CN1696855A - 自校准传感器定向系统 - Google Patents

Abstract

本发明涉及对定向/定位系统的控制，该定向/定位系统包括：传感器装置(1)；以及用于控制该传感器装置的定向和/或定位动作的致动器装置(41、42、43)。

Description

自校准传感器定向系统

技术领域

本发明涉及对具有传感器装置的定向/定位设备的控制，可以通过由该定向/定位设备的致动装置控制的真实行为，来改变该传感器装置的输入空间。因此，优选地，设想对该传感器装置进行定向/定位，以使在该传感器装置的输入空间中识别到的图案转移到目标位置，例如该传感器装置的输入空间坐标的中心。

背景技术

本发明的背景是定向/定位设备领域，下面将参照图1和图2来说明这种定向/定位设备。图1表示可以以多个自由度进行定向的立体摄像机。假定将所示的摄像机定向为使得所检测到的出现在该摄像机的输入空间的某个位置的可视目标移动到该输入空间的坐标原点处。图2表示用于计算并执行动作(即，摄像机的移动)以实现所述目的的已知处理。在第一步骤中，对该传感器(在此为摄像机)的输出进行评估，以确定该传感器的多维输入空间中的目标位置，该目标位置例如可以为所识别的声音源。在后面的步骤中，使用预先定义的查找表或分析功能将该传感器坐标(角度等)映射到电机坐标(电压、电流等)，以生成前面确定的摄像机的新定向所需的致动器(电机)命令。

提供显式定向信息的传感器装置的典型示例例如为图像传感器阵列、雷达图像传感器阵列或化学受体传感器阵列。提供隐式定向信息的典型传感器装置为用于定位声源的立体麦克风。在可以使用所述定向信息之前，提供隐式定向信息的传感器装置需要提取该定向信息。

包括用于提供定向信息的传感器的机器人被称为定向机器人。这种定向机器人的缺点在于：为了能够正确地工作，需要对它们进行频繁的校准。每一次系统几何形态发生改变之后(例如，传感器和机器人的致动器之间的物理关系发生变化时)、每一次改变(例如，更换镜头、改变电机)之后、以及在变化或不受控的环境中使用机器人的情况下，都必须进行这种校准。

在特定环境中，由用户来进行人工校准是不可能的或不希望的(例如，在该机器人是送到其它行星上的探测器的情况下)。另外，在系统几何形态频繁变化、频繁改变传感器或电机，或者非受控环境的情况下，频繁的校准非常费时和费力。

因此，提出了自校准定向机器人。

这种自校准定向机器人通常使用校准方案(scenarios)、数学分析或者在人的监督下的参数/硬件调整。

以上所有的校准技术都具有以下缺点之一：

校准方案的使用通常要求机器人的致动器返回到基准点。因此，在新的和/或非受控的环境中频繁地进行校准是不可能的。此外，通过频繁使用基准点进行的所述校准不足以解决电机响应的非线性问题。

通过数学分析进行的校准有以下缺点：需要多个隐式的假设，这往往导致极大的简化。通常只考虑变量的子集。因此，所述校准方法的精度通常是不够的。此外，由于复杂度高，而使得通过数学分析频繁进行的校准通常不适用于在线校准。最终，必须对设置的任何有意或无意的改变来重新定义该分析。

在人的监督下进行的参数/硬件调整的缺点在于，需要人类专家的干预。因此，这种校准方案不适用于自主机器人。此外，这种校准技术通常非常耗时，并且高度依赖于专家的经验。

发明内容

因此，本发明的一个目的是提供一种用于控制定向系统的方法，以及一种自校准定向系统，该系统可以在无人工干预的情况下高精度地进行系统的自校准。

本发明的另一目的是提供一种用于控制定向系统的方法，以及一种自校准定向系统，该系统适于解决电机/传感器响应中的非线性问题，并且适于在变化的和/或非受控环境中使用，其中不可能或不希望进行维护。

可以通过独立权利要求的特征来实现以上目的。从属权利要求进一步拓展了本发明的中心思想。

根据本发明的第一方面，提出了一种用于控制定向/定位系统的方法，

所述定向系统包括至少一个传感器装置，以及用于控制这些传感器装置的定向和/或定位动作的致动器装置。

该方法包括以下步骤：

-(S1)对所述传感器装置的动作前输出信息进行评估，以检测图案在所述传感器装置的输入空间中的位置；

-(S2)确定所述图案在所述传感器装置的输入空间中的目标动作后位置(targeted post-action position)；

-(S3)通过使用预先定义的映射函数，将所述传感器装置的输入空间坐标中的动作前位置与目标动作后位置的任何偏离，映射到致动器控制坐标，来定义用于所述致动器装置的命令；

-(S4)根据所定义的命令由所述致动器装置来定向/定位所述传感器装置，以执行定向/定位动作；以及

-(S5)检测所述图案在所述传感器装置的输入空间中的实际动作后位置；

-(S6)根据所述图案在所述传感器装置的输入空间中的实际动作后位置与目标动作后位置之间的任何差异，来调整(adapting)步骤S3中使用的映射函数，以执行映射函数的增量自适应学习(incremental adaptivelearning)，其中使用分别经过调整的映射函数循环地重复步骤S1至S6至少一次。

注意，在步骤S4中，可以直接或间接地移动所述传感器装置(例如，在将传感器装置安装在车辆或机器人上时的情况下，移动该传感器装置的支架)。

在步骤S6中，可以根据图案在所述传感器装置的输入空间中的实际动作后位置与目标动作后位置之间的任何差异，来计算校正信号。可以考虑该校正信号以及图案在所述传感器装置的输入空间中的动作前位置，来调整映射函数。

另选地，在步骤S6中，可以根据动作前位置来计算校正信号，该动作前位置在执行该动作时实际上被移动到目标动作后位置。可以考虑该校正信号以及图案在所述传感器装置的输入空间中的动作前位置，来调整映射函数。

在调整映射函数之前，可以将调整矢量(adaptation vector)与一因子相乘，以控制映射函数的调整率(adaptation rate)，该因子大于或等于0，并且小于或等于1。

所述方法还可以包括以下步骤：根据所述图案在所述传感器装置的输入空间中的实际动作后位置与目标位置之间的差异的合理性(plausibility)，例如通过所选择的图案的相关值，来计算置信值(confidence value)。然后可以用该置信值对所述调整矢量进行调制，以使得所述调整率依赖于例如所选择的传感器图案之间在动作前和动作后的相关性的置信度。

可以通过查找表来实现该映射函数。该查找表将传感器坐标与对应的致动器坐标相关联。

在步骤S1至S6中，对于各次循环，不仅使用了图案的位置，而且使用了该位置周围的限定范围内的邻域，其中可以在后续的两个循环之间改变该邻域的范围。

可以在传感器坐标或致动器坐标中执行对映射函数的调整。

本发明的另一方面涉及一种用于控制定向/定位系统的方法，所述定向系统包括至少一个传感器装置，以及用于控制所述传感器装置的定向和/或定位动作的致动器装置。

所述方法优选地包括以下步骤：

-(S1)使用预定义的映射函数，将所述传感器装置位于所述传感器装置(1)的输入空间坐标中的输出信息，映射到致动器控制坐标；

-(S2)确定目标动作后位置，该确定在致动器控制坐标中进行；

-(S3)根据所述确定的结果来定义用于所述致动器装置(41、42、43)的命令；以及

-(S4)根据所定义的命令，由所述致动器装置来对所述传感器装置进行定向/定位，以执行所述传感器装置的定向/定位动作。

可以将多个传感器装置的输出分别映射到致动器坐标中，随后进行组合，其中可以根据该组合的结果来执行步骤S2中的所述确定。

在进行步骤S2中的确定时，可以考虑所述致动器装置的约束。

本发明的另一方面涉及一种计算机软件产品，该计算机软件产品用于在计算机设备上运行时实现上述方法。

本发明的另一方面涉及一种自动校准定向/定位系统。该系统优选地包括至少一个传感器装置、计算装置，以及用于控制所述传感器装置的定向和/或定位动作的致动器装置，所述计算装置包括：

-用于对所述传感器装置的动作前输出信息进行评估，以检测图案在所述传感器装置(1)的输入空间中的位置的装置；

-用于确定所述图案在所述传感器装置的输入空间中的目标动作后位置的装置；

-用于向致动器装置发送命令的装置，该命令是通过使用预定义的映射函数，将所述传感器装置的输入空间坐标中的动作前位置与目标动作后位置之间的任何偏离，映射到致动器控制坐标而生成的；

-用于检测所述图案在所述传感器装置的输入空间中的实际动作后位置的装置；以及

-用于根据所述图案在所述传感器装置的输入空间中的实际动作后位置与目标动作后位置之间的任何差异，来校准所述映射函数，以执行映射函数的增量自适应学习的装置。

附图说明

在以下的详细说明中，将参照附图对本发明进行说明，在所有附图中，使用相似的标号来表示相似的部分，在附图中：

图1表示根据现有技术的定向装置；

图2表示根据现有技术的定向动作计算处理；

图3a、3b示意性地表示了根据本发明的另选处理；

图4a、4b表示计算校正信号以进行映射函数的自适应学习的不同实施例；

图5表示用于加速调整处理的选项；

图6表示在图3a或3b的学习处理中引入置信值；以及

图7表示本发明的自校准定向/定位系统的方框图。

具体实施方式

现将参照图3a来说明根据本发明的处理。与已知处理(参见图2)相比，对传感器的输出信号进行评估，以确定所识别图案在传感器装置1的输入空间中的目标位置，该目标位置是通过预先计算的“一次(one-strike)”动作而获得的。这意味着，首先构成一动作，即与真实世界的计划交互，然后执行整个动作。只有在该动作完成以后，才对最初计划的动作与实际结果之间的差异进行评估，并计划和执行额外的校正动作。

根据本发明，为了将所确定动作的传感器坐标映射到致动器坐标中，使用了自适应学习的映射。在定向的第一循环中，使用粗略估测或任意设定的映射函数。在至少一个另外的循环中，将使用改进的“学习”映射函数。

该方法具有以下优点：在传感器/致动器特性发生变化(磨损、设置的变化、更换、温度波动...)的情况下，通过较少的学习/调整循环来自动实现正确的传感器/致动器映射，而无需人工干预，也无需通过分析(重新)定义致动器和传感器坐标之间的相关性。

为了执行自适应学习处理，当完成了循环并且执行了动作时，评估该动作是否成功，即，该图案是否实际上已接近目标位置，并且根据任何偏差来生成校正信号，并将其馈送到映射单元，以执行增量学习步骤。可以重复该循环，直到所计划的动作与实际结果之间的偏差小于预定阈值为止，或者可以无限地继续该循环。

注意，在该动作完成之后生成该校正信号，该动作意味着在一次过程中获得所需的结果。

总之，根据该示例，在传感器坐标中确定要进行的动作；随后将该确定产生的结果映射到致动器(电机)坐标。

图3b表示一另选设置，其中在致动器坐标系统中执行确定处理之前，首先将传感器坐标映射到致动器坐标。这种设置具有以下优点：例如，可以在当前正在致动器坐标中进行确定的过程中，更容易地考虑对致动器坐标的限制(最大范围、速度、加速度等)。

另外，根据图3b的该另选设置，可以将不同的、最终完全不同的传感器的输出信号分别映射到各自的致动器坐标中，可以容易地将这些致动器坐标进行组合，以根据所组合的致动器坐标来确定要执行的动作。

将参照图4a来说明计算校正信号以及映射函数的调整的第一实施例。如上所述，映射的目的是将在传感器坐标中确定的动作的坐标转换为适用于控制该致动器装置的坐标。因此，图4a分别示出了传感器阵列和电机阵列。在本示例中，设想要执行下述动作，通过该动作，将动作前位置 转移到传感器阵列(传感器输入空间)的中心。使用预设的映射函数，假定对应的致动器(电机)命令为 然而，通过使用该电机命令，没有将动作前位置

精确地移动到传感器阵列中的目标位置，而是移动到了动作后位置

根据本实施例，现作为线性外推法执行映射函数的增量自适应学习(并且该映射函数的增量自适应学习要用于下一循环)，即坐标(自由度)x的自适应校正电机命令为：

${\stackrel{\→}{M}}_x^{t+1}={\stackrel{\→}{M}}_x^{t-1}+{\mathrm{\α}}_x({\widehat{\stackrel{\→}{M}}}_x^t-{\stackrel{\→}{M}}_x^{t-1})$

其中 ${\widehat{\stackrel{\→}{M}}}_x^t={\stackrel{\→}{M}}_x^{t-1}\·\frac{{\stackrel{\→}{S}}_x^{t-1}}{{\stackrel{\→}{S}}_x^{t-1}-{\stackrel{\→}{S}}_x^t},$ 并且

α_x是可选参数(等于或大于0，并且等于或小于1)，用于控制坐标x的调整率。

注意，还可以将这种外推型学习处理用于非线性映射。

此外，可以将如图4a所示的学习处理应用于图3a和图3b的确定策略。

最后，还可以将该学习处理应用于传感器的输入空间中存在单个和多个刺激发射源(stimulus-emitting sources)的情况。

为了加速学习处理(该学习处理被调整率参数α_x潜在地减慢)，可以在各次循环中使用一个以上的位置。如图5所示，为了加速调整的收敛，可以使用一位置的限定邻域。因此，通过使该邻域的范围可随时间变化，可以实现下述的映射函数，该映射函数在系统突然失准的情况下保持可塑性，并且同时保持局部稳定，以保证任何非线性的精确表达。

将参照图4b来说明计算校正信号以及映射函数的调整的第二实施例。同样，该映射的目的是将在传感器坐标中确定的动作的坐标转换为适用于控制该致动器装置的坐标。因此，图4b也分别示出了传感器阵列和电机阵列。在本示例中，设想要执行下述动作，通过该动作，将动作前位置 转移到传感器阵列(传感器输入空间)的中心。使用预设的映射函数，假定对应的致动器(电机)命令为

然而，通过使用该电机命令，没有将动作前位置 精确地转移到传感器阵列中的目标位置，而是转移到动作后位置

下面，根据本第二实施例，对实际上已经在执行由 所命令的动作时转移到目标位置的基准位置进行识别。此外，与第一实施例相反，在传感器空间中根据以下公式来执行对映射的调整：

${\stackrel{\→}{S}}_x^t={\stackrel{\→}{S}}_x^{t-1}+{\mathrm{\α}}_x({\widehat{\stackrel{\→}{S}}}_x^{t-1}-{\stackrel{\→}{S}}_x^{t-1})$

其中 是在时刻t的维度x的经校正的目标动作后位置，

是在时刻t-1的维度x的(未校正的)目标动作后位置， 是时刻t-1的维度x的动作前基准位置，而α_x是用于控制维度x的调整率的常数(大于或等于0，并且小于或等于1)。

注意，该学习处理可以应用于图3a和3b的学习策略。该学习处理是一种相对较快的方法，然而，其要求在输入空间中存在多个刺激发射源—如果仅存在单个刺激发射源，显然不能如上所述找到基准位置。

图6示意性地表示了可以根据校正信号获得置信量度。随后可以使用该置信量度(具有0到1之间的值)对调整率进行调制。置信量度的引入使产生错误调整步骤的可能性最小(在不正确地估测校正信号的情况下会产生错误调整步骤)。通常通过相关性方法来计算校正信号，这种情况下，可以使用(在归一化之后)该相关性作为置信量度。

图7示意性示出了根据本发明的自校准定向/定位系统。

该系统包括传感器装置1，用于采集现实世界的信息，以将图案2(例如，所识别的限定目标)定位在该传感器装置1的至少一维的输入空间中。另选地，该传感器装置1可以是雷达图像传感器阵列、化学受体传感器阵列，或者用于定位由对象2发出的声音的立体声麦克风，或者任何其它定向传感器。

传感器装置1安装在机架上，该机架包括例如适用于倾斜和摇摆该传感器装置1的致动器装置41和42。在本示例中，所述致动器装置41和42例如可以是线性电机。

因此，致动器装置41和42适于通过移动传感器装置1本身来改变传感器装置1的输入空间。注意，在本说明书的结构中，将适于通过真实世界的操控来改变传感器装置1的输入空间的任何计划处理称为“动作”。因此，“动作前”和“动作后”分别是指由该致动器装置控制的这种动作发生之前和之后的状态。

传感器装置1和致动器装置41和42与计算装置3相连。

在图7中，所述计算装置3是计算机，该计算机适用于定义该图案在传感器装置1的输入空间中的目标动作后位置信息，以及计算用于使致动器装置41和42移动传感器装置1的命令。另选地或另外地，该计算装置可适用于计算用来移动机器人43的操控装置(manipulator)8的命令，操控装置8的移动也是适于在致动器装置41和42的控制下改变传感器装置1的输入空间的动作。

当计算用于各个致动器装置41、42或者机器人43的命令时，该计算装置使用下述信息：由所述传感器装置1提供的动作前位置信息，即，与该动作发生前，该图案在传感器装置1的输入空间中的位置相关的信息；以及目标动作后位置信息，即，表示该动作发生后，图案2的目标位置的信息。例如，该目标位置可以是传感器装置1的输入空间的中心。另选地，特别在致动器装置控制例如机器人等的操控装置臂的情况下，可以将该目标位置设定为要由该机器人操控的对象的位置(仍然位于传感器装置1的输入空间中)。

计算装置3包括确定装置5和比较装置6。

确定装置5适于确定：在完成所述致动器装置41、42和/或所述机器人43通过移动所述传感器装置1或通过移动所述操控装置8对所述对象2和/或所述操控装置8进行的动作后，由传感器装置1输出的动作后位置信息是否与计算装置3先前定义的目标动作后位置一致。

如果确定装置5确定动作后对象-传感器位置信息与目标对象-传感器位置信息不匹配，则计算装置3进一步通过使用由比较装置6输出的比较结果，对分别用于致动器装置41、42和机器人43的计算命令进行校正。然后可以将校正后的命令用于后续动作。

为了实现图3a的学习策略，计算装置3适于计算动作后对象-传感器位置信息与目标动作后对象-传感器位置信息之间的差异，并通过使用以下公式对用于致动器装置41、42、43的计算命令进行自动校正：

${{\stackrel{\→}{M}}_x}^{t+1}={{\stackrel{\→}{M}}_x}^{t-1}+{\mathrm{\α}}_x({{\widehat{\stackrel{\→}{M}}}_x}^t-{{\stackrel{\→}{M}}_x}^{t-1})$

其中 ${{\widehat{\stackrel{\→}{M}}}_x}^t={{\stackrel{\→}{M}}_x}^{t-1}\·\frac{{{\stackrel{\→}{S}}_x}^{t-1}}{{{\stackrel{\→}{S}}_x}^{t-1}-{{\stackrel{\→}{S}}_x}^t},$

是在时刻t+1的维度x的用于致动器装置(41、42、43)的已校正命令， 是在时刻t-1的维度x的用于致动器装置(41、42、43)的未校正命令， 是在根据未校正命令对所述致动器装置(41、42、43)进行了控制之后，在时刻t的维度x的动作后对象-传感器位置信息， 是在时刻t-1的维度x的目标动作后对象-传感器位置信息，而α_x是用于控制维度x的调整率的常数。

由于明确地考虑了当前通过先前用于控制致动器装置41、42和/或机器人43的命令而实现的精度，所以所述差异的使用使得能够以非常精确的方式对用于控制致动器装置41、42和/或机器人43的计算命令进行校正。

为了实现图3b的学习策略，该计算装置可以适于通过使用以下公式来计算目标动作后位置信息与动作前位置信息之间的差异：

${{\stackrel{\→}{S}}_x}^t={{\stackrel{\→}{S}}_x}^{t-1}+{\mathrm{\α}}_x({{\widehat{\stackrel{\→}{S}}}_x}^{t-1}-{{\stackrel{\→}{S}}_x}^{t-1})$

其中

是在时刻t的维度x的调整后的目标动作后位置，

是在时刻t-1的维度x的目标动作后位置，

是在时刻t-1的维度x的动作前基准图案位置，而α_x是用于控制维度x的调整率的常数(大于或等于0，并且小于或等于1)。

由于通过使用位于目标动作后对象-传感器位置信息中的基准对象来选择所述基准位置，所以保证了该基准对象最佳地适用于校正致动器装置41、42和/或机器人43的各自动作。此外，由于不是通过使用单个预定基准点而是使用位于各个目标动作后对象-传感器位置信息中的基准对象来进行这种校正，所以甚至可以处理电机/传感器响应中的非线性问题。

可以通过计算装置3将校正后的命令，即，自适应学习的映射函数，存储到所述命令映射的所述存储装置7中。

由计算装置3使用存储在命令映射中的命令来计算分别用于致动器41、42和机器人43的任何新命令。

通过自动比较传感器装置的动作后输出和该传感器装置的动作前输出，并且使用所述比较结果对用于致动器装置的计算命令进行校正，本发明的方法使得该定位系统能够自动校准，并且适应变化和不受控的环境。

因此，本发明提供了一种用于控制定向系统的方法以及一种自校准定向系统，该方法使得该系统能够高精度进行自动校准，而无需人工干预。此外，本发明的用于控制定向系统的方法以及本发明的自校准定向系统适于处理电机/传感器中的非线性问题，并适于在不能或不希望进行维护的变化和/或不受控的环境中使用。因此，本发明的系统和方法可以在没有人工干预的情况下长时间地进行操作。

与现有技术的自定向/自校准系统相比，本发明的系统更加简单、更加灵活，并且需要较少的维护。可以改变本发明的系统的几何形态，而不需要对制动器装置和传感器装置进行新的校准。

例如，本发明的系统和方法的典型应用示例为在自动摄像机或定点设备监督下的机器人的摄像机调焦操作。配备有摄像机的机器人以及根据本发明的定向系统可以由此聚焦在所识别的对象上，并最终朝向它们移动，以对它们进行操控。

Claims (21)

1、一种用于控制定向/定位系统的方法，

该定向系统包括：至少一个传感器装置(1)；以及用于控制所述传感器装置(1)的定向和/或定位动作的致动器装置(41、42、43)，所述方法包括以下步骤：

-(S1)对所述传感器装置(1)的动作前输出信息进行评估，以检测图案在所述传感器装置(1)的输入空间中的位置；

-(S2)确定所述图案(2)在所述传感器装置(1)的输入空间中的目标动作后位置；

-(S3)通过使用预先定义的映射函数，将所述传感器装置(1)的输入空间坐标中的所述动作前位置与所述目标动作后位置之间的任何偏离，映射到致动器控制坐标，来定义用于所述致动器装置(41、42、43)的命令；

-(S4)根据所定义的命令由所述致动器装置(41、42、43)来定向/定位所述传感器装置(1)，以执行定向/定位动作；以及

-(S5)检测所述图案(2)在所述传感器装置(1)的输入空间中的实际动作后位置；

所述方法的特征在于：

-(S6)根据所述图案在所述传感器装置(1)的输入空间中的所述实际动作后位置与所述目标动作后位置之间的任何差异，来调整在步骤S3中使用的所述映射函数，以执行所述映射函数的增量自适应学习，

其中使用分别进行了调整的映射函数循环地重复步骤S1至S6至少一次。

2、根据权利要求1所述的方法，其特征在于

在步骤S6中，

-根据所述图案在所述传感器装置(1)的输入空间中的所述实际动作后位置与所述目标位置之间的任何差异，计算校正信号，并且

-考虑所述校正信号、所执行的致动器命令以及所述图案在所述传感器装置(1)的输入空间中的动作前位置，来调整所述映射函数。

3、根据权利要求1所述的方法，其特征在于

在步骤S6中，

-根据执行所述动作时已实际移动到所述目标动作后位置的所述动作前位置，来计算校正信号，并且

-考虑所述校正信号和所执行的致动器命令，来调整所述映射函数。

4、根据权利要求2或3所述的控制定向系统的方法，其特征在于

在调整所述映射函数之前，将调整矢量与一因子相乘，以控制所述映射函数的调整率，该因子大于或等于0，并且小于或等于1。

5、根据权利要求2至4中的任意一项所述的控制定向系统的方法，其特征在于

所述方法还包括以下步骤：

-根据执行所述动作之前和之后的传感器图案之间的比较，来计算置信值；并且

-使用所述置信值对所述调整矢量进行调制，以使得所述调整率依赖于所述置信值。

6、根据前述权利要求中的任何一项所述的方法，其特征在于

通过查找表来实现所述映射函数。

7、根据前述权利要求中的任何一项所述的方法，其特征在于

在步骤S1至S6中，对于各次循环，不仅使用了所述图案的位置，而且使用了该位置周围的限定范围内的邻域。

8、根据权利要求7所述的方法，其特征在于

可以在两个后续的循环之间改变所述邻域的范围。

9、根据前述权利要求中的任何一项所述的方法，其特征在于

在所述传感器坐标中执行对所述映射函数的调整。

10、根据权利要求1至9中的任何一项所述的方法，其特征在于

在所述致动器坐标中执行对所述映射函数的调整。

11、一种用于控制定向/定位系统的方法，

该定向系统包括：至少一个传感器装置(1)；以及用于控制所述传感器装置(1)的定向和/或定位动作的致动器装置(41、42、43)，

所述方法包括以下步骤：

-(S1)使用预先定义的映射函数，将所述传感器装置(1)在所述传感器装置(1)的输入空间坐标中的输出信息，映射到致动器控制坐标；

-(S2)确定目标动作后位置，该确定在所述致动器控制坐标中进行；

-(S3)根据所述确定的结果来定义用于所述致动器装置(41、42、43)的命令；以及

-(S4)根据所定义的命令，由所述致动器装置(41、42、43)对所述传感器装置(1)进行定向/定位，以执行所述传感器装置的定向/定位动作。

12、根据权利要求11所述的方法，其特征在于

将多个传感器装置的输出分别映射到致动器坐标，随后进行组合，其中可以根据该组合的结果来执行步骤S2中的所述确定。

13、根据权利要求11或12所述的方法，其特征在于

在步骤S2中进行所述确定时，考虑所述致动器装置的约束。

14、一种计算机软件产品，适于在计算设备上运行时实现根据前述权利要求中的任何一项所述的方法。

15、一种自动校准定向/定位系统，其包括至少一个传感器装置(1)、计算装置、以及用于控制传感器装置(1)的定向和/或定位动作的致动器装置(41、42、43)，

所述计算装置包括：

-用于对所述传感器装置(1)的动作前输出信息进行评估，以检测图案在所述传感器装置(1)的输入空间中的位置的装置；

-用于确定所述图案(2)在所述传感器装置(1)的输入空间中的目标动作后位置的装置；

-用于向所述致动器装置(41、42、43)发送命令的装置，所述命令是通过使用预先定义的映射函数，将所述传感器装置(1)的输入空间中的所述动作前位置与所述目标动作后位置之间的任何偏离，映射到致动器控制坐标中而生成的；

-用于检测所述图案(2)在所述传感器装置(1)的输入空间中的实际动作后位置的装置；

-用于根据所述图案在所述传感器装置(1)的输入空间中的所述实际动作后位置与所述目标动作后位置之间的任何差异，来校准所述映射函数，以执行所述映射函数的增量自适应学习的装置。

16、根据权利要求15所述的系统，其特征在于

用于根据所述图案在所述传感器装置(1)的输入空间中的所述实际动作后位置与所述目标位置之间的任何差异，来计算校正信号的装置，

其中，考虑所述校正信号、所执行的致动器命令以及所述图案在所述传感器装置(1)的输入空间中的动作前位置，来校准所述映射函数。

17、根据权利要求16所述的系统，其特征在于

用于根据执行所述动作时已实际移动到所述目标动作后位置的所述动作前位置，来计算校正信号的装置，并且

其中，考虑所述校正信号以及所执行的致动器命令，来校准所述映射函数。

18、根据权利要求16或17所述的系统，其特征在于

在校准所述映射函数之前，将调整矢量与一因子相乘，以控制所述映射函数的调整率，该因子大于或等于0，并且小于或等于1。

19、根据权利要求16至18中的任意一项所述的系统，其特征在于

-用于根据执行所述动作之前和之后所选择的传感器图案的相关性，来计算置信值的装置；以及

-用于使用所述置信值对所述调整矢量进行调制，以使所述调整率依赖于所述置信值的装置。

20、根据权利要求16至19中的任意一项所述的系统，其特征在于

通过查找表来实现所述映射函数。

21、根据权利要求16至20中的任意一项所述的系统，其特征在于

所述传感器装置包括摄像机或麦克风中的至少一种。

Images