JP2014078254A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2014078254A5 JP2014078254A5 JP2013251735A JP2013251735A JP2014078254A5 JP 2014078254 A5 JP2014078254 A5 JP 2014078254A5 JP 2013251735 A JP2013251735 A JP 2013251735A JP 2013251735 A JP2013251735 A JP 2013251735A JP 2014078254 A5 JP2014078254 A5 JP 2014078254A5
- Authority
- JP
- Japan
- Prior art keywords
- cell
- robot
- cells
- physical environment
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000001276 controlling effect Effects 0.000 claims description 3
- 239000002245 particle Substances 0.000 description 84
- 238000009826 distribution Methods 0.000 description 14
- 238000001514 detection method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000004807 localization Effects 0.000 description 8
- 230000036544 posture Effects 0.000 description 8
- 238000000034 method Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 230000000875 corresponding Effects 0.000 description 5
- 239000000203 mixture Substances 0.000 description 4
- 230000003068 static Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 230000002093 peripheral Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000002829 reduced Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000001419 dependent Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000000670 limiting Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006011 modification reaction Methods 0.000 description 1
- 230000003449 preventive Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000284 resting Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Description
本願は、同時継続の、2009年8月31日付けで出願され、「Computation Optimization Techniques for Simultaneous Localization and Mapping」と題された米国特許仮出願第61/238,597号の利益を主張し、その開示全体は参照によって本願に組み込まれる。
本発明の態様は、移動ロボット、さらに特定すると、動作環境内での移動ロボットの動きを容易にするための、移動ロボットの動作環境マッピングに関する。
移動ロボットがその環境をマップ化することを可能とし、且つ、その位置の作業用データをそのマップ内に維持するためのシステムとして、同時位置決め地図作成(SLAM)は正確であり且つ多用途である。多くの種類のアプリケーションに対するその信頼性および適合性は、それを、ロボットにあるレベルの自立性を与えるための有用な要素とする。
しかしながら、通常、SLAM技術はコンピュータ集約的な傾向があり、その結果、その効率的な実行にはあるレベルの処理パワーとメモリ容量が必要であり、これは幾つかの消費者製品応用に対して、費用効率がよくないことがある。
消費者マーケットでの競争に必要な低コスト生産目標に直面している人間にとって、経済的なハードウエア環境が、強固なSLAMシステムを充分に支持することが可能な処理能力およびメモリ能力を含むことは考えられない。従って、開発者が持つコンピュータ能力の限界内でコアSLAMの効率的な実行を促進する方法を、開発者が探求することは必須である。一般に、このような最適化構想は、処理パワーとシステムのバンド幅を思慮深く利用するものであり、それらの性能にかなり妥協せず、或いは入力データサイズまたはバンド幅を大幅に減少させることのない方法で、SLAMアルゴリズムの幾つかを簡略化することを意味する。
4個の概念がここに要約されている。これらはそれぞれ、限られたプロセッサパワーおよび/またはメモリ容量を提供するプラットフォーム上で動作する場合に、SLAMシステムが効率を維持することを可能とすることを目的としている。これらの最適化方法の幾つかは、完全にソフトウエア内に存在し、或いは、適性に機能させるためにハードウエアサポートの幾つかの要素を必要とする場合もある。
1.非局在化の間、ロボット姿勢更新の停止
局在化は、その環境内で、ロボット姿勢(位置及び角度)の規則的な更新を必要とする。これがなされる頻度は、更新操作の結果、どの程度頻繁にデータが処理されるかに依存して、システムパフォーマンス全体に影響する。計算負荷を最小とすることは、低コストハードウエア環境において効率的に機能することができる、SLAMシステムを提供するために重要である。
局在化は、その環境内で、ロボット姿勢(位置及び角度)の規則的な更新を必要とする。これがなされる頻度は、更新操作の結果、どの程度頻繁にデータが処理されるかに依存して、システムパフォーマンス全体に影響する。計算負荷を最小とすることは、低コストハードウエア環境において効率的に機能することができる、SLAMシステムを提供するために重要である。
本発明の一つの特徴によれば、ロボットが非局在化されたかのように見えた場合、ロボット位置の更新を排除することによって、計算負荷を減少させることができる。この非局在化において、その更新はとにかく間違ったものである可能性が高いので。
図1は、移動ロボットシステム100における、上述の特徴の態様を示す図である。図1において、データ取得システム110は、移動ロボット120の環境に関するデータを生成する。このデータは処理装置130への入力データとなる。このデータから、処理装置130は、移動ロボットの環境のマップまたはモデルを生成する(ブロック132)。処理装置130はさらに別の機能(ブロック134)を含み、ここでは、マップ要素(エレメント)の閾値限界を超える全てのシフトに対し、マップの生成または更新をモニタする。もし、このような事態が検出されると、処理装置(ブロック136)は、データ取得システム110からのデータの使用を停止しまたは修正するために、命令を実行することによって応答する。センサユニット140は、同様に、データ生成のためのデータ取得システム110の好ましい方向性の喪失に対して、データ取得システム110をモニタする。センサユニット140が方向性の喪失を検出すると、処理装置130は、データ取得システム110によって生成されたデータの利用を停止しまたは修正するために、命令を実行することによって応答する。移動ロボット120は処理装置130に接続されていても良い。センサユニット140は、もし存在すれば、移動ロボット120に取り付けられていても良い。データ取得システム110は、同様に移動ロボット120に取り付けられても良く、或いはその代わりに分離されていても良い。
図2は、図1に示すシステムの動作フローを示す。図2において、ブロック201で、データ取得システムはロボットの物理環境に関するデータを生成し、ブロック202でデータを生じさせる。ブロック203において、データ取得システムの方位がモニタされ、データ取得システムがロボットの物理環境に関して好ましい方位を維持しているか否か(例えば、データ取得システムが傾いているか否か、転倒しているか否か、或いはロボットがその物理環境内で機能することができる方位以外の方位を表示しているように見えるか否か)が検出される。ブロック203において、好ましい方位が失われていないと、ブロック204において、生成されたデータが、ロボットの物理環境のマップを生成し或いは更新するために用いられる。一方、ブロック203において、好ましい方位が失われていると、次に、ブロック206において、マップの生成が停止され、或いはマップが修正される。ブロック204またはブロック206の何れかの後に、フローは図2の最上部に戻り、データを生成し且つデータ取得システムの方位をモニタする。
図3は、本発明の他の特徴を示す図である。図3において、マップ生成装置310は、移動デバイスをその環境内での局在化のために、移動デバイスの環境マップを提供する。非局在化検出装置320はマップ情報を用いてそのデバイスの位置を決定する。粒子生成装置322は、移動デバイスの潜在的(ポテンシャル)な姿勢を表す粒子を生成する。粒子重量割り当て装置324はそれぞれの粒子に重量を割当て、他の粒子に対するその正確さの相対的尤度を示す。これとは別に、誤り粒子生成装置326が、粒子重量割り当て装置324によって生成された場合の対応する重量が低くなるように、粒子を生成する。重量が低いことは、移動デバイスの位置を正確に示す確率が低いことを示す。粒子重量比較装置328は、誤り粒子の重量を、粒子生成装置322によって生成された粒子の重量と比較し、且つ、そのデバイスが正確に局在化されていることを確認し、或いは、非局在化が起こっているか否かを決定する。
本方法は、以下の様に動作する。
1)誤り位置および傾斜した粒子を、追跡粒子セットに導入することができる。後で、検証粒子としても言及される誤り粒子は、それらが、ロボットの位置および傾斜の現在の推定に追加のエラーを導入しないような方法で、選択されることができる。
2)通常、誤り粒子は低い重量を有し、これは、通常、ロボットの現在の位置を正確に表現する確率が低いことに相当している。もし誤り粒子が、一様に低くないがしかしむしろ低い重量と大きい重量の分布或いはある組合せである場合、これはロボットが非局在化されたことを暗示する。
3)もし、ロボットが非局在化されたらしいと決定された場合、その周辺のマップ内でのその位置の更新を、誤り粒子の重量が低い値のより均一な分布に戻るまで、停止しても良い。
1)誤り位置および傾斜した粒子を、追跡粒子セットに導入することができる。後で、検証粒子としても言及される誤り粒子は、それらが、ロボットの位置および傾斜の現在の推定に追加のエラーを導入しないような方法で、選択されることができる。
2)通常、誤り粒子は低い重量を有し、これは、通常、ロボットの現在の位置を正確に表現する確率が低いことに相当している。もし誤り粒子が、一様に低くないがしかしむしろ低い重量と大きい重量の分布或いはある組合せである場合、これはロボットが非局在化されたことを暗示する。
3)もし、ロボットが非局在化されたらしいと決定された場合、その周辺のマップ内でのその位置の更新を、誤り粒子の重量が低い値のより均一な分布に戻るまで、停止しても良い。
図4は、図3に示すシステムの動作フローを示す。図4のブロック401で、既存のマップを必要に応じて使用し或いは更新しても良い。ブロック402で、粒子が新しく或いは繰り返して生成され、繰り返して生成された粒子は既存の粒子セット中に追加される。ブロック403で、それぞれの粒子に重量が割当てられる。ブロック404で、誤り粒子が生成され、ブロック405で誤り粒子はそれらに割当てられた重量を有する。ブロック406で、誤り粒子の重量は、オリジナル粒子セットの重量と比較され、非局在化が発生したか否かが決定される。ブロック407で、非局在化のためのチェックがなされる。もし、非局在化が発生していないと、図2のブロック205と同じ様に、マップ生成および更新が継続する。非局在化が発生した場合、図2のブロック206と同じ様に、マップ生成が停止され或いは修正される。
なぜこの手順をSLAMシステムで実施するかについては、予防(予備)的理由があり、さらに、コンピュータ負荷の削減を超えた別の利益を提供することができる。非局在化が検出された場合にマッピングを停止することにより、マップの破損を避けることができる。さらに、一旦、非局在化が検出されると、ロボットが再局在化する尤度を増加させるために、例えば、セット中の粒子数を増加させること、或いは、よりルーズなエラーモデルを使用することのような、更なるアクションをイネーブルとすることができる。非局在化の深刻度に応じて、回復に関連するものに加えて、別のアクションを取ることができる。例えば、ロボットは停止し或いは走行を再開することができる。
事例:誤り粒子の導入を介して非局在化を決定すること
SLAMスキームの元での局在化への典型的なアプローチは、以下のステップを含むことができる。
1)それぞれの粒子に対して:
a)理想的な移動モデル(例えば、走行距離計測法)を適用する。
b)エラーモデル分布から引き出された、位置および角度(x、y、θ)調整を適用する。
c)重量を計算するために、現在のマップに関して評価する。
2)計算された重量に比例する粒子を再サンプリングする。
SLAMスキームの元での局在化への典型的なアプローチは、以下のステップを含むことができる。
1)それぞれの粒子に対して:
a)理想的な移動モデル(例えば、走行距離計測法)を適用する。
b)エラーモデル分布から引き出された、位置および角度(x、y、θ)調整を適用する。
c)重量を計算するために、現在のマップに関して評価する。
2)計算された重量に比例する粒子を再サンプリングする。
上記の処理過程に基づく典型的な局在化反復法により、図5に示す粒子重量分布を提供することができる。
図5において、重量によって分類された粒子の分布は、低、中間および高重量の粒子の混合を表す曲線として現れている。分布の左側上部の高重量の粒子は、分類された重量分布上でより低い位置にあるその他の粒子に対して、ロボットの姿勢を正確に表現する、比例的により高い確率を有している。粒子がそれらの重量によってインデックスを付けられた場合、粒子のインデックス番号は、ロボットの姿勢(位置および角度)を正確に表す確率に関して、その他の粒子に対する相対位置を示すことができる。このような枠組み内で、粒子1がもっとも高い正確さの確率を有し、その後の全ての粒子(即ち、粒子2、3、4等)は、それらの姿勢において、順次、より低い正確さの確率を有している。
重量スケール(グラフの縦軸)が、壁からの距離、レーザ距離計のような空間センサからの有効な距離測定値数のような、環境条件に強く依存する場合があることは、注目に値する。誤り粒子の導入を介して非局在化を決定するアプローチは、一般に、環境条件から独立している。
誤り粒子導入の目的は、ロボットの姿勢を表すより高い確率を有する粒子が、最も低いロボット姿勢表示確率を有する粒子よりも、それ程よくない場合を特定することである。このような状況で、殆ど或いは全ての潜在的な(ポテンシャル)姿勢は悪く、従ってロボットはその環境内でその実際の居場所に関して、信頼しうる情報を殆ど或いは全く持たないことを暗に意味している。定義によって、このロボットは非局在化されている。
局在化の状態を評価する過程は、より良い粒子との比較のためのベースライン重量を設定するために、その姿勢を故意に誤らせた追加のテスト粒子を導入することを含んでいる。
粒子評価が角度の誤りに最も敏感であることが往々にして観察される。例えば、ロボット角度における小さな変化は、その周辺環境におけるロボットからオブジェクトへの距離が増加するに伴って、距離測定における大きなエラーに変換できる。大きな角度エラーは、距離に関して類似のレーザ読取分布を持つことができるが、しかしそれらは、全粒子セットの全体の重量を劇的に減少させる場合がある。
通常、最も大きい重量に関して候補位置の角度を表現する粒子は、理想モーションモデルにかなり近い。これを認識すると、非局在化検出の一般に有効なアプローチは、大きな角度オフセット(例えば、±30°、40°、50°、60°等)を伴って、理想モーションモデルの中央に誤り粒子を導入することである。
もしロボットが正しく局在化されていると、誤り粒子は、図6に示すように、最も低い重量の粒子を含む分類された分布カーブの一端において、共に比較的近接して存在するようになる。
図6において、その目的からここで検証粒子として言及される誤り粒子は、カーブの底部右端上に共に集まっており、それぞれの粒子は、分類された分布の残りからなる粒子よりも、ゼロに近い重量を有する。
ロボットが非局在化されると、多くの正常な粒子は低い重量を有するようになり、それらの多くは、図7に示すように、誤り、即ち検証粒子の幾つかよりも低い重量を有するようになる。
図7において、幾つかの誤り(検証)粒子は、分布の遥か右側に存在しているが、しかし、その他の誤り粒子は粒子セットの残りを通して分散している。誤りであると知られている多くの粒子が他の非検証粒子を超える重量を有しているので、ロボットが非局在化されている可能性が増加する。
非局在化の特定
非局在化の実際の決定は、誤り(検証)粒子の平均のインデックス値を調べることを含む、種々の方法で行うことができる。局在化条件において、殆どまたは全ての誤り粒子は、これらが最も低い重量を有するため、インデックスの底において比較的近接して存在している。局在化ケースにおいて、誤り粒子のインデックスを平均化することによって、誤りおよび非誤り粒子の両者を含む、全粒子セットのサイズに対する大きな数が生成される。
非局在化の実際の決定は、誤り(検証)粒子の平均のインデックス値を調べることを含む、種々の方法で行うことができる。局在化条件において、殆どまたは全ての誤り粒子は、これらが最も低い重量を有するため、インデックスの底において比較的近接して存在している。局在化ケースにおいて、誤り粒子のインデックスを平均化することによって、誤りおよび非誤り粒子の両者を含む、全粒子セットのサイズに対する大きな数が生成される。
しかしながら、非局在化状態において、誤り粒子は分布曲線に沿って分散し、さらに、それらの重量順に粒子を指標付けする(インデックスを付ける)ことによって、全粒子セットのサイズに関して必ずしも高くない平均化のインデックスを有する、誤り粒子のセットが生成される。一般に、全粒子セットサイズに関して一定で且つ高い値を維持する検証粒子インデックスの平均は、局在化状態を反映している。平均値の低下、或いは平均値が変動し始めることが、非局在化状態を示す。
局在化され且つ非局在化されたこれらの状態の両方が、図8において、平均化された検証粒子でのプロットにおいて示されている。このグラフにおいて、プロットされたデータは平均化された検証粒子インデックスである。局在化反復1から600に対して、平均化されたデータは高く且つ比較的一定で、これは局在化状態と一致している。反復600のすぐ後で、平均値が急激に低下し、その後回復する。このデータセットにおいて、この低下は、技術者がロボットを床から持ち上げ別の場所に移動させたことに対応する。インデックス平均における以前の降下と同様に、平均が高く安定した数値に復帰することは、ロボットがそのイベントから回復しているだろうことを示している。
グラフの800から1000間の局在化反復点において、データは大きく変動を始める。平均と変動範囲における一貫性の欠如は非局在化状態を示している。以前の大きな非局在化とは異なって、データセットの終わりまでのデータの連続した不安定性によって示されるように、ロボットはこの非局在化から回復できなかったと思われる。
ロボットが非局在化されたことの決定は、平均化された誤り粒子のインデックスを閾値数と比較することによっている。閾値数は、符号化の間に先験的に決定することができるが、しかし、ロボットが局在化されたか否かの評価において、いくらかのヒステリシス(履歴現象)を含むことは、一般的に有益である。例えば、図8に示されるデータセットの後半の部分を見ると、平均化された検証粒子インデックスの変動は、数回にわたって高い数値に達しているが、しかし、それぞれの時点で、数回の反復の後に再び低下している。ロボットが非局在化イベントから回復したか否かの適正な評価は、瞬間的な値のみを見るべきでなく、平均化されたインデックスが高い値に復帰し且つロボットが首尾よく再局在化されたらしいことを立証するに充分な期間にわたって高い値で安定しているか否かを評価するべきである。必要な最小期間も同様にコード(符号)中に定義することができる。
2.マップの動的領域の取り扱い
自身の周辺のマップを作成し且つ更新することに携わる、ロボットの前に立ちはだかる難問の一つは、その周辺内における静的および動的エレメントの潜在的な混合である。通常、殆どのロボットの周辺は固定されたままであることが期待される一方、ロボットは、人々、ペット等が動く環境内で機能するように準備されなければならない。
自身の周辺のマップを作成し且つ更新することに携わる、ロボットの前に立ちはだかる難問の一つは、その周辺内における静的および動的エレメントの潜在的な混合である。通常、殆どのロボットの周辺は固定されたままであることが期待される一方、ロボットは、人々、ペット等が動く環境内で機能するように準備されなければならない。
新たに遭遇しマップされていない空間が、動的および静的エレメントの混合を含んでいる場合がある。マップの潜在的に動的な領域のロボットの特定と潜在的に静的な領域のロボットの特定との間の区別をつけることは、ロボットを使用するために有用で且つ正確なマップを作成する上で、最も重要である。
一実施例において、ロボット周辺の静的(永久的)エレメントと動的(一時的)エレメント間を区別する問題には、以下の方法で取り組むことができる。
1)ロボットは、メモリ中に得られるセルのグリッド空間内にその環境(マップ)の抽象的概念を作成することができ、ここでそれぞれのセルは、セル中の空間が空っぽであるかまたは占有されているかの相対的確率を示す数値を含んでいる。これらの値は、例えば、それぞれのセル内の初期状態値として127(即ち、スペクトルの中央の値)を有する、ゼロ(空)から254(占有)に及び得る。
2)最も都合よくはレーザ距離計である、空間センサがロボットの周辺を走査し、境界およびその他のオブジェクトまでの距離を測定することができる。このデータストリームは、セルが占有されているか空かをロボットが決定することができる基本情報を提供することができる。例えば、空間センサが壁までの距離を測定すると、ロボット生成マップ上の壁に沿ったその点に対応するセルが占有されている占有確率は増加するが、その一方で、ロボットと壁の間の測定ベクトルに沿った全てのセルに対する占有確率は減少する(何故なら、壁は検出される第1のオブジェクトであるから)。空間センサからの測定を繰り返すことによって、その確率はより確かとなることができる。
3)現在空であると特定されたセルが変化する占有確率を有している場合(即ち、突然占有されているとして現れる)、それはマップの潜在的な動的領域を意味する。
4)もしこのようなセルが検出されると、これらが動的である間、障害物を含む尤度に関して更新されないように、これらにマークを付けることができる。同様に、これは、これらのセルを取り囲む任意の領域にまで及ぶことができる。
1)ロボットは、メモリ中に得られるセルのグリッド空間内にその環境(マップ)の抽象的概念を作成することができ、ここでそれぞれのセルは、セル中の空間が空っぽであるかまたは占有されているかの相対的確率を示す数値を含んでいる。これらの値は、例えば、それぞれのセル内の初期状態値として127(即ち、スペクトルの中央の値)を有する、ゼロ(空)から254(占有)に及び得る。
2)最も都合よくはレーザ距離計である、空間センサがロボットの周辺を走査し、境界およびその他のオブジェクトまでの距離を測定することができる。このデータストリームは、セルが占有されているか空かをロボットが決定することができる基本情報を提供することができる。例えば、空間センサが壁までの距離を測定すると、ロボット生成マップ上の壁に沿ったその点に対応するセルが占有されている占有確率は増加するが、その一方で、ロボットと壁の間の測定ベクトルに沿った全てのセルに対する占有確率は減少する(何故なら、壁は検出される第1のオブジェクトであるから)。空間センサからの測定を繰り返すことによって、その確率はより確かとなることができる。
3)現在空であると特定されたセルが変化する占有確率を有している場合(即ち、突然占有されているとして現れる)、それはマップの潜在的な動的領域を意味する。
4)もしこのようなセルが検出されると、これらが動的である間、障害物を含む尤度に関して更新されないように、これらにマークを付けることができる。同様に、これは、これらのセルを取り囲む任意の領域にまで及ぶことができる。
図9は本発明の他の特徴を含むシステムの図面である。図9において、データ取得システム910は、ロボットのような移動デバイスの物理環境に関するデータを生成する。データ取得システムによって生成されたデータは、マップ/モデル処理装置920に入力を供給する。マップ/モデル処理装置920は、セルベース形状のマップを生成し且つ維持し(ブロック922)、さらに、データ取得システムから受信したデータに基づいてそれぞれのセルに占有確率を割当てる(ブロック924)。さらに、マップ/モデル処理ユニットは、各セルの占有確率の変化に対して、個々のセルをモニタする(ブロック926)。このような変化の検出に基づいて、処理ユニットは、セルが動的であるか否かを決定する。セルが動的であると決定されると、これらのセルにはそのように印が付けられる(ブロック928)。これらのセルが動的状態にある間、これらのセルをマッピングし或いは更新することを停止する。
図10は、図9に示す実施例の動作フローを示す。図10において、ブロック1001で、データ取得システムはロボットの物理環境に関するデータを生成し、生成したデータをブロック1002に与える。ブロック1003において、生成されたデータは、ロボットの物理環境のマップを生成し或いは更新するために使用される。ブロック1004において、グリッドマップ中のそれぞれのセルに対する占有確率が割当てられまたは更新される。ブロック1005において、セルの占有確率が変化したか否かが決定される。変化しない場合、フローはブロック1001に戻る。変化した場合、ブロック1006において、占有確率が変化しているセルに動的であると印が付けられ、それによって、占有確率が変化している間それらのセルが更新されないようにする。フローはその後、ブロック1001に戻る。
ロボット周辺に関する空間データを収集するために使用されるセンサにおける傾斜への対処
マッピングと局在化の一部としてロボットの周辺を正確に描写するためには、空間データを生成しているセンサの方位を周辺形状の主表面に一致するように保持することが必要である。このことは、建物の中或いは同様の筐体内で作動するロボットに対して、2次元内で情報を収集するセンサが、好ましくは、その検出表面を床に平行に維持することを意味する。これは、その床が、そこを移動するロボットが利用可能な移動主表面を定義するからである。
マッピングと局在化の一部としてロボットの周辺を正確に描写するためには、空間データを生成しているセンサの方位を周辺形状の主表面に一致するように保持することが必要である。このことは、建物の中或いは同様の筐体内で作動するロボットに対して、2次元内で情報を収集するセンサが、好ましくは、その検出表面を床に平行に維持することを意味する。これは、その床が、そこを移動するロボットが利用可能な移動主表面を定義するからである。
床がでこぼこな表面または不連続表面の領域を持っていることがあり、或いは、床に休止しているオブジェクトが、ロボットの利用可能な表面に不均一性をもたらすので、空間データを収集するセンサが周辺形状の主表面に一致する方位を維持することができない場合もあり、この場合はロボット周辺を誤って描写することになる。
図11および12は、センサが床に対する平行方位を失った場合、検出する能力を持たずに空間データを収集するロボットが遭遇する、潜在的な問題を図示する。上側の図において、ロボットは物理境界Aから物理境界Bに向って移動している。この事例においてロボットにマウントされているセンサは、ロボットの最上部に近い高で細線で示される水平面において、空間データを収集する。下側の図において、ロボットは障害物上を移動し始め、この障害物はロボットを後方に傾斜させる。もし、周辺形状に一致した平面中のデータを最早収集していないことをロボットが認識していないと、センサデータによって展開された空間構成は、ロボット周辺によって定義される実際の形状と一致しない。この場合、前方に傾斜したデータ収集平面は、以前に決定した壁の位置Bを、さらにB’に歪める。データ収集平面上の後方傾斜は、床との交差点を結果として生成し、境界がさらに遠くの位置Aではなくむしろ、ロボットの背後の位置A’に存在するような印象を作る。
ロボットが床表面中の実質的なでこぼこを越えようとするとき、往々にして車輪スリップは傾斜を伴う。ロボットが新しい領域でその最初のデータを収集している場合にこれが起こると、特に問題となる。何故なら、この歪んだ画像がマップ中に組み込まれる場合があるので。
マップに更新を提供するために、空間境界情報を連続的に生成するロボットに対して、傾斜した状況の間に生成された誤ったデータは、マッピングまたは局在化アルゴリズム中に伝搬することがある。その潜在的な結果は、ある程度のマップの破損を含み、これは往々にして非局在化につながる。
その結果、正常な動作中に傾斜状態を特定するためのストラテジーを提供することが重要であり、そのための2個のアプローチを以下に記載する。これらのアプローチは、それらを別々に、或いは、潜在的に補強するために一緒に使用することができるように設計されている。
3.ソフトウエアにおいて検出され対処される傾斜
一般的に、人々、ペットまたは人間によって動かされ或いは使用されているオブジェクトによって生成された動的領域は、マークすべき動的領域を提供し、この領域は通常、その足跡内に限定される。しかしながら、動的領域が比較的広い領域に沿って広がっている場合、これは、異なるシナリオを提供する場合がある。例えば、マップの境界領域が急にずれ、或いは、多くの可能な連続セルがアクティブとしてタグ付けされる方法でシフトした場合、ロボットが傾斜している可能性が大きい。このような場合、以前に記載した事例で示したように、空間センサの検出面が、ロボットに近い床の一部分が境界であると読めるように、傾斜している可能性がある。動的領域が人間、ペットまたは移動するオブジェクトによって生成されたものよりも、前者との相対的比率において大きい領域を含んでいることをロボットが特定すると、マップの更新が停止されることがある。
一般的に、人々、ペットまたは人間によって動かされ或いは使用されているオブジェクトによって生成された動的領域は、マークすべき動的領域を提供し、この領域は通常、その足跡内に限定される。しかしながら、動的領域が比較的広い領域に沿って広がっている場合、これは、異なるシナリオを提供する場合がある。例えば、マップの境界領域が急にずれ、或いは、多くの可能な連続セルがアクティブとしてタグ付けされる方法でシフトした場合、ロボットが傾斜している可能性が大きい。このような場合、以前に記載した事例で示したように、空間センサの検出面が、ロボットに近い床の一部分が境界であると読めるように、傾斜している可能性がある。動的領域が人間、ペットまたは移動するオブジェクトによって生成されたものよりも、前者との相対的比率において大きい領域を含んでいることをロボットが特定すると、マップの更新が停止されることがある。
図13は、図1において示されたシステムの動作フローを、ロボットの傾斜がソフトウエアによって検出され且つ対処される変化を伴って、表示する。ブロック1301において、データ取得システムはロボットの物理環境に関するデータを生成し、生成されたデータをブロック1302に出力する。ブロック1303において、生成されたデータは、ロボットの物理環境マップを生成しまたは更新するために使用される。ブロック1304において、マップの何れかのエレメント(例えば、マップ境界領域)が閾値限界を超えてシフトしたかを見るためのチェックがなされる。Noの場合は、ブロック1305で、マップの生成または更新を継続する。しかしながら、ブロック1304において閾値限界を超えるシフトがある場合、ブロック1306において、マップの生成が停止され、或いは、マップが修正される。この観点において、停止しまたは修正するための命令は処理装置内で生成され、センサユニットが起源ではない。ブロック1305またはブロック1306の何れかの後、フローはデータ生成に戻り、それによって、マップエレメントが閾値限界内に戻ったか否かを見るために、更なるチェックを行うことができる。
マッピングのために生成されたデータの使用を停止するかまたは修正するための命令が、センサユニットからまたは処理装置内から必ずしも来る必要がないことに、注意すべきである。図1に示すシステムのこれらそれぞれの特徴は、同時に機能することができる。
動きの検出は、例えば、ロボットの周辺を連続して走査することが可能なレーザ距離計によってなされる、空間走査に依存している。走査が、継続的な距離測定値が“動的な”動きを示していることを示した場合、集合距離によって、または、距離微分によって表現される空間距離を、予め定義された閾値と比較することができる。最初から最後の距離測定との間の差が閾値より大きい場合、ロボットは傾斜していると結論付けることができる。図14は、このようなシナリオの一例を提供する。位置Aのロボットが部屋を進み、出入口を通過して隣室に入っていく場合を考える。ロボットが、その周辺の物理的限界を描くことを可能にする、平面空間センサを使用していると仮定する。このようなセンサは、開いている出入口を通して隣接する部屋の壁のある部分を検出する場合があり、これによって、この事例では、壁部分Bの検出された長さを生じさせることができる。もし、前進するロボットが、例えば、厚いじゅうたんのような障害物に遭遇し、その結果としてロボットがオブジェクトをまたぐ場合(例えば、左側の車輪がじゅうたんによって持ち上げられ、他方、右側の車輪は床の上を継続して転がる場合)、ロボットのセンサ平面は右側に向って傾斜するようになる。部屋の形状および傾斜の程度に依存して、隣接する部屋の壁をBであると検出したセンサ平面の部分が、遥かに近い位置B’で隣接する部屋の床を横断することが可能となる。このような場合、ロボットがその周辺のマップを更新するに従って、データは、BからB’への急な壁の境界シフトを示すことがあり、その一方で、その他の境界は位置の変化を僅かに示し、或いは全く示さない。ロボットが連続したセルにおける突然の変化−水平動作の間のB’における空のセルから、ロボットが傾斜している場合のB’における占有されたセルまで−をモニタするために、傾斜事象が起こったことの決定は、連続する新しく“占有された”セルによって表現される物理的長さと予め定義された閾値との間の比較に基づく場合もある。もし、表現された距離、または距離差が閾値と一致し或いは閾値を超えた場合、ロボットが傾斜していると結論付けることができ、そして、マップの更新を停止することができる。
4.ハードウエアにおいて検出され且つ対処される傾斜
ハードウエアにおける傾斜の検出は、部品取りつけ表面の方位における変化を検出する加速度計または類似の部品を含むことができる。
ハードウエアにおける傾斜の検出は、部品取りつけ表面の方位における変化を検出する加速度計または類似の部品を含むことができる。
このアプローチでは、空間スキャナによって生成されたデータを方位の変化に関するデータによって補完することができる。空間センサのデータに対して文脈上の検証を提供するこの後者のデータセットによって、傾斜検出部品が、空間センサがその好ましい方位を失ったことを示した間に収集された情報を放棄することもできる。典型的な実施例において、このデータは、局在化またはマップソフトウエアによって処理される前に、放棄されてもよい。
図15に示すように、ロボットは、ロボット周辺からの水平面における2D空間情報を使用する。ドットラインは感知周辺を示し、この周辺は、ロボット周辺のオブジェクトと交差する空間感知平面によって形成される。この周辺は、近くの障害物と壁及びドアによって表現される境界とをロボットに通知する。
図16に示すように、ドアフレームのような低い障害物あるいはでこぼこの表面をロボットが横切る場合、ロボットが床に対する平行配置を失う場合がある。その結果、ロボット周辺の空間情報を収集するロボットに固定されたセンサは、水平から離れた角度でデータを収集する場合がある。図16のドットラインは、空間センサの検出面とロボット周辺のオブジェクト表面との交差点を示す。ロボットが傾斜すると、生成された空間データは誤ったものとなる。ロボットの前方の壁までの計算された距離は、B’における検出面がより高い点で壁と交差するために、歪んだものとなる。さらに危険なことに、ロボットの背後の床との検出面の交点は、A’での直線境界を間違って報告する。
本発明の幾つかの特徴と観点が、単に例示のみで限定目的ではない、特定の実施例を参照して詳細に説明され記載されている。ここで、“一実施例”或いは“一つの実施例”との言及は、この実施例と関連して記載されたある特徴、構造、動作またはその他の特徴が少なくとも本発明の1つの実施中に含まれるであろうことを意味する。しかしながら、明細書の種々の場所で表れる、“一実施例”或いは“一つの実施例”との表現は、必ずしも同じ実施例に言及するものではない。当業者は、上記実施例の何れかまたは全てを個々に、或いは矛盾しない組合せまたは置換で使用することができるものと、考えられる。当業者は、開示された実施例に対する代替的な実施および種々の修正が、本開示の範囲および意図内であることを理解するものと考えられる。従って、本発明は添付の請求の範囲によってのみ限定されると考えるべきである。
Claims (11)
- 移動デバイスの物理環境のマップの動的領域を特定し且つマーキングするためのシステムであって、
a.前記移動デバイスの物理環境を特定するデータを生成するデータ取得システムであって、前記物理環境内には1個またはそれ以上の障害物を含む、前記データ取得システムと、および
b.前記データ取得システムに応答して、前記移動デバイスの物理環境と当該物理環境内の前記データ取得システムの位置とを、セルベースのグリッド内にマップ化し或いはモデル化するための処理装置であって、前記セルベースのグリッド内のセルには、占有確率が割当てられている、処理装置と、を備え、
c.前記処理装置は、
i.前記データ取得システムによって生成されたデータからグリッドマップ内のそれぞれのセルに占有確率を割り当て且つ更新し、
ii.セルの占有確率における変化が、現在空であると特定されているセルが占有されるようになったことを示すか、或いは、現在占有されていると特定されているセルが空になったことを示すか、を決定し、前記セルの占有確率における変化は前記物理環境内の少なくとも1個の障害物の動きを示し、さらに
iii.前記占有確率が変化する間に、セルの占有確率について更新されないように、このようなそれぞれのセルにマークを付ける、装置を含む、システム。 - 請求項1に記載のシステムにおいて、前記セルのマーク付けは、前記マークが付けられたセルの周辺の任意の領域に及ぶ、システム。
- 請求項1に記載のシステムにおいて、前記移動デバイスはロボットであり、前記システムはさらに距離測定装置を備え、前記距離測定装置は反射光に基づいて距離を測定するために光を発射する発光および受光装置を備え、前記データ取得システムは、前記距離測定装置に応答して前記移動デバイスの物理環境を特定するデータを生成する、システム。
- 請求項3に記載のシステムにおいて、前記距離測定装置はレーザ距離計を含む、システム。
- ロボットの動きを制御するための方法であって、前記方法は、
a.前記ロボットの物理環境を特定するデータを生成するステップであって、前記物理環境内には1個またはそれ以上の障害物を含む、前記ステップと、および
b.セルベースのグリッド内に、ロボットの物理環境と当該物理環境内のロボット位置とをマップ化しまたはモデル化するステップであって、前記セルベースのグリッド内のセルには、占有確率が割当てられている、ステップと、
c.グリッドマップ内のそれぞれのセルに、前記生成されたデータから、占有確率を割り当て且つ更新するステップと、
d.セルの占有確率における変化が、現在空であると特定されたセルが占有されたこと、或いは現在占有されていると特定されたセルが空になったことの何れを示すかを決定するステップであって、セルの占有確率における変化は前記物理環境内における少なくとも1個の障害物の動きを示す、前記ステップと、
e.前記占有確率が変化する間に、セルの占有確率が更新されないように、このようなそれぞれのセルにマークを付けるステップと、さらに
f.上記(a)から(c)に従って、前記ロボットの動きを制御するステップと、を備える、方法。 - 請求項1に記載のシステムにおいて、前記セルにマークを付ける装置は、セルの個々の占有確率が安定化するまで、セルベースのグリッドマップにおいてこれらのセルの更新を停止するための装置を含む、システム。
- 請求項1に記載のシステムにおいて、前記処理装置は更に、特定のセルが占有されているか否かではなく、傾斜イベントが起こったか否かを決定する為に連続したセルにおける突然の変化をモニタする装置を含む、システム。
- 請求項7に記載のシステムにおいて、前記処理装置は更に、特定のセルが占有されているか否かではなく、前記傾斜イベントが起こったか否かを決定する為に、連続したセルによってあらわされる物理的長さと予め定義された閾値とを比較するための装置を含む、システム。
- 請求項5に記載の方法において、前記マーキングは、セルの個々の占有確率が安定化するまでこれらのセルの更新を停止することを含む、方法。
- 請求項5に記載の方法において、更に、特定のセルが占有されているか否かではなく、傾斜イベントが発生したか否かを決定する為に、連続するセルにおける突然の変化をモニタするステップを含む、方法。
- 請求項10に記載の方法において、更に、特定のセルが占有されているか否かではなく、前記傾斜イベントが発生したか否かを決定する為に、連続したセルによって表される物理的長さを予め決定された閾値と比較するステップを含む、方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US23859709P | 2009-08-31 | 2009-08-31 | |
US61/238,597 | 2009-08-31 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012527100A Division JP2013503404A (ja) | 2009-08-31 | 2010-08-31 | 移動ロボット環境の同時局在化およびマッピング方法および装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2014078254A JP2014078254A (ja) | 2014-05-01 |
JP2014078254A5 true JP2014078254A5 (ja) | 2015-06-18 |
JP5837553B2 JP5837553B2 (ja) | 2015-12-24 |
Family
ID=42941963
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012527100A Pending JP2013503404A (ja) | 2009-08-31 | 2010-08-31 | 移動ロボット環境の同時局在化およびマッピング方法および装置 |
JP2013251735A Active JP5837553B2 (ja) | 2009-08-31 | 2013-12-05 | 移動デバイスの物理環境のマップの動的領域を特定し且つマーキングするためのシステムおよびロボットの動きを制御するための方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012527100A Pending JP2013503404A (ja) | 2009-08-31 | 2010-08-31 | 移動ロボット環境の同時局在化およびマッピング方法および装置 |
Country Status (10)
Country | Link |
---|---|
US (4) | US20110082585A1 (ja) |
EP (1) | EP2473890B1 (ja) |
JP (2) | JP2013503404A (ja) |
KR (1) | KR101362961B1 (ja) |
CN (2) | CN102576228A (ja) |
AU (1) | AU2010286429B2 (ja) |
CA (2) | CA2859112C (ja) |
HK (1) | HK1211352A1 (ja) |
NZ (1) | NZ598500A (ja) |
WO (1) | WO2011026119A2 (ja) |
Families Citing this family (101)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8209143B1 (en) * | 2009-09-15 | 2012-06-26 | Google Inc. | Accurate alignment of multiple laser scans using a template surface |
JP5429986B2 (ja) * | 2009-12-25 | 2014-02-26 | 株式会社Ihiエアロスペース | 移動ロボットの遠方環境認識装置及び方法 |
US20120195491A1 (en) * | 2010-07-21 | 2012-08-02 | Palo Alto Research Center Incorporated | System And Method For Real-Time Mapping Of An Indoor Environment Using Mobile Robots With Limited Sensing |
JP5452442B2 (ja) * | 2010-10-25 | 2014-03-26 | 株式会社日立製作所 | ロボットシステム及び地図更新方法 |
US8798840B2 (en) * | 2011-09-30 | 2014-08-05 | Irobot Corporation | Adaptive mapping with spatial summaries of sensor data |
IN2015KN00237A (ja) | 2012-06-27 | 2015-06-12 | Pentair Water Pool & Spa Inc | |
KR101807484B1 (ko) | 2012-10-29 | 2017-12-11 | 한국전자통신연구원 | 객체 및 시스템 특성에 기반한 확률 분포 지도 작성 장치 및 그 방법 |
US9020637B2 (en) * | 2012-11-02 | 2015-04-28 | Irobot Corporation | Simultaneous localization and mapping for a mobile robot |
CN103901774B (zh) * | 2012-12-28 | 2017-02-08 | 联想(北京)有限公司 | 高效鲁棒的基于多传感器的slam协调方法及系统 |
CN103903253B (zh) * | 2012-12-28 | 2017-06-27 | 联想(北京)有限公司 | 一种可移动终端定位方法及系统 |
US9677890B2 (en) | 2013-01-10 | 2017-06-13 | Intel Corporation | Positioning and mapping based on virtual landmarks |
JP2014203145A (ja) * | 2013-04-02 | 2014-10-27 | パナソニック株式会社 | 自律移動装置 |
CN103412565B (zh) * | 2013-05-17 | 2016-01-27 | 浙江中控研究院有限公司 | 一种具有全局位置快速估计能力的机器人定位方法 |
US9037396B2 (en) * | 2013-05-23 | 2015-05-19 | Irobot Corporation | Simultaneous localization and mapping for a mobile robot |
KR102096398B1 (ko) | 2013-07-03 | 2020-04-03 | 삼성전자주식회사 | 자율 이동 로봇의 위치 인식 방법 |
KR101505129B1 (ko) | 2013-08-19 | 2015-03-23 | 부경대학교 산학협력단 | 레이저 스캐너를 이용한 위치인식 및 맵핑 시스템을 이용한 위치인식 방법 |
KR102193768B1 (ko) | 2014-01-14 | 2020-12-22 | 삼성전자주식회사 | 로봇 및 로봇의 제어 방법 |
US9886036B2 (en) * | 2014-02-10 | 2018-02-06 | John Bean Technologies Corporation | Routing of automated guided vehicles |
CN103984037B (zh) * | 2014-04-30 | 2017-07-28 | 深圳市墨克瑞光电子研究院 | 基于视觉的移动机器人障碍物检测方法和装置 |
US9259838B1 (en) * | 2014-07-24 | 2016-02-16 | Google Inc. | Systems and methods for ground plane estimation |
WO2016019390A1 (en) * | 2014-08-01 | 2016-02-04 | Locuslabs Ip | Image-based object location system and process |
FR3025325B1 (fr) * | 2014-09-01 | 2016-12-30 | Valeo Schalter & Sensoren Gmbh | Dispositif et procede de localisation et de cartographie |
AU2015322263B2 (en) * | 2014-09-24 | 2018-03-22 | Samsung Electronics Co., Ltd. | Cleaning robot and method for controlling cleaning robot |
CN104597900A (zh) * | 2014-12-02 | 2015-05-06 | 华东交通大学 | 一种基于类电磁机制优化的FastSLAM方法 |
EP3971672A1 (en) | 2014-12-17 | 2022-03-23 | Husqvarna AB | Multi-sensor, autonomous robotic vehicle with mapping capability |
EP3470950A1 (en) | 2014-12-17 | 2019-04-17 | Husqvarna Ab | Boundary learning robotic vehicle |
TWI548891B (zh) * | 2015-01-12 | 2016-09-11 | 金寶電子工業股份有限公司 | 掃地機定位系統及其定位方法 |
CN104858871B (zh) * | 2015-05-15 | 2016-09-07 | 珠海市一微半导体有限公司 | 机器人系统及其自建地图和导航的方法 |
CN106325266A (zh) * | 2015-06-15 | 2017-01-11 | 联想(北京)有限公司 | 一种空间分布图的构建方法及电子设备 |
KR101734654B1 (ko) * | 2015-06-25 | 2017-05-11 | 현대자동차주식회사 | 레이저 스캐너를 이용한 센서 중심 좌표계의 점유 격자 지도를 작성하는 시스템 및 방법 |
DE102015111613A1 (de) | 2015-07-17 | 2017-01-19 | Still Gmbh | Verfahren zur Hinderniserfassung bei einem Flurförderzeug |
JP6849330B2 (ja) * | 2015-08-28 | 2021-03-24 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 地図生成方法、自己位置推定方法、ロボットシステム、およびロボット |
CN106584451B (zh) * | 2015-10-14 | 2019-12-10 | 国网智能科技股份有限公司 | 一种基于视觉导航的变电站自动构图机器人及方法 |
US10093021B2 (en) * | 2015-12-02 | 2018-10-09 | Qualcomm Incorporated | Simultaneous mapping and planning by a robot |
WO2017116492A1 (en) * | 2015-12-31 | 2017-07-06 | Olney Guy | Method for integrating parallel streams of related sensor data generating trial responses without prior knowledge of data meaning or the environment being sensed |
DE102016203547A1 (de) * | 2016-03-03 | 2017-09-07 | Kuka Roboter Gmbh | Verfahren zum Aktualisieren einer Belegungskarte und autonomes Fahrzeug |
US9864377B2 (en) | 2016-04-01 | 2018-01-09 | Locus Robotics Corporation | Navigation using planned robot travel paths |
CN105892461B (zh) * | 2016-04-13 | 2018-12-04 | 上海物景智能科技有限公司 | 一种机器人所处环境与地图的匹配识别方法及系统 |
JP6508114B2 (ja) | 2016-04-20 | 2019-05-08 | トヨタ自動車株式会社 | 移動体の自動運転制御システム |
US9996944B2 (en) * | 2016-07-06 | 2018-06-12 | Qualcomm Incorporated | Systems and methods for mapping an environment |
US10274325B2 (en) * | 2016-11-01 | 2019-04-30 | Brain Corporation | Systems and methods for robotic mapping |
US10120386B2 (en) * | 2016-11-18 | 2018-11-06 | Robert Bosch Start-Up Platform North America, LLC, Series 1 | Robotic creature and method of operation |
CN108107882B (zh) * | 2016-11-24 | 2021-07-06 | 中国科学技术大学 | 基于光学运动跟踪的服务机器人自动标定与检测系统 |
CN116503533A (zh) * | 2017-03-30 | 2023-07-28 | 克朗设备公司 | 仓库绘制工具 |
US10394246B2 (en) | 2017-03-31 | 2019-08-27 | Neato Robotics, Inc. | Robot with automatic styles |
CN106919174A (zh) * | 2017-04-10 | 2017-07-04 | 江苏东方金钰智能机器人有限公司 | 一种智能引导机器人的引导方法 |
US10761541B2 (en) * | 2017-04-21 | 2020-09-01 | X Development Llc | Localization with negative mapping |
US10551843B2 (en) | 2017-07-11 | 2020-02-04 | Neato Robotics, Inc. | Surface type detection for robotic cleaning device |
US10918252B2 (en) | 2017-07-27 | 2021-02-16 | Neato Robotics, Inc. | Dirt detection layer and laser backscatter dirt detection |
GB201718507D0 (en) | 2017-07-31 | 2017-12-27 | Univ Oxford Innovation Ltd | A method of constructing a model of the motion of a mobile device and related systems |
US10898042B2 (en) | 2017-08-16 | 2021-01-26 | Sharkninja Operating Llc | Robotic vacuum |
ES2951842T3 (es) | 2017-08-22 | 2023-10-25 | Pentair Water Pool & Spa Inc | Sistema de control de limpiador de piscina |
US10583561B2 (en) | 2017-08-31 | 2020-03-10 | Neato Robotics, Inc. | Robotic virtual boundaries |
GB2567944A (en) | 2017-08-31 | 2019-05-01 | Neato Robotics Inc | Robotic virtual boundaries |
JP2019047848A (ja) * | 2017-09-07 | 2019-03-28 | パナソニックIpマネジメント株式会社 | 自律走行掃除機、および、累積床面確率更新方法 |
US10386851B2 (en) | 2017-09-22 | 2019-08-20 | Locus Robotics Corp. | Multi-resolution scan matching with exclusion zones |
US10429847B2 (en) | 2017-09-22 | 2019-10-01 | Locus Robotics Corp. | Dynamic window approach using optimal reciprocal collision avoidance cost-critic |
CN107728616B (zh) * | 2017-09-27 | 2019-07-02 | 广东宝乐机器人股份有限公司 | 移动机器人的地图创建方法及移动机器人 |
JP7136114B2 (ja) * | 2017-10-02 | 2022-09-13 | ソニーグループ株式会社 | 環境情報更新装置、環境情報更新方法及びプログラム |
US11340615B2 (en) | 2017-10-06 | 2022-05-24 | Qualcomm Incorporated | Concurrent relocation and reinitialization of VSLAM |
US10365656B2 (en) | 2017-11-22 | 2019-07-30 | Locus Robotics Corp. | Robot charger docking localization |
US10761539B2 (en) | 2017-11-22 | 2020-09-01 | Locus Robotics Corp. | Robot charger docking control |
US10638906B2 (en) | 2017-12-15 | 2020-05-05 | Neato Robotics, Inc. | Conversion of cleaning robot camera images to floorplan for user interaction |
US11320828B1 (en) | 2018-03-08 | 2022-05-03 | AI Incorporated | Robotic cleaner |
US11254002B1 (en) | 2018-03-19 | 2022-02-22 | AI Incorporated | Autonomous robotic device |
US11454981B1 (en) | 2018-04-20 | 2022-09-27 | AI Incorporated | Versatile mobile robotic device |
US10807236B2 (en) * | 2018-04-30 | 2020-10-20 | Beijing Jingdong Shangke Information Technology Co., Ltd. | System and method for multimodal mapping and localization |
WO2019216578A1 (en) * | 2018-05-11 | 2019-11-14 | Samsung Electronics Co., Ltd. | Method and apparatus for executing cleaning operation |
US11243540B2 (en) | 2018-05-17 | 2022-02-08 | University Of Connecticut | System and method for complete coverage of unknown environments |
US11340079B1 (en) | 2018-05-21 | 2022-05-24 | AI Incorporated | Simultaneous collaboration, localization, and mapping |
US11548159B1 (en) * | 2018-05-31 | 2023-01-10 | AI Incorporated | Modular robot |
US11157016B2 (en) | 2018-07-10 | 2021-10-26 | Neato Robotics, Inc. | Automatic recognition of multiple floorplans by cleaning robot |
US11194335B2 (en) | 2018-07-10 | 2021-12-07 | Neato Robotics, Inc. | Performance-based cleaning robot charging method and apparatus |
US11199853B1 (en) | 2018-07-11 | 2021-12-14 | AI Incorporated | Versatile mobile platform |
US20200050205A1 (en) * | 2018-08-07 | 2020-02-13 | Cnh Industrial America Llc | System and method for updating a mapped area |
US11272823B2 (en) | 2018-08-31 | 2022-03-15 | Neato Robotics, Inc. | Zone cleaning apparatus and method |
CN118014912A (zh) * | 2018-10-15 | 2024-05-10 | 科沃斯机器人股份有限公司 | 环境地图的校正方法、设备及存储介质 |
CN109191027A (zh) * | 2018-11-09 | 2019-01-11 | 浙江国自机器人技术有限公司 | 一种机器人召唤方法、系统、设备及计算机可读存储介质 |
CN109531592B (zh) * | 2018-11-30 | 2022-02-15 | 佛山科学技术学院 | 一种基于视觉slam的图书盘点机器人 |
US10891769B2 (en) * | 2019-02-14 | 2021-01-12 | Faro Technologies, Inc | System and method of scanning two dimensional floorplans using multiple scanners concurrently |
CN109900267A (zh) * | 2019-04-12 | 2019-06-18 | 哈尔滨理工大学 | 一种基于slam的移动机器人地图创建与自主探索系统 |
EP3731130B1 (en) * | 2019-04-23 | 2024-06-05 | Continental Autonomous Mobility Germany GmbH | Apparatus for determining an occupancy map |
CN110174894B (zh) * | 2019-05-27 | 2022-03-15 | 小狗电器互联网科技(北京)股份有限公司 | 机器人及其重定位方法 |
US11250576B2 (en) * | 2019-08-19 | 2022-02-15 | Toyota Research Institute, Inc. | Systems and methods for estimating dynamics of objects using temporal changes encoded in a difference map |
TWI736960B (zh) * | 2019-08-28 | 2021-08-21 | 財團法人車輛研究測試中心 | 同步定位與建圖優化方法 |
US11327483B2 (en) * | 2019-09-30 | 2022-05-10 | Irobot Corporation | Image capture devices for autonomous mobile robots and related systems and methods |
CN110852211A (zh) * | 2019-10-29 | 2020-02-28 | 北京影谱科技股份有限公司 | 基于神经网络的slam中障碍物过滤方法和装置 |
WO2021125510A1 (en) * | 2019-12-20 | 2021-06-24 | Samsung Electronics Co., Ltd. | Method and device for navigating in dynamic environment |
US11880209B2 (en) * | 2020-05-15 | 2024-01-23 | Samsung Electronics Co., Ltd. | Electronic apparatus and controlling method thereof |
CN111928866B (zh) * | 2020-09-27 | 2021-02-12 | 上海思岚科技有限公司 | 一种机器人地图差异更新的方法及设备 |
EP4245474A1 (en) * | 2020-11-12 | 2023-09-20 | Yujin Robot Co., Ltd. | Robot system |
KR102556355B1 (ko) * | 2020-11-12 | 2023-07-17 | 주식회사 유진로봇 | 동적 환경에 강인한 로봇 위치 추정 장치 및 방법 |
CN112698345B (zh) * | 2020-12-04 | 2024-01-30 | 江苏科技大学 | 一种激光雷达的机器人同时定位与建图优化方法 |
CN112581613A (zh) * | 2020-12-08 | 2021-03-30 | 纵目科技(上海)股份有限公司 | 一种栅格地图的生成方法、系统、电子设备及存储介质 |
WO2022190324A1 (ja) * | 2021-03-11 | 2022-09-15 | 株式会社Fuji | 移動システム及び管理装置 |
US20220291692A1 (en) * | 2021-03-15 | 2022-09-15 | Omron Corporation | Method and Apparatus for Updating an Environment Map Used by Robots for Self-localization |
CN112985417B (zh) * | 2021-04-19 | 2021-07-27 | 长沙万为机器人有限公司 | 移动机器人粒子滤波定位的位姿校正方法及移动机器人 |
CN113478480B (zh) * | 2021-06-22 | 2022-03-25 | 中建三局集团有限公司 | 一种横折臂布料机的轨迹规划方法 |
KR20230017060A (ko) * | 2021-07-27 | 2023-02-03 | 삼성전자주식회사 | 로봇 및 그 제어 방법 |
US20230320551A1 (en) | 2022-04-11 | 2023-10-12 | Vorwerk & Co. Interholding Gmb | Obstacle avoidance using fused depth and intensity from nnt training |
US11511165B1 (en) * | 2022-05-30 | 2022-11-29 | Tennibot, Inc. | Autonomous tennis assistant systems |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04227507A (ja) * | 1990-07-02 | 1992-08-17 | Nec Corp | 移動ロボット用のマップを作成し保持する方法 |
US5202661A (en) * | 1991-04-18 | 1993-04-13 | The United States Of America As Represented By The Secretary Of The Navy | Method and system for fusing data from fixed and mobile security sensors |
US5793934A (en) * | 1994-06-22 | 1998-08-11 | Siemens Aktiengesellschaft | Method for the orientation, route planning and control of an autonomous mobile unit |
WO1996007959A1 (de) * | 1994-09-06 | 1996-03-14 | Siemens Aktiengesellschaft | Verfahren zur bestimmung der position einer landmarke in der umgebungskarte einer selbstbeweglichen einheit, deren abstand zur einheit dynamisch von dieser ermittelt wird |
GB0126497D0 (en) * | 2001-11-03 | 2002-01-02 | Dyson Ltd | An autonomous machine |
US7162056B2 (en) * | 2002-08-16 | 2007-01-09 | Evolution Robotics, Inc. | Systems and methods for the automated sensing of motion in a mobile robot using visual data |
WO2004059900A2 (en) * | 2002-12-17 | 2004-07-15 | Evolution Robotics, Inc. | Systems and methods for visual simultaneous localization and mapping |
JP2005211463A (ja) * | 2004-01-30 | 2005-08-11 | Funai Electric Co Ltd | 自走式掃除機 |
JP2006239844A (ja) * | 2005-03-04 | 2006-09-14 | Sony Corp | 障害物回避装置、障害物回避方法及び障害物回避プログラム並びに移動型ロボット装置 |
US20060235585A1 (en) * | 2005-04-18 | 2006-10-19 | Funai Electric Co., Ltd. | Self-guided cleaning robot |
JP2007041657A (ja) * | 2005-07-29 | 2007-02-15 | Sony Corp | 移動体制御方法および移動体 |
AU2006284577B2 (en) * | 2005-09-02 | 2012-09-13 | Neato Robotics, Inc. | Multi-function robotic device |
US8577538B2 (en) * | 2006-07-14 | 2013-11-05 | Irobot Corporation | Method and system for controlling a remote vehicle |
ES2681523T3 (es) * | 2006-03-17 | 2018-09-13 | Irobot Corporation | Robot para el cuidado del césped |
KR100843085B1 (ko) * | 2006-06-20 | 2008-07-02 | 삼성전자주식회사 | 이동 로봇의 격자지도 작성 방법 및 장치와 이를 이용한영역 분리 방법 및 장치 |
US7587260B2 (en) * | 2006-07-05 | 2009-09-08 | Battelle Energy Alliance, Llc | Autonomous navigation system and method |
US7801644B2 (en) * | 2006-07-05 | 2010-09-21 | Battelle Energy Alliance, Llc | Generic robot architecture |
US8996172B2 (en) * | 2006-09-01 | 2015-03-31 | Neato Robotics, Inc. | Distance sensor system and method |
CN100449444C (zh) * | 2006-09-29 | 2009-01-07 | 浙江大学 | 移动机器人在未知环境中同时定位与地图构建的方法 |
US7613673B2 (en) * | 2006-10-18 | 2009-11-03 | The Boeing Company | Iterative particle reduction methods and systems for localization and pattern recognition |
KR100809352B1 (ko) * | 2006-11-16 | 2008-03-05 | 삼성전자주식회사 | 파티클 필터 기반의 이동 로봇의 자세 추정 방법 및 장치 |
JP2009169845A (ja) * | 2008-01-18 | 2009-07-30 | Toyota Motor Corp | 自律移動ロボット及び地図更新方法 |
JP5141507B2 (ja) * | 2008-08-25 | 2013-02-13 | 村田機械株式会社 | 自律移動装置 |
KR101538775B1 (ko) * | 2008-09-12 | 2015-07-30 | 삼성전자 주식회사 | 전방 영상을 이용한 위치 인식 장치 및 방법 |
KR101503903B1 (ko) * | 2008-09-16 | 2015-03-19 | 삼성전자 주식회사 | 이동 로봇의 지도 구성 장치 및 방법 |
-
2010
- 2010-08-31 CA CA2859112A patent/CA2859112C/en active Active
- 2010-08-31 JP JP2012527100A patent/JP2013503404A/ja active Pending
- 2010-08-31 CN CN2010800459012A patent/CN102576228A/zh active Pending
- 2010-08-31 CN CN201510047904.4A patent/CN104699099B/zh active Active
- 2010-08-31 NZ NZ598500A patent/NZ598500A/xx not_active IP Right Cessation
- 2010-08-31 US US12/873,018 patent/US20110082585A1/en not_active Abandoned
- 2010-08-31 CA CA2772636A patent/CA2772636A1/en not_active Abandoned
- 2010-08-31 KR KR1020127006404A patent/KR101362961B1/ko active IP Right Grant
- 2010-08-31 EP EP10760486.0A patent/EP2473890B1/en active Active
- 2010-08-31 AU AU2010286429A patent/AU2010286429B2/en active Active
- 2010-08-31 WO PCT/US2010/047358 patent/WO2011026119A2/en active Application Filing
-
2013
- 2013-10-30 US US14/067,705 patent/US8903589B2/en active Active
- 2013-12-05 JP JP2013251735A patent/JP5837553B2/ja active Active
-
2014
- 2014-11-17 US US14/543,508 patent/US9678509B2/en active Active
-
2015
- 2015-12-07 HK HK15112036.4A patent/HK1211352A1/xx unknown
-
2017
- 2017-05-22 US US15/602,012 patent/US20170255203A1/en not_active Abandoned
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5837553B2 (ja) | 移動デバイスの物理環境のマップの動的領域を特定し且つマーキングするためのシステムおよびロボットの動きを制御するための方法 | |
JP2014078254A5 (ja) | ||
US20120155751A1 (en) | Object recognition apparatus, object recognition method, learning apparatus, learning method, storage medium and information processing system | |
CN110865393A (zh) | 基于激光雷达的定位方法及系统、存储介质和处理器 | |
WO2020042426A1 (zh) | 机器人检测直边的方法和清洁机器人筛选参考墙边的方法 | |
KR101918168B1 (ko) | 3차원 계측 방법 및 그 장치 | |
JP6064674B2 (ja) | 物体認識装置 | |
US10366282B2 (en) | Human detection apparatus and method using low-resolution two-dimensional (2D) light detection and ranging (LIDAR) sensor | |
Lee et al. | Vision-based kidnap recovery with SLAM for home cleaning robots | |
CN111383261A (zh) | 移动机器人、及其位姿估计方法和位姿估计装置 | |
US20150169961A1 (en) | Method and apparatus for determining movement | |
CN110426714B (zh) | 一种障碍物识别方法 | |
CN107966702B (zh) | 环境地图的构建方法及装置 | |
CN111671360B (zh) | 一种扫地机器人位置的计算方法、装置及扫地机器人 | |
Dong et al. | Indoor tracking using crowdsourced maps | |
CN112344966B (zh) | 一种定位失效检测方法、装置、存储介质及电子设备 | |
CN114941990A (zh) | 传感器自检方法、装置、电子设备及机器可读存储介质 | |
CN113050103A (zh) | 一种地面检测方法、装置、电子设备、系统及介质 | |
JP2006155167A (ja) | 画像認識装置 | |
JP2023128778A (ja) | 情報処理装置、制御方法、プログラム及び記憶媒体 | |
CN113689391A (zh) | ToF设备的安装参数获取方法、系统和ToF设备 | |
CN117357006A (zh) | 悬崖检测方法、清洁机器人及其控制装置、方法 | |
CN115808684A (zh) | 目标优化方法、装置、设备及存储介质 | |
CN117830382A (zh) | 地图叠图检测方法 | |
CN117953038A (zh) | 一种基于深度相机的非规则体积测量方法、系统、设备及存储介质 |