhaa inica a istância máxima consieraa para as meias o sensor laser, isto é, m. 3 Figura 3: Transições.. As Máquinas e Estaos Finitos Após gerar o vetor Z, é realizaa uma busca por caniatos a pares e pernas (PCs). Esses caniatos são regiões em Z que iniciam com uma Transição preceia e uma Transição e terminam com uma Transição preceia e uma Transição. Caa um poe ser pré-classificao como uma perna simples ou um par e pernas juntas como segue. Um PC é pré-classificao como uma perna simples se a istância entre as extremiaes está na faixa (5 cm, 5 cm). Se essa istância for maior que 5 cm e menor que 3 cm o PC é préclassificao com um par e pernas juntas. Caso contrário o PC é escartao. Uma vez que esta pré-classificação é finalizaa, os PCs são verificaos por uas máquinas e estaos. Uma elas procura pelos parões PS e a outra pelos PJ. Caa estao essas máquinas recebe como entraa um valor entre e, que representam as cinco transições já mencionaas. Um parão PS é efinico pela sequência (Fig. (a)), one os números representam as respectivas transições. Os parões PJ poem assumir três iferentes sequências:, e 3 (Fig. (b)-()). (a) (c) Figura : Parões e pernas. (a). Pernas Juntas (b)-(). (b) () 3 Pernas separaas Os parões mostraos na Figura corresponem às posições e pernas que aparecem na Figura. As Figuras 5 (a) e (b) mostram, respectivamente, as máquinas e estao para a etecção os parões PS e PJ. Por simpliciae, as entraas que levam as máquinas e estaos para os estaos inválios não estão esenhaas nos iagramas apresentaos nessas figuras. / / S S / / 3/ / / 3/ / 3/ / S S S3 / 3/ / S7 S6 S5 3/ / / S / 3/ / / S / / (a) / / / / / / / 3/ / / (b) Figura 5: Máquinas e Estaos Finitos. Pernas Separaas (a) e Pernas Juntas (b). Note que os números próximos às setas que unem os estaos estão na forma entraa/saía, one as entraas são os valores as transições no S S3 3/ / S7 / / S5 S6 S 3/ / 3/ / 387

4 XVIII Congresso Brasileiro e Automática / a 6 Setembro, Bonito-MS. vetor Z e a saía poe ser (o parão não foi ientificao) ou (parão reconhecio)..3 Probabiliae e ser um Par e Pernas Uma vez que os parões são classificaos pelas máquinas e estao, algumas características o par e pernas são extraías para se eterminar a probabiliae esses parões serem par e pernas. Essas características são a istância entre as extremiaes (E) e as iferenças entre as larguras e caa perna (L). Essa probabiliae foi introuzia com o objetivo e evitar situações one, por exemplo, existam uas pessoas próximas ao robô, uma elas na extremiae esquera e a outra na extremiae ireita o campo e varreura o laser e apenas uma perna e caa uma é etectaa. Nessa situação, as máquinas e estao classificarão essas pernas como seno um par e pernas separaas. Porém, como as pernas estão longe uma a outra, elas têm uma pequena probabiliae e pertencer à mesma pessoa. Esta probabiliae é calculaa como P (E, L) = [ tanh ( κl 3)] ) (E Ē) exp (, () σ one L é a iferença entre a largura e caa perna, E é a istância entre as extremiaes exteriores e caa perna e κ é uma constante positiva. A istância méia entre as extremiaes exteriores as pernas e uma pessoa quano ela está paraa conversano com outra e o seu esvio parão são aos por Ē e σ, respectivamente. A Figura 6 mostra a probabiliae e um parão ser um par e pernas separaas e acoro com as variáveis E e L. Para a situação one um parão é classificao como um par e pernas separaas pelas máquinas e estao, os parâmetros a Equação são Ē =.337 m e σ =.8 m, caso contrário, os valores são Ē =.5 m e σ =.68 m. A faixa aotaa para a variável E é [.5 m,.5 m] e para a variável L é [,. m]. O valor e κ não varia inepenentemente a situação e é κ = 5. O gráfico que representa a probabiliae e um parão etectao ser um par e pernas juntas é similiar ao gráfico a Figura 6 e, por esta razão, não será mostrao. P(E, L).5.5 L [m] E [m] Figura 6: Probabiliae e um parão ser um par e pernas separaas. Observano o gráfico apresentao na Figura 6, poe ser visto que a probabiliae assume valor máximo quano L = e E = Ē. 3 Controle e Formação O objetivo o controlaor proposto é manter o robô a uma istância e orientação esejaas o ser humano enquanto este caminha por um ambiente. Isso é feito usano-se informações obtias através a etecção e pernas pelo sensor laser como apresentao na Seção. A Figura 7 ilustra um robô móvel com o sensor laser montao sobre ele, uma pessoa em frente ao robô e as variáveis necessária para realizar o controle. Para este caso, as equações que escrevem o movimento o conjunto são aas por = v h v r cos(θ) θ = ω + v rsin(θ) + v hsin( θ), () one v r e ω são, respectivamente, as velociaes angular e linear o robô, v h é a velociae a pessoa, é a istância entre a pessoa e o robô enquanto θ representa o ângulo que o vetor que liga a posição a pessoa ao centro o robô faz com a orientação o mesmo e θ é o erro angular. ω θ Vr Pessoa Figura 7: Posição relativa entre o robô e uma pessoa. Os valores e e θ são obtios a partir a etecção as pernas a pessoa que o robô eve seguir. Essa etecção é feita a partir as meias e istância fornecias pelo sensor laser, como mostrao na Seção. Após eterminar e θ, os erros e istância e orientação (, θ) são calculaos como = θ = θ θ, Vh (3) one e θ são, respectivamente, a istância e a orientação esejaas que o robô eve manter em relação ao ser humano. Para o referio sistema, é proposto um controlaor não linear a fim e realizar o objetivo e controle, isto é, fazer com que o robô siga o ser humano com istância e orientação especificaas. Para esse controlaor, as velociaes angular e li- 388

5 XVIII Congresso Brasileiro e Automática / a 6 Setembro, Bonito-MS. near o robo sa o calculaas como vr ω = vh k tanh() cos(θ) = sin(θ) sin(θ ) kθ tanh(θ ) vr vh, PC e capaz e executar aproximaamente 5 classificac o es por seguno, entretanto foram fixaos execuc o es por seguno para que caa etecc a o fosse realizaa sempre com o mesmo intervalo e tempo. Na fase em que o robo e a pessoa esta o em formac a o, os ciclos e controle foram fixaos em ms para obeecer as limitac o es o robo mo vel utilizao. O robo usao para realizar os experimentos poe ser visto na Figura 8. () com k, kθ >. Para o controlaor na o linear proposto em () consierou-se a seguinte func a o caniata e Lyapunov para verificar a estabiliae o sistema θ ) = + θ, V (, (5) a qual e semi-efinia positiva e possui a seguinte erivaa temporal θ ) = + θ θ. V (, (6) Assim, erivano-se (3) com relac a o ao tempo e substituino o resultao em (6) obte m-se θ ) = θ θ. V (, Figura 8: Robo utilizao para realizar os experimentos. (7) Agora, os valores e e θ em (7) sa o substituı os pelos respectivos valores aos na Equac a o (). Assim, obte m-se θ ) = [v h vr cos(θ)] θ ω+ vr sin(θ) + vh sin(θ ). V (, (8) Substituino as ac o es e controle propostas em () na Equac a o (8), a erivaa temporal a func a o caniata e Lyapunov poe ser re-escrita como θ ) = k tanh() kθ tanh(θ )θ. V (, (9) Como ja foi mencionao, k e kθ sa o positivos e func o es o tipo x.tanh(x) x. Assim, (6) e semi-efinia negativa, o que implica a estabiliae assinto tica o controlaor na o linear pro θ quano t. posto, isto e,, Com o objetivo e mostrar a confiabiliae o me too proposto, alguns experimentos foram realizaos. O robo foi posicionao em uma a rea livre e, enquanto o algoritmo e etecc a o e pernas era executao, foi peio a algumas pessoas que parassem em frente ao robo a mesma maneira que elas parariam quano estivessem conversano com outra pessoa. E va lio mencionar que o algoritmo proposto classifica um para o etectao como seno um par e pernas se a probabiliae o mesmo ser perna for superior a 7%. O algoritmo proposto aqui, foi capaz e classificar corretamente 96% os casos. A Figura 9 mostra uma pessoa paraa em frente ao robo. Experimentos Os experimentos foram realizaos em um ambiente interno usano um robo mo vel Pioneer 3-AT a ActivMeia, equipao com um sensor laser e varreura Sick LMS. Mesmo esse sensor laser proporcionano meias e ate 8, os experimentos foram realizaos usano as meias e 6 ate, pois o objetivo o me too aqui proposto e etectar pessoas que esta o interessaas em interagir com o robo. Assim, pessoas que param fora a referia regia o sa o consieraas como na o interessaas em interagir. Ale m isso, apo s etectar as pernas e uma pessoa, o robo entra em formac a o com a mesma e a segue pelo ambiente. O sistema foi esenvolvio em C++ e roa em um PC com processaor Intel Core Duo, processaor. GHz e GB e memo ria RAM. Esse Figura 9: Uma pessoa paraa em frente ao robo. Antes e mostrar os resultaos experimentais, e importante mencionar que urante os testes nenhuma pessoa parou em frente ao robo com as pernas juntas. Por essa raza o, com o objetivo e realizar testes mais completos, peiu-se a algumas pessoas que parassem pro ximas o robo com as pernas juntas. A subsec o es seguintes ilustram alguns resultaos experimentais para a etecc a o e pernas realizaa pelo me too proposto. 389

6 XVIII Congresso Brasileiro e Automática / a 6 Setembro, Bonito-MS.. Experimento - Detecção e Pernas Neste experimento, uas pessoas estão paraas em frente ao robô com as pernas separaas. A Figura mostra as meias e istância capturaas pelo sensor laser e o resultao obtio para a etecção e pernas. Os círculos representam os pares e pernas etectaos pelas máquinas e estao e os números inicam a probabiliae e caa parão etectao ser um par e pernas. seja, o algoritmo e etecção e pernas classificou corretamente as pernas e caa pessoa..3 Experimento 3 - Controle e Formação Neste experimento, uma pessoa aproximou-se o robô e, após o robô etectar suas pernas e iniciar o movimento para entrar em formação, manteve-se paraa. Observa-se na Figura a trajetória escrita pelo robô (linha cheia) e a posição estimaa a pessoa (círculos). Trajetória Pessoa Robô Y [mm] Figura : Exp. : Resultaos obtios. Note que na Figura há três círculos, isto é, as máquinas e estao etectaram três possíveis pares e pernas. Entretanto, o seguno parão etectao possui uma baixa probabiliae (5.7%) e não foi consierao um par e pernas. Por outro lao, os outros ois pares e pernas têm probabiliaes maiores que 97% (veja Figura ) e foram classificaos corretamente.. Experimento - Detecção e Pernas Neste experimento, três pessoas pararam em frente ao robô e um conjunto e meias foi capturao pelo laser. Duas pessoas tinham as pernas separaas e a terceira, no meio o campo e varreura o laser, estava com as pernas juntas. A Figura mostra as meias capturaas pelo laser e os parões classificaos pelas máquinas e estao, representaos por círculos X [mm] Figura : Exp. 3: Trajetória. As Figuras 3 e mostram, respectivamente, as velociaes linear e angular o robô urante o experimento, enquanto os erros e istância e e orientação são mostraos nas Figura 5 e 6. v [mm/s] Velociae Linear Calculaa Executaa 5 5 Figura 3: Exp. 3: Velociae Linear. Figura : Exp. : Resultaos obtios. As probabiliaes e caa parão etectao ser um par e pernas, calculaas após a ientificação os parões, também são mostraas na Figura. Note que toos os parões possuem uma alta probabiliae e ser um par e pernas, ou Poe-se observar na Figura que, mesmo com a pesssoa paraa, existe uma nuvem e pontos que representa a sua posição estimaa. Isso acontece evio ao fato a posição a pessoa ser estimaa a partir as meias fornecias pelo laser, as quais poem variar a caa ciclo e etecção. Isso também explica as oscilações na velociae linear o robô que poem ser vistas na Figura 3. Com esse experimento, também poe ser observao que o objetivo e controle é alcançao, ou seja, os erros e controle tenem para zero com 385

7 XVIII Congresso Brasileiro e Automática / a 6 Setembro, Bonito-MS. v [graus/s] 3 3 Velociae Angular Calculaa Executaa 5 5 passar o tempo, como poe ser visto nas Figuras 5 e 6.. Experimento Neste experimento, após o robô etectar as pernas e uma pessoa e iniciar o movimento para entrar em fomação com o ser humano, a pessoa começa a caminhar para que o robô a siga. Na Figura 7 poe-se ver a trajetoria escrita pelo robô e pela pessoa. 3 Pessoa Robô Trajetória Figura : Exp. 3: Velociae Angular. Y [mm] 3 Erro [mm] 8 6 Erro e istância 6 8 X [mm] Figura 7: Exp. : Trajetória. As Figuras 8 e 9 apresentam, respectivamente, as velociaes linear e angular esempenhaas pelo robô urante o experimento Velociae Linear Figura 5: Exp. 3: Erro e istância. v [mm/s] 5 Erro [graus] Erro e orientação 5 Calculaa Executaa 3 Figura 8: Exp. : Velociae Linear. Nesse experimento o robô etectou as pernas e uma pessoa que parou em frente a ele e, após isso, entrou em formação com ela enquanto esta caminhava pelo ambiente (ver Figura 7), atingino, assim, o objetivo e controle Figura 6: Exp. 3: Erro angular. 5 Conclusões e Trabalhos Futuros Neste artigo foi proposto um métoo para encontrar as pernas e um ser humano usano um sensor e varreura laser. O métoo utiliza as meias e istância capturaas pelo sensor laser e procura por alguns parões utilizano uas máquinas e estaos finitos e, após isso, calcula a 385

8 XVIII Congresso Brasileiro e Automática / a 6 Setembro, Bonito-MS. v [graus/s] Velociae Angular IEEE ICRA 9 Workshop on People Detection an Tracking, Kobe, Japan. Cui, J., Zha, H., Zhao, H. an Shibasaki, R. (5). Tracking multiple people using laser an vision, 5 IEEE/RSJ International Conference on Intelligent Robots an Systems, 5. (IROS 5)., pp. 6. Calculaa Executaa 6 3 Figura 9: Exp. : Velociae Angular. probabiliae e caa parão etectao ser um par e pernas. As vantagens o métoo proposto são o baixo custo computacional, a simpliciae e a baixa quantiae e parâmetros que precisam ser estimaos. Além o métoo para a etecção e pernas, foi apresentao um controlaor não linear que permitiu que o robô navegasse manteno uma posição e uma orientação com relação à pessoa. Alguns experimentos foram apresentaos para mostrar o esempenho o métoo proposto. Foi emonstrao que o métoo poe etectar pernas humanas com precisão. No entanto, como apenas informações o sensor laser estão seno utilizaas, alguns falsos-positivos são etectaos. Com o objetivo e reuzir esses falsos positivos, pretene-se aicionar um algoritmo e etecção e faces e, futuramente, realizar uma interação entre homens e robôs. Agraecimentos Os autores gostariam e agraecer à FAPES (Funação e Amparo à Pesquisa o Espírito Santo) pelo suporte financeiro através o projeto número 53/9. Referências Arras, K., Mozos, O. an Burgar, W. (7). Using booste features for the etection of people in range ata, 7 IEEE International Conference on Robotics an Automation (ICRA 7), pp Bekey, G. A. (5). Autonomous Robots : From Biological Inspiration to Implementation an Control (Intelligent Robotics an Autonomous Agents), The MIT Press. Bellotto, N. an Hu, H. (9). Multisensor-base human etection an tracking for mobile service robots, IEEE Transactions on Systems, Man, an Cybernetics, Part B: Cybernetics 39(): Carballo, A., Ohya, A. an Yuta, S. (9). Multiple people etection from a mobile robot using a ouble layere laser range finer, Fo, A., Howar, A. an Mataric, M. (). A laser-base people tracker, Robotics an Automation,. Proceeings. ICRA. IEEE International Conference on, Vol. 3, pp Kleinehagenbrock, M., Lang, S., Fritsch, J., Lomker, F., Fink, G. an Sagerer, G. (). Person tracking with a mobile robot base on multi-moal anchoring, Robot an Human Interactive Communication,. Proceeings. th IEEE International Workshop on, pp Luo, R., Chen, Y., Liao, C. an Tsai, A. (7). Mobile robot base human etection an tracking using range an intensity ata fusion, Avance Robotics an Its Social Impacts, 7. ARSO 7. IEEE Workshop on, pp. 6. Müller, S., Erik, S., Scheiig, A., Böhme, H.-J. an Gross, H.-M. (7). Are you still following me?, Proceeings of the 3r European Conference on Mobile, Freiburg, pp. 6. Scheutz, M., McRaven, J. an Cserey, G. (). Fast, reliable, aaptive, bimoal people tracking for inoor environments, Intelligent Robots an Systems,. (IROS ). Proceeings. IEEE/RSJ International Conference on, Vol., pp vol.. Schulz, D., Burgar, W., Fox, D. an Cremers, A. (). Tracking multiple moving targets with a mobile robot using particle filters an statistical ata association, Robotics an Automation,. Proceeings ICRA. IEEE International Conference on, Vol., pp vol.. Topp, E. an Christensen, H. (5). Tracking for following an passing persons, Intelligent Robots an Systems, 5. (IROS 5). 5 IEEE/RSJ International Conference on, pp Xavier, J., Pacheco, M., Castro, D., Ruano, A. an Nunes, U. (5). Fast line, arc/circle an leg etection from laser scan ata in a player river, Robotics an Automation, 5. ICRA 5. Proceeings of the 5 IEEE International Conference on, pp