TW202030141A - 用於偵測電扶梯之系統、裝置及方法 - Google Patents

用於偵測電扶梯之系統、裝置及方法 Download PDF

Info

Publication number
TW202030141A
TW202030141A TW108145371A TW108145371A TW202030141A TW 202030141 A TW202030141 A TW 202030141A TW 108145371 A TW108145371 A TW 108145371A TW 108145371 A TW108145371 A TW 108145371A TW 202030141 A TW202030141 A TW 202030141A
Authority
TW
Taiwan
Prior art keywords
wall
sensor
robot
distance measurement
escalator
Prior art date
Application number
TW108145371A
Other languages
English (en)
Inventor
阿波拉密德 巴迪奧紮馬尼
克里斯蒂安 愛德華多 特隆科索 帕雷德斯
Original Assignee
美商智力股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 美商智力股份有限公司 filed Critical 美商智力股份有限公司
Publication of TW202030141A publication Critical patent/TW202030141A/zh

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/19—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path
    • G05B19/27—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path using an absolute digital measuring device
    • G05B19/31—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path using an absolute digital measuring device for continuous-path control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B25J13/088—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices with position, velocity or acceleration sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1615—Programme controls characterised by special kind of manipulator, e.g. planar, scara, gantry, cantilever, space, closed chain, passive/active joints and tendon driven manipulators
    • B25J9/162—Mobile manipulator, movable base with manipulator arm mounted on it
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B29/00—Safety devices of escalators or moving walkways
    • B66B29/005—Applications of security monitors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4061—Avoiding collision or forbidden zones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/34—Director, elements to supervisory
    • G05B2219/34351—Knowledge acquisition of environment
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40548—Compare measured distances to obstacle with model of environment

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Optics & Photonics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本文中揭示用於藉由一機器人裝置來偵測一周圍環境中之一電扶梯之系統及方法。根據至少一個例示性實施例，可基於符合一電扶梯偵測參數來判定一電扶梯。該電扶梯偵測參數可進一步需要對分隔開等於一電扶梯之一寬度之一距離之兩個側壁的偵測及對一地板中之一降低的偵測，該降低等於在一電扶梯之一靜止部分與一移動第一臺階之間所觀察到的降低。

Description

用於偵測電扶梯之系統、裝置及方法
本申請案一般而言係關於機器人，且更具體而言係關於用於偵測一機器人之一周圍環境內之一平面中之高度下降(舉例而言，因具有電扶梯)之系統及方法。
當前，諸多機器人包括一或多個距離量測感測器，該一或多個距離量測感測器經組態以量測(舉例而言)在機器人前方之急劇下降以允許機器人避免在該等急劇下降處跌倒。某些機器人可進一步利用影像(例如，彩色或灰階影像)來導航及感測環境障礙物及危險。舉例而言，電扶梯對利用一距離量測感測器進行導航之一機器人提供了一獨特問題，該距離量測感測器經組態以偵測急劇下降，此乃因直至機器人已處於一電扶梯之一第一移動臺階上，該機器人才可偵測到在該第一移動臺階較遠側處之下降。
未經組態以在一機器人移動至一電扶梯之第一移動臺階上之前偵測到該電扶梯之該機器人可具有損壞機器人、損壞電扶梯及傷害附近人類之顯著風險。因此，此項技術中需要用於供一機器人偵測一周圍環境內之一電扶梯之系統及方法。
本發明滿足前述需要，本發明尤其提供用於藉由一機器人器件(舉例而言)在該機器人器件接近一電扶梯時偵測一平面中之下降之系統及方法。本發明係針對於處理LiDAR資料以使得機器人能夠偵測到在其環境內之電扶梯或移動步道之一特定應用。熟習此項技術者可瞭解，電扶梯之論述係用以論述一平面中之下降之一非限制性實例性實施例。以下論述係關於電扶梯，但該論述亦可等效地適用於其中在一平面中存在一下降之其他現實世界實例，諸如懸崖、樓梯、一建築物之邊緣或在地平面上方之一表面之一邊緣。
本文中所闡述之例示性實施例具有創新特徵，該等創新特徵中之任何單個創新特徵皆並非必不可少的或單獨地負責其期望之屬性。在不限制申請專利範圍之範疇之情況下，現在將概述有利特徵中之某些有利特徵。
根據至少一個非限制性例示性實施例，揭示一種機器人系統。該機器人系統可包括一距離量測感測器，該距離量測感測器經組態以收集在一機器人前方及附近之一地板之距離量測以使得機器人能夠避開急劇懸崖及障礙物。該機器人系統可進一步包括一非暫時性電腦可讀儲存媒體及一或多個專門處理器，該非暫時性電腦可讀儲存媒體包括體現於其上之複數個指令，該一或多個專門處理器經組態以執行電腦可讀指令。該等指令可使得一或多個專門處理器能夠基於由距離量測感測器收集之資料而偵測並避開一環境內之一電扶梯。
根據至少一個非限制性例示性實施例，揭示一種使一機器人偵測一電扶梯之方法。該方法可包括機器人之一控制器偵測分隔開對應於一電扶梯之寬度之一預定距離之兩個壁。該方法可進一步包括偵測一靜止地板與一電扶梯之一第一移動臺階之間的一小的下降。在符合此兩個參數後，機器人之控制器可旋即判定一電扶梯且可遠離電扶梯而導航機器人以避免在機器人將掉落電扶梯之情況下損壞機器人、損壞周圍物件或傷害附近的人。
所揭示之發明概念由呈對電腦技術及功能性進行非抽象改良之特定且特別組態之特徵執行。電腦技術及功能性之此等改良中之某些改良包含由獨特且專門處理器執行專門演算法，此允許處理器比習用處理器更快且更高效地執行；且在收集、分析及儲存資料時需要使用較少記憶體空間。因此，本文中所揭示之發明概念係優於習用技術或先前技術之一改良，該習用技術或先前技術針對於沿著易於對一機器人自身、其周圍之人類及物件具有安全風險之一軌跡操縱該機器人。最後，本文中所揭示之結構組件(例如，各種感測器單元、導航單元、致動器單元、通信單元及使用者介面單元)在機器人器件沿著一路徑操縱時以係該機器人器件之功能及操作所獨有之一特定方式及組態進行定向。
本文中所揭示之發明概念係針對於技術改良，該等技術改良對電腦功能性進行改良，使得在執行本文中所揭示之演算法後，電腦組件旋即較快地起作用且使用較少記憶體空間。
在參考隨附圖式來考量以下說明及隨附申請專利範圍(其全部形成本說明書之一部分)後，將更明瞭本發明之此等及其他目標、特徵及特性以及結構之相關元件之操作方法及功能以及部分與製造經濟性之組合，其中相似元件符號指定各個圖中之對應部分。然而，將明確理解，圖式係僅出於圖解說明及說明之目的且並非意欲作為對本發明之限制之一定義。除非內容脈絡另外明確指明，否則如本說明書及隨附申請專利範圍中所使用，單數形式「一(a、an)」及「該(the)」包含複數個指示物。
著作權
本專利文獻之揭示內容之一部分含有受著作權保護之材料。如專利及商標局專利文件或記錄中所顯現，著作權所有人不反對任何人對專利文獻或專利揭示內容之摹真複製，但無論如何另外保留所有著作權權利。
在下文中參考隨附圖式更完全地闡述本文中所揭示之新穎系統、裝置及方法之各種態樣。然而，本發明可以諸多不同形式來體現且不應被解釋為限制於貫穿本發明所呈現之任何特定結構或功能。而是，提供此等態樣使得本發明將係透徹且完整的，且將本發明之範疇完全傳達給熟習此項技術者。基於本文中之教示，熟習此項技術者將瞭解，本發明之範疇意欲涵蓋本文中所揭示之新穎系統、裝置及方法之任何態樣，無論該態樣是獨立於本發明之任何其他態樣實施還是與任何其他態樣組合實施。舉例而言，可使用本文中所陳述之任何數目個態樣而實施一裝置或實踐一方法。另外，本發明之範疇意欲涵蓋使用除本文中所陳述之本發明之各種態樣之外或不同於該等各種態樣之其他結構、功能性或結構與功能性來實踐之此一裝置或方法。應理解，本文中所揭示之任何態樣可由一技術方案之一或多個元件實施。
雖然本文中闡述特定態樣，但此等態樣之諸多變化形式及排列形式屬於本發明之範疇內。雖然提及較佳態樣之某些益處及優點，但本發明之範疇並非意欲限制於特定益處、用途及/或目標。詳細闡述及圖式僅說明本發明而非限制，本發明之範疇係由隨附申請專利範圍及其等效內容界定。
本發明提供用於偵測一機器人之一周圍環境內之電扶梯之系統及方法。如本文中所使用，一機器人可包含經組態以自主地執行一系列複雜任務或動作之機械及/或虛擬實體。在某些例示性實施例中，機器人可為由電腦程式及/或電子電路指導及/或指示之機器。在某些例示性實施例中，機器人可包含經組態以用於導航之機電組件，其中機器人可自一個位置移動至另一位置。此等機器人可包含自主及/或半自主汽車、地板清潔器、巡視器、無人機、飛機、船、搬運車、電車、輪椅、工業設備、備貨(stocking)機器、行動平臺、個人運輸器件(例如，懸停板、SEGWAYS®等)、備貨機器、拖車、交通工具及諸如此類。機器人亦可包含用於將物品、人、動物、貨物、船貨、物件、行李及/或期望之任何事物自一個位置運輸至另一位置之任何自主及/或半自主機器。
如本文中所使用，一電扶梯可包括經組態以經由一移動樓梯而向上或向下移動人或事物之一對角線臺階電扶梯。一電扶梯可進一步包括經組態以經由一移動帶而跨越一平坦平面水平地平移人或事物之一平坦電扶梯。平坦電扶梯或移動步道通常包括形成一移動帶之複數個分段，其中如本文中參考平坦電扶梯或移動步道所使用之第一移動臺階可對應於平坦電扶梯之移動帶之第一分段。在一端處移動至一平坦電扶梯上之一機器人仍可在該機器人移動至電扶梯之帶上或遠離該帶移動時經歷與電扶梯之壁之碰撞，或者可以可損壞機器人或對附近人類造成一安全風險之一速度在相對端處接近平坦電扶梯之一靜止部分。根據至少一個非限制性例示性實施例，一機器人可經組態以判定並利用一電扶梯來將該機器人運輸穿過一環境。
如本文中所使用，一距離量測感測器可包括經組態以判定感測器與一目標點之間的一距離之任何感測器，該目標點位於一表面上。舉例而言，一距離量測感測器可包括經組態以量測感測器與附近物件之間的距離之一光偵測及測距(LiDAR)感測器或其他類似光學感測器。
如本文中所使用，一高度量測可包括由一距離量測相機相對於處於零(0)之一高度之一平坦參考平面所量測之一目標點之一高度。平坦參考平面可為一平坦地板，包括距離量測感測器之機器人位於該平坦地板上。如本文中所使用，一距離量測可包括一高度量測之倒數，其中距離量測係量測一距離量測感測器與一目標點之間的距離。熟習此項技術者瞭解，雖然本發明中所圖解說明之實施例利用高度量測，但將預期採用實質上類似系統及方法來使用距離量測判定一電扶梯。
如本文中所使用，一電扶梯之一側壁可包括環繞電扶梯之移動臺階之一欄桿及扶手支撐結構。
如本文中所使用，一學習程序可包括教示一機器人一相關參數。舉例而言，一機器人可藉由以下操作而學習一電扶梯之寬度：使一操作者將機器人導航至一電扶梯且使機器人使用一感測器來量測電扶梯之寬度。機器人可然後將所學習之寬度儲存於記憶體中以稍後在一電扶梯之判定期間進行參考。
如本文中所使用，網路介面可包含與一組件、網路或程序之任何信號、資料或軟體介面，包含(不加限制地)火線(FireWire) (例如，FW400、FW800、FWS800T、FWS1600、FWS3200等)、通用串列匯流排(「USB」) (例如，USB 1.X、USB 2.0、USB 3.0、USB類型-C等)、乙太網路(例如，10/100、10/100/1000 (十億位元乙太網路)、10-Gig-E等)、同軸電纜多媒體聯盟技術(「MoCA」)、Coaxsys (例如，TVNET™)、射頻調諧器(例如，帶內或OOB、纜線數據機等)、Wi-Fi (802.11)、WiMAX (例如，WiMAX (802.16))、PAN (例如，PAN/802.15)、蜂巢(例如，3G、LTE/LTE-A/TD-LTE/TD-LTE、GSM等)、IrDA族系等。如本文中所使用，Wi-Fi可包含以下各項中之一或多者：IEEE-Std.802.11、IEEE-Std.802.11之變體、與IEEE-Std.802.11相關之標凖(例如，802.11 a/b/g/n/ac/ad/af/ah/ai/aj/aq/ax/ay)及/或其他無線標凖。
如本文中所使用，處理器、微處理器及/或數位處理器可包含任何類型之數位處理器件，諸如(不加限制地)數位信號處理器(「DSP」)、精簡指令集電腦(「RISC」)、一般用途(「CISC」)處理器、微處理器、閘陣列(例如，場可程式化閘陣列(「FPGA」))、可程式化邏輯器件(「PLD」)、可重新組態電腦裝配(「RCF」)、陣列處理器、安全微處理器、專門處理器(例如，神經形態處理器)及特殊應用積體電路(「ASIC」)。此等數位處理器可含於一單個單體積體電路晶粒上或跨越多個組件而分佈。
如本文中所使用，電腦程式及/或軟體可包含任何序列或者執行一功能之人類或機器可認知步驟。此電腦程式及/或軟體可在任何程式設計語言或環境(舉例而言，包含C/C++、C#、Fortran、COBOL、MATLAB™、PASCAL、GO、RUST、SCALA、Python、組合語言、標示語言(例如，HTML、SGML、XML、VoXML)及諸如此類，以及物件導向環境，諸如公用物件請求代理架構(「CORBA」)、JAVA™ (包含J2ME、Java Beans等)、二進位執行時環境(例如，「BREW」)及諸如此類)中再現。
如本文中所使用，連接、鏈路及/或無線鏈路可包含任何兩個或兩個以上實體(實體的或邏輯/虛擬的)之間的一因果鏈路，該因果鏈路達成實體之間的資訊交換。
如本文中所使用，電腦及/或計算器件可包含但不限於個人電腦(「PC」)及小型電腦(桌上型電腦、膝上型電腦或其他)、主機電腦、工作站、伺服器、個人數位助理(「PDA」)、手持式電腦、嵌入式電腦、可程式化邏輯器件、個人通信器、平板電腦、行動器件、可攜式助航設施、裝備有J2ME之器件、蜂巢式電話、智慧型電話、個人整合式通信或娛樂器件及/或能夠執行一組指令並處理一傳入資料信號之任何其他器件。
現在提供本發明之系統及方法之各種實施例之詳細說明。儘管本文中所論述之諸多實例可指特定例示性實施例，但將瞭解，本文中所含有之所闡述系統及方法可適用於任何種類之機器人。在給出本發明之內容之情況下，熟習此項技術者將容易地設想出本文中所闡述之技術之無數其他實施例或用途。
有利地，本發明之系統及方法至少：(i)使用一或多個感測器偵測一周圍環境內之電扶梯；(ii)改良機器人之操作之安全性；(iii)改良使機器人自主地操作以避開障礙物之能力；及(iv)最小化在複雜環境中操作一機器人之風險。在給出本發明之內容之情況下，熟習此項技術者將容易地辨別其他優點。
根據至少一個非限制性例示性實施例，揭示一種機器人系統。該機器人系統可包括一或多個距離量測感測器，該一或多個距離量測感測器經組態以收集在一機器人前方及附近之一地板之距離量測以使得該機器人能夠避開急劇懸崖及障礙物。該機器人系統可進一步包括一或多個專門處理器，該一或多個專門處理器經組態以執行電腦可讀指令來基於由一或多個距離量測感測器收集之資料而判定一電扶梯。
根據至少一個非限制性例示性實施例，一機器人系統可包括一非暫時性電腦可讀儲存媒體，該非暫時性電腦可讀儲存媒體包括體現於其上之複數個指令及經組態以執行電腦可讀指令之一或多個專門處理器。該等指令可使得該一或多個專門處理器能夠使用本發明之系統及方法基於由距離量測感測器收集之資料而偵測並避開一環境內之一電扶梯。
根據至少一個非限制性例示性實施例，揭示一種用於使一機器人偵測一電扶梯之方法。該方法可包括機器人之一控制器偵測間隔開一預定寬度之兩個壁，該預定寬度對應於一電扶梯之寬度。該方法可進一步包括偵測一靜止地板與一電扶梯之一第一移動臺階之間的一小的下降。在符合此兩個參數後，機器人之控制器可旋即判定一電扶梯。根據至少一個非限制性例示性實施例，在判定一電扶梯後，一機器人可旋即遠離該電扶梯而導航該機器人以避免在機器人將掉落電扶梯或導航至電扶梯上之情況下損壞機器人、損壞周圍物件或傷害附近的人。根據另一非限制性例示性實施例，一機器人可導航至電扶梯上以允許機器人在一環境內運輸其自身。
圖1A係根據本發明之某些原理之一機器人102之一功能方塊圖。如圖1A中所圖解說明，機器人102可包含控制器118、記憶體120、使用者介面單元112、感測器單元114、導航單元106、致動器單元108及通信單元116，以及其他組件及子組件(例如，其中之某些可未圖解說明)。雖然在圖1A中圖解說明一特定實施例，但瞭解，該架構可在特定實施例中變化，如在給出本發明之內容之情況下熟習此項技術者將容易地明瞭。如本文中所使用，機器人102可至少部分地表示本發明中所闡述之任何機器人。
控制器118可控制由機器人102執行之各種操作。控制器118可包含及/或包括一或多個處理器(例如，微處理器)及其他周邊裝置。如先前所提及且本文中所使用，處理器、微處理器及/或數位處理器可包含任何類型之數位處理器件，諸如(不加限制地)數位信號處理器(「DSP」)、精簡指令集電腦(「RISC」)、一般用途(「CISC」)處理器、微處理器、閘陣列(例如，場可程式化閘陣列(「FPGA」))、可程式化邏輯器件(「PLD」)、可重新組態電腦裝配(「RCF」)、陣列處理器、安全微處理器、專門處理器(例如，神經形態處理器)及特殊應用積體電路(「ASIC」)。此等數位處理器可含於一單個單體積體電路晶粒上或跨越多個組件而分佈。
控制器118可以操作方式及/或以通信方式耦合至記憶體120。記憶體120可包含任何類型之積體電路或經組態以儲存數位資料之其他儲存器件，包含(不加限制地)唯讀記憶體(「ROM」)、隨機存取記憶體(「RAM」)、非揮發性隨機存取記憶體(「NVRAM」)、可程式化唯讀記憶體(「PROM」)、電可抹除可程式化唯讀記憶體(「EEPROM」)、動態隨機存取記憶體(「DRAM」)、行動DRAM、同步DRAM (「SDRAM」)、雙資料速率SDRAM (「DDR/2 SDRAM」)、延伸資料輸出(「EDO」) RAM、快速頁面模式RAM (「FPM」)、減少延時DRAM (「RLDRAM」)、靜態RAM (「SRAM」)、快閃記憶體(例如，NAND/NOR)、憶阻器記憶體、偽靜態RAM (「PSRAM」)等。記憶體120可將指令及資料提供至控制器118。舉例而言，記憶體120可為其上儲存有複數個指令之一非暫時性電腦可讀儲存裝置及/或媒體，該等指令可由一處理裝置(例如，控制器118)執行以操作機器人102。在某些情形中，該等指令可經組態以在由處理裝置執行時致使處理裝置執行本發明中所闡述之各種方法、特徵及/或功能性。因此，控制器118可基於儲存於記憶體120內之程式指令而執行邏輯及/或算術操作。在某些情形中，記憶體120之指令及/或資料可儲存於硬體之一組合中，某些硬體在本端定位於機器人102內，且某些硬體遠離機器人102而定位(例如，在一雲端、伺服器、網路等中)。
熟習此項技術者瞭解，記憶體120之例示性資料表可為一自參考資料表，其中在控制器118執行來自記憶體120之電腦可讀指令時，可添加額外列及/或行。
熟習此項技術者應容易地瞭解，一處理器可在機器人102外部且利用通信單元116以通信方式耦合至機器人102之控制器118，其中外部處理器可自機器人102接收資料、處理該資料且將電腦可讀指令傳輸回至控制器118。在至少一個非限制性例示性實施例中，處理器可位於一遠端伺服器(未展示)上。
在某些例示性實施例中，圖1A中所展示之記憶體120可儲存感測器資料之一庫。在某些情形中，感測器資料可係至少部分地與物件及/或人相關聯。在例示性實施例中，此庫可包含與在不同條件中之物件及/或人相關的感測器資料，諸如與具有不同組合物(例如，材料、反射性質、分子組成等)、不同照明條件、角度、大小、距離、清晰度(例如，模糊的、遮住/遮蓋的、部分離框的等)、色彩、周圍環境及/或其他條件之物件及/或人相關的感測器資料。該庫中之感測器資料可係藉由一感測器(例如，感測器單元114之一感測器或任何其他感測器)獲取，及/或(諸如)利用一電腦程式自動地產生，該電腦程式經組態以依據不同照明條件、角度、大小、距離、清晰度(例如，模糊的、遮住/遮蓋的、部分離框的等)、色彩、周圍環境及/或其他條件來產生/模擬(例如，在一虛擬世界中)庫感測器資料(例如，可完全數位地及/或自實際感測器資料開始產生/模擬此等庫資料)。該庫中之影像的數目可至少部分地取決於以下各項中之一或多者：可用資料的量、機器人102操作之周圍環境的可變性、物件及/或人的複雜性、物件外觀的可變性、機器人的實體性質、感測器的特性，及/或可用儲存空間(例如，在庫、記憶體120及/或本端或遠端儲存裝置中)的量。在例示性實施例中，該庫之至少一部分可係儲存於一網路(例如，雲端、伺服器、分佈式網路等)上及/或可不完全被儲存於記憶體120內。作為又一例示性實施例，可將各種機器人(例如，通常相關聯之機器人，諸如藉由一共同製造商、使用者、網路等之機器人)網路連結，使得由個別機器人擷取之資料與其他機器人共同地共用。以此一方式，此等機器人可經組態以學習及/或共用感測器資料，以便促進容易地偵測及/或識別錯誤及/或協助事件之能力。
仍參考圖1A，操作單元104可經耦合至控制器118或任何其他控制器，以執行本發明中所闡述之各種操作。在某些實施例中，可包含操作單元104中之一個模組、更多模組，或無任何模組。貫穿本發明，可參考各種控制器及/或處理器。在某些實施例中，一單個控制器(例如，控制器118)可用作所闡述之各種控制器及/或處理器。在其他實施例中，可使用不同控制器及/或處理器，諸如特別針對一或多個操作單元104使用之控制器及/或處理器。控制器118可發送及/或接收若干信號，諸如電力信號、狀態信號、資料信號、電信號，及/或任何其他期望之信號，包含去往操作單元104的離散及類比信號。控制器118可協調及/或管理操作單元104，及/或設定時序(例如，同步地或異步地)、關斷/接通控制電力預算、接收/發送網路指令及/或更新、更新韌體、發送質詢信號、接收及/或發送狀態，及/或執行任何操作以用於運行機器人102的特徵。
返回至圖1A，操作單元104可包含執行機器人102之功能的各種單元。舉例而言，操作單元104至少包含導航單元106、致動器單元108、使用者介面單元112、感測器單元114，及通信單元116。操作單元104亦可包括提供機器人102之各種功能性的其他單元。在例示性實施例中，操作單元104可以軟體、硬體，或軟體及硬體兩者來實例化。舉例而言，在某些情形中，操作單元104之單元可包括由一控制器執行之電腦實施的指令。在例示性實施例中，操作單元104之單元可包括硬編碼邏輯。在例示性實施例中，操作單元104之單元可包括由一控制器執行之電腦實施的指令以及硬編碼邏輯。在操作單元104係部分地以軟體實施之情況下，操作單元104可包含經組態以提供一或多個功能性之碼的單元/模組。
在例示性實施例中，導航單元106可包含系統及方法，該等系統及方法可在計算上構建及更新一環境之一地圖、在一地圖中定位機器人102 (例如，找到位置)，且向/自目的地導航機器人102。可藉由將部分地由感測器單元114獲得之資料強加至至少部分地表示環境之一電腦可讀地圖中來執行製圖。在例示性實施例中，一環境之一地圖可透過使用者介面單元112而被上載至機器人102、無線地或透過有線連接被上載，或者由一使用者教示給機器人102。
在例示性實施例中，導航單元106可包含經組態以提供方向指令以供機器人102進行導航之組件及/或軟體。導航單元106可處理由製圖及定位單元產生之地圖、路線及定位資訊、來自感測器單元114及/或其他操作單元104之資料。
仍參考圖1A，致動器單元108可包含致動器，諸如電馬達、燃氣馬達、從動磁鐵系統、螺線管/棘輪系統、壓電系統(例如，尺蠖(inchworm)馬達)、磁致伸縮元件、手勢及/或此項技術中已知之驅動一致動器之任何方式。藉由圖解說明方式，此等致動器可致動機器人102之輪以導航一路線；圍繞障礙物導航；旋轉相機及感測器。
致動器單元108可包含用於致動(在某些情形中)以執行任務之任何系統。舉例而言，致動器單元108可包含從動磁鐵系統、馬達/引擎(例如，電馬達、燃燒引擎、蒸汽引擎及/或此項技術中已知之任何類型之馬達/引擎)、螺線管/棘輪系統、壓電系統(例如，一尺蠖馬達)、磁致伸縮元件、手勢及/或此項技術中已知之任何致動器。根據例示性實施例，致動器單元108可包含允許機器人102之移動之系統，諸如機動推進。舉例而言，機動推進可在一向前或向後方向上移動機器人102，及/或至少部分地用於轉動機器人102 (例如，左、右及/或任何其他方向)。藉由圖解說明方式，致動器單元108可控制是使機器人102移動還是停止及/或允許機器人102自一個位置導航至另一位置。
根據例示性實施例，感測器單元114可包括可偵測機器人102內及/或其周圍之特性之系統及/或方法。感測器單元114可包括複數個感測器及/或感測器之一組合。感測器單元114可包含在機器人102內部或外部之感測器，及/或具有部分地內部及/或部分地外部之組件。在某些情形中，感測器單元114可包含一或多個外感感測器，諸如聲納、光偵測及測距(「LiDAR」)感測器、雷達、雷射、相機(包含視訊攝影機(例如，紅-藍-綠(「RBG」)相機、紅外線相機、三維(「3D」)相機、熱相機等)、飛行時間(「TOF」)相機、結構化光相機、天線、運動偵測器、麥克風及/或此項技術中已知之任何其他感測器。根據某些例示性實施例，感測器單元114可收集原始量測(例如，電流、電壓、電阻、閘邏輯等)及/或經變換量測(例如，距離、角度、障礙物中之所偵測點等)。在某些情形中，可彙總及/或總結量測。感測器單元114可產生至少部分地基於距離或高度量測之資料。此資料可儲存於資料結構(諸如矩陣、陣列、佇列、清單、陣列、堆疊、袋等)中。
根據例示性實施例，感測器單元114可包含可量測機器人102之內部特性之感測器。舉例而言，感測器單元114可量測機器人102之溫度、電力位凖、狀態及/或任何特性。在某些情形中，感測器單元114可經組態以判定機器人102之量距。舉例而言，感測器單元114可包含本體感覺感測器，其可包括諸如以下各項之感測器：加速度計、慣性量測單元(「IMU」)、量距儀、陀螺儀、速度計、相機(例如，使用視覺量距)、時鐘/計時器及諸如此類。量距可促進機器人102之自主導航及/或自主行動。此量距可包含機器人102相對於初始位置之位置(例如，其中位置可包含機器人之位置、位移及/或定向，且可有時與如本文中所使用之術語姿勢互換)。此資料可儲存於資料結構(諸如矩陣、陣列、佇列、清單、陣列、堆疊、袋等)中。根據例示性實施例，感測器資料之資料結構可稱作一影像。
根據例示性實施例，使用者介面單元112可經組態以使得一使用者能夠與機器人102互動。舉例而言，使用者介面單元112可包含觸控面板、按鈕、小鍵盤/鍵盤、埠(例如，通用串列匯流排(「USB」)、數位視覺介面(「DVI」)、顯示埠、外部Sata、火線、PS/2、串列、VGA、SCSI、音訊埠、高清晰度多媒體介面(「HDMI」)、個人電腦記憶卡國際協會(「PCMCIA」)埠、記憶卡埠(例如，安全數位(「SD」)及微型SD)及/或用於電腦可讀媒體之埠)、滑鼠、滾球、控制台、振動器、音訊換能器及/或供一使用者輸入及/或接收資料及/或命令之任何介面(無線地耦合或透過導線耦合)。使用者可透過語音命令或手勢而進行互動。使用者介面單元218可包含一顯示器，諸如(不加限制地)液晶顯示器(「LCD」)、發光二極體(「LED」)顯示器、LED LCD顯示器、面內切換(「IPS」)顯示器、陰極射線管、電漿顯示器、高清晰度(「HD」)面板、4K顯示器、視網膜顯示器、有機LED顯示器、觸控螢幕、表面、畫布(canvases)及/或任何顯示器、電視、監視器、面板及/或此項技術中已知之用於視覺呈現之器件。根據例示性實施例，使用者介面單元112可定位於機器人102之主體上。根據例示性實施例，使用者介面單元112可遠離機器人102之主體而定位，但可以通信方式直接地(例如，經由通信單元，包含傳輸器、接收器及/或收發器)或間接地(例如，透過一網路、伺服器及/或一雲端)耦合至機器人102。根據例示性實施例，使用者介面單元112可包含在位於接近於機器人之一表面(例如，地板)上之一或多個影像投影，(例如)以將資訊提供給佔有者或機器人周圍之人。該資訊可為機器人之未來移動之方向，諸如向前、向左、向右、向後、以一角度及/或任何其他方向移動之一指示。在某些情形中，此資訊可利用箭頭、色彩、符號等。
根據例示性實施例，通信單元116可包含一或多個接收器、傳輸器及/或收發器。通信單元116可經組態以發送/接收一傳輸協定，諸如BLUETOOTH® 、ZIGBEE® 、Wi-Fi、感應無線資料傳輸、射頻、無線電傳輸、射頻識別(「RFID」)、近場通信(「NFC」)、紅外線、網路介面、蜂巢技術(諸如3G (3GPP/3GPP2))、高速下行鏈路封包存取(「HSDPA」)、高速上行鏈路封包存取(「HSUPA」)、時分多重存取(「TDMA」)、碼分多重存取(「CDMA」) (例如，IS-95A、寬頻碼分多重存取(「WCDMA」)等)、跳頻展頻(「FHSS」)、直接序列展頻(「DSSS」)、全球行動通信系統(「GSM」)、個人區域網路(「PAN」) (例如，PAN/802.15)、全球微波存取互通(「WiMAX」)、802.20、長期演進(「LTE」) (例如，LTE/LTE-A)、時分LTE (「TD-LTE」)、全球行動通信系統(「GSM」)、窄頻/頻分多重存取(「FDMA」)、正交頻分多工(「OFDM」)、類比蜂巢、蜂巢式數位封包資料(「CDPD」)、衛星系統、毫米波或微波系統、聲學、紅外線(例如，紅外線資料協會(「IrDA」))及/或任何其他形式之無線資料傳輸。
通信單元116亦可經組態以經由有線連接(諸如具有一信號線及接地之任何纜線)而利用一傳輸協定發送/接收信號。舉例而言，此等纜線可包含乙太網路纜線、同軸纜線、通用串列匯流排(「USB」)、火線及/或此項技術中已知之任何連接。此等協定可由通信單元116使用以通信至外部系統，諸如電腦、智慧型電話、平板電腦、資料擷取系統、行動電信網路、雲端、伺服器或諸如此類。通信單元116可經組態以發送及接收由數字、字母、文數字元及/或符號組成之信號。在某些情形中，可使用若干演算法(諸如128位元或256位元密鑰及/或符合諸如先進加密標凖(「AES」)、RSA、資料加密標凖(「DES」)、三重DES及諸如此類之標凖之其他加密演算法)將信號加密。通信單元116可經組態以發送及接收狀態、命令及其他資料/資訊。舉例而言，通信單元116可與一使用者操作者進行通信以允許使用者控制機器人102。通信單元116可與一伺服器/網路(例如，一網路)進行通信以便允許機器人102向伺服器發送資料、狀態、命令及其他通信。伺服器亦可以通信方式耦合至可用於遠端地監視及/或控制機器人102之電腦及/或器件。通信單元116亦可自用於機器人102之一伺服器接收更新(例如，韌體或資料更新)、資料、狀態、命令及其他通信。
在例示性實施例中，作業系統110可經組態以管理記憶體120、控制器118、電源供應器122、操作單元104中之模組及/或機器人102之任何軟體、硬體及/或特徵。舉例而言且不加限制地，作業系統110可包含用以管理機器人102之硬體資源之器件驅動器。
在例示性實施例中，電源供應器122可包含一或多個電池，包含(不加限制地)鋰、鋰離子、鎳-鎘、鎳金屬氫化物、鎳-氫、碳-鋅、氧化銀、鋅-碳、鋅-空氣、氧化汞、鹼性或此項技術中已知之任何其他類型之電池。特定電池可為可再充電的，諸如無線地(例如，藉由諧振電路及/或一諧振槽電路)及/或插入至一外部電源中。電源供應器122亦可為任何能量供應器，包含將太陽、風、水、核、氫、汽油、天然氣、化石燃料、機械能、蒸汽及/或任何動力源轉換成電之壁式插座及電子器件。
關於圖1A所闡述之單元(包含記憶體120、控制器118、感測器單元114、使用者介面單元112、致動器單元108、通信單元116、製圖及定位單元126及/或其他單元)中之一或多者可整合至機器人102上(諸如在一整合式系統中)。然而，根據某些例示性實施例，此等單元中之一或多者可為一可附接模組之一部分。此模組可附接至一現有裝置以自動化，使得該現有裝置表現為一機器人。因此，本發明中參考機器人102所闡述之特徵可在一模組中實例化，該模組可附接至一現有裝置及/或在一整合式系統中整合至機器人102上。此外，在某些情形中，熟習此項技術者將自本發明之內容瞭解，亦可遠端地(諸如在一雲端、網路及/或伺服器中)運行本發明中所闡述之特徵之至少一部分。
如此處所使用，執行在下圖中所圖解說明之一任務之一機器人102、一控制器118或任何其他控制器、處理器或機器人包括執行儲存於一非暫時性電腦可讀儲存裝置(諸如記憶體120)上之電腦可讀指令之一控制器，如熟習此項技術者將瞭解。
接下來參考圖1B，根據一例示性實施例，圖解說明用於圖1A中所展示之系統中之專門控制器118之架構。如圖1B中所圖解說明，專門電腦包含一資料匯流排128、一接收器126、一傳輸器134、至少一個處理器130及一記憶體132。接收器126、處理器130及傳輸器134全部經由資料匯流排128而彼此進行通信。處理器130係經組態以執行專門演算法之一專門處理器。處理器130經組態以存取記憶體132，該記憶體儲存電腦程式碼或指令以便使處理器130執行專門演算法。如圖1B中所圖解說明，記憶體132可包括先前在圖1A中所圖解說明之記憶體124之特徵中之某些特徵、無任何特徵、不同特徵或所有特徵。下文進一步詳細地論述由處理器130執行之演算法。如圖1B中所展示之接收器126經組態以接收輸入信號124。輸入信號124可包括來自圖1A中所圖解說明之複數個操作單元104之信號，包含但不限於來自感測器單元114之感測器資料、使用者輸入、馬達回饋、外部通信信號(例如，來自一遠端伺服器)及/或來自一操作單元104之需要由專門控制器118進一步處理之任何其他信號。接收器126經由資料匯流排128而將此等所接收信號傳遞至處理器130。如熟習此項技術者將瞭解，資料匯流排128係與在專門控制器118中之不同組件—接收器、處理器及傳輸器之間進行通信之構件。如下文所論述，處理器130藉由存取來自記憶體132之專門電腦可讀指令而執行演算法。上文關於圖1A而論述關於在此等信號之接收、處理及傳輸中執行專門演算法之處理器130之進一步詳細說明。記憶體132係用於儲存電腦程式碼或指令之一儲存媒體。儲存媒體可包含光學記憶體(例如，CD、DVD、HD-DVD、藍光光碟等)、半導體記憶體(例如，RAM、EPROM、EEPROM等)及/或磁性記憶體(例如，硬碟機、軟碟機、磁帶機、MRAM等)以及其他。儲存媒體可包含揮發性、非揮發性、動態、靜態、讀取/寫入、唯讀、隨機存取、順序存取、位置可定址、檔案可定址及/或內容可定址器件。處理器130可經由資料匯流排128而將輸出信號傳遞至傳輸器134，如所圖解說明。傳輸器134可經組態以進一步將輸出信號傳遞至複數個操作單元104，由信號輸出136所圖解說明。
熟習此項技術者將瞭解，圖1B中所圖解說明之架構可圖解說明經組態以實現自一遠端位置對一機器人裝置進行控制之一外部伺服器架構。亦即，伺服器亦可包含一資料匯流排、一接收器、一傳輸器、一處理器及其上儲存專門電腦可讀指令之一記憶體。
圖2A圖解說明根據一例示性實施例之一電扶梯202之一或多個感測器204之一前視圖，該一或多個感測器收集複數個距離量測206。如上文所論述，使用電扶梯係僅出於一實例之目的而並非出於限制本發明之目的。熟習此項技術者可瞭解，基本概念係針對於偵測由一機器人102行進之一平面中之下降，及對於偵測並避免此等下降之一努力。感測器204可包括一距離量測感測器，例如，經組態以量測感測器204與一目標(諸如一地板208)之間的一距離之一LiDAR感測器。感測器204可定位於一機器人102 (未展示)之一底板上。地板208可包括電扶梯202之第一移動臺階。如所圖解說明，一或多個距離量測感測器204可收集分隔開已知角距離之二十(20)個距離量測206 (亦即，206-0至206-20)。根據其他非限制性例示性實施例，一或多個距離量測感測器204可收集額外或較少量測206-n，其中索引「n」可為任何正整數。根據至少一個非限制性例示性實施例，感測器204之角量測範圍(例如，如所圖解說明之量測206-0與206-20之間的角範圍)可包括比圖2A中所圖解說明更大或更小的一角量測範圍。舉例而言，一矮機器人或具有接近於地板208之一感測器204之一機器人可在兩個欄桿210之間進行量測，此乃因感測器204距地板208之高度可不足以量測電扶梯202之壁或護欄。可藉由一控制器118 (如圖1A中所圖解說明)而將複數個距離量測206儲存於機器人102之一記憶體120中，以稍後由控制器118基於複數個距離量測206而判定電扶梯。
圖2B圖解說明根據一例示性實施例之如先前在圖2A中所圖解說明之一或多個感測器204之側視圖，該一或多個感測器收集兩個位置處之一電扶梯202之距離量測212及214。熟習此項技術者可瞭解，一或多個感測器204可對應於一第一感測器及一不同感測器，如圖2B中所圖解說明。另一選擇係，一或多個感測器對應於一單個感測器。感測器204可在如所圖解說明靠近電扶梯202之位置處或在包括感測器204之一機器人102 (未展示)位於其上之一平坦地板上之任何位置處進行量測212。換言之，自感測器204至靜止部分216 (亦即，第一區域)進行之量測212提供一參考距離量測以判定零(0)量測單位(例如，釐米、英吋等)之一參考高度，如下文關於圖3A所圖解說明。當包括並在其上安裝感測器204之機器人102 (未展示)朝向電扶梯202移動時(亦即，在圖解說明中，當機器人102向左移動時)，感測器204可另外接收另一量測214。距離量測214可對應於如上文在圖2A中所圖解說明之量測206之一側視圖，從而量測感測器204與地板208之間的距離，該地板由電扶梯202之第一移動臺階或者不同於第一區域或靜止部分216之一第二參考點或第二區域組成。在機器人102 (未展示)之一控制器118接收到不同於參考量測212之量測214後，控制器118可旋即判定將用於判定一下降參數之下降218之量值，如將進一步關於圖5圖解說明。下降參數可用於判定一電扶梯偵測參數，該電扶梯偵測參數指示藉由感測器204對電扶梯202之偵測。
根據至少一個非限制性例示性實施例，一距離量測感測器204可經組態以同時及/或在相同位置處收集量測212及214。舉例而言，距離量測相機或LIDAR感測器之一陣列可經實施以在二維(2D)或三維(3D)空間中收集距離量測。下降218之量值可用於滿足或符合一下降參數之一臨限值，該下降參數用於依據量測206、212及214而判定一電扶梯，如圖5中所論述。換言之，若下降超過下降參數，則向控制器118指示沿著此路徑繼續向前將導致機器人102經歷一降落，此將導致傷害機器人102，此乃因該機器人可跌倒或翻倒。
圖3A圖解說明根據一例示性實施例之來自上文在圖2A至圖2B中所圖解說明之一或多個距離量測感測器204之一高度量測「H 」。水平軸可包括對應於上文在圖2A中所圖解說明之個別距離量測206之射束ID索引「i 」，其中一高度量測302對應於具有相同索引i 之一距離量測206之一量值(例如，高度量測302-5對應於距離量測206-5等)。垂直軸對應於針對射束ID索引中之每一者之一高度量測，該高度量測對應於具有相同索引之一量測206，其中一高度零對應於參考距離212，該參考距離由感測器204與電扶梯之一靜止部分216之間的一距離組成，機器人102在該靜止部分上進行導航。302-5與302-15之間的點(不包含302-5及302-15)可對應於地板208或地板上之一不同第二區域之高度量測。可將點302-5至302-15 (不包含302-5及302-15)之平均高度值判定為-d ，其中量值|d |對應於一電扶梯202之靜止部分216與第一移動臺階208之間的下降218之量值(先前在圖2B中所圖解說明)。可經由一使用者介面單元112、經由機器人102之通信單元116自一外部伺服器或者透過基於藉由一或多個感測器204而由控制器118接收之資料之一學習程序(例如，基於一所量測平均值而判定)來將量值|d |傳遞至一機器人102。回顧包括一或多個距離量測感測器204 (其產生所圖解說明之資料)之機器人102正以在第一移動臺階208上方之一高度d 導航或擱置於一電扶梯202之靜止部分216上。值d 可用於判定一下降參數，該下降參數將進一步用於判定一電扶梯偵測參數，如下文在圖5中所圖解說明。
根據至少一個非限制性例示性實施例，一感測器可並未被完美地校凖且可將一機器人102在其上定位或行進之一地板感知為處於一非零高度。因此，「d 」之值可實時地改變或更新以計及此校凖誤差。舉例而言，一機器人之一感測器可將機器人位於其上之一地板偵測為距由一經完美校凖之感測器記錄之一參考高度零(0)處於1釐米(1cm)之一高度處，其中「-d 」之指定值可增加1釐米(1cm)以計及此校凖誤差。換言之，根據一例示性實施例，「d 」之量值對應於圖2B中所圖解說明之下降218之量值，且可取自任何參考高度，其中如圖3A中所圖解說明之參考高度零(0)係說明一經完美校凖之感測器。此下降218總是存在於靜止地板218與電扶梯之第一移動臺階208之間且通常包括10毫米至30毫米之一小值。
熟習此項技術者將瞭解，如所圖解說明之水平軸可包括一不同量測，例如以零度(0° )為中心之一角量測。另外，根據至少一個非限制性例示性實施例，高度量測可由距離量測替換，其中將預期看到與圖3B中所圖解說明之圖實質上類似之一倒轉圖。
圖3B圖解說明根據一例示性實施例之先前在圖3A中所圖解說明之高度量測「H 」相對於射束ID「i 」之導數圖。每一導數量測304可對應於如圖3A中所圖解說明之包括相同索引「n」之一高度量測302 (例如，高度量測302-3對應於導數量測304-3)。先前在圖2A中所圖解說明之電扶梯202之左欄桿210可由一控制器118判定為由與符合值「-T 」之負壁臨限參數之導數量測304-5對應之一射束ID (例如，射束5或圖3A中所展示之標記302-5)量測。類似地，電扶梯202之右欄桿210可由一控制器118判定為由與符合一正壁臨限參數值「+T 」之導數量測304-15對應之一射束ID (例如，射束15或圖3B中所展示之標記302-15)量測。可經由一使用者介面單元112、自經由通信單元116傳遞壁臨限參數「T 」之量值之一外部伺服器或者透過一學習程序(例如，基於識別電扶梯之複數個LiDAR掃描中之類似性)而將「T 」之量值傳遞至一機器人102。
可然後將在導數量測304-5左側之點(包含304-5)判定為對應於沿著電扶梯202之左壁之量測且可然後將在導數量測304-15右側之點(包含304-15)判定為對應於沿著電扶梯202之右壁之量測。因此，介於導數量測304-5與304-15之間的其餘點(不包含304-5及304-15)可對應於介於電扶梯202之兩個欄桿210之間的地板208。根據至少一個非限制性例示性實施例，控制器118可基於導數量測304具有比臨限值「T 」小之量值(例如，導數量測304-5至304-15 (不包含304-5及304-15))而判定對應於地板208之點。控制器118可然後基於對應於地板208之射束ID數目而判定地板之寬度，將在判定一壁間距參數時使用該射束ID數目，如下文在圖5中所圖解說明。
根據至少一個非限制性例示性實施例，圖3A中所圖解說明之圖可不包括介於點302-1與302-5之間及/或點302-15與302-20之間的作為一電扶梯之側壁或欄桿210之任何量測，該等側壁或欄桿可由玻璃或對於LiDAR感測器透明之其他材料組成。在諸多例項中，扶手仍可被偵測到(亦即，點302-0及302-20係存在的)。因此，由於該不連續性，圖3B中所圖解說明之圖可不包括針對此等各別點之任何導數量測304。然而，可瞭解，側欄桿210係金屬或不透明的且仍可由一LiDAR感測器偵測到。因此，在包括具有玻璃側壁之電扶梯之環境中，可僅需要超過臨限量值「T 」之一或多個導數量測304以滿足導數臨限值，此對應於對側欄桿210之一偵測。在此等實施例中，仍需要對處於機器人102在其上進行導航或擱置之地板下方一距離「-d 」處之地板208進行偵測以偵測電扶梯。熟習此項技術者將瞭解，若側壁由玻璃製成，則將不具有點302。然而，將探測到欄桿210，此乃因該等欄桿通常本質上係金屬或不透明的；且繼而將滿足導數臨限值。
根據至少一個非限制性例示性實施例，垂直軸可對應於一距離量測相對於射束IDi 或角度(射束206以該角度自感測器204發射)之一導數，其中對應於一右壁偵測之臨限值可具有負壁臨限值「-T 」，且反之對於左壁亦然。
圖4圖解說明根據一例示性實施例之一資料表，該資料表圖解說明用於儲存與由一電扶梯202之一距離量測感測器204 (如圖2A中所圖解說明)獲取之複數個距離量測206對應之點之一結構。在使用圖3A至圖3B中所圖解說明之方法判定對應於一電扶梯之一左壁及右壁之一組距離量測206後，一機器人102之一控制器118可旋即將對應於距離量測206之射束ID儲存於一適當緩衝區中。每一緩衝區可包括一或多個射束ID編號(例如，圖3A至圖3B中所圖解說明之圖中之索引「i 」)及一或多個對應高度值Hn ，其中索引「n」可為任何正整數(包含零)，該一或多個對應高度值對應於由具有相同索引之一射束ID編號量測的距離量測206。如先前在圖3B中所圖解說明，可因此將與符合左壁臨限值「-T 」之導數量測304-5對應之具有一ID編號五(5)的射束判定為對應於電扶梯202之左壁的最大射束ID編號。類似地，可因此將與符合右壁臨限值「+T 」之導數量測304-15對應之具有一ID編號十五(15)的射束判定為對應於電扶梯202之右壁的最小射束ID編號。
另外，介於射束ID編號六至十四(包含六及十四)之間之其餘射束ID可對應於地板208之所獲取量測206 (如圖2A中所圖解說明)，且可因此被儲存於一地板點緩衝區中。控制器118可基於左壁與右壁之間的射束數目及感測器的已知參數(諸如感測器之角度、每一射束之角度及由距離量測感測器204接收或判定之距離量測206)來計算介於該等壁之間之地板的寬度。介於左壁與右壁之間之地板的寬度可用於判定一壁參數，該壁參數用於判定一電扶梯偵測參數，如下文在圖5中所圖解說明。
機器人102之控制器118可然後判定經儲存於地板點緩衝區內之高度值(例如，H6 至H14 )之一平均值。可比較平均高度值與「d 」之值以判定地板點是否對應於地板208之一量測，即電扶梯202之第一移動臺階是否相對於靜止地板降低一值「d 」。若在一指定小的誤差裕量內(例如，由於隨機熱雜訊而在0.5釐米或小於0.5釐米內)，平均高度值等於「d 」之值，則控制器118可判定符合一下降參數(用於判定一電扶梯偵測參數)，如下文在圖5中所圖解說明。
熟習此項技術者將瞭解，圖4中所展示之資料表可為一自參考表，當控制器118執行電腦可讀指令或自一距離量測感測器204接收額外量測時，可將額外列及行添加至該自參考表。
在某些例項中，電扶梯202可由玻璃側壁組成。因此，左壁緩衝區及右壁緩衝區可為空的，除了幾個量測302之外，該幾個量測感測電扶梯202之側欄桿210。側欄桿210之量測302仍可滿足上文在圖3B中所展示之導數臨限值。
圖5圖解說明根據一例示性實施例之一程序流程圖，該程序流程圖圖解說明供一機器人102之一控制器118基於由感測器單元114之一距離量測感測器量測之感測器資料來判定一電扶梯偵測參數之一方法500。符合電扶梯偵測參數可指示感測器資料對應於量測，該等量測至少部分地感測一電扶梯。
方塊502圖解說明控制器118自一或多個距離量測感測器204收集感測器資料。可將來自一或多個距離量測感測器204之資料以複數種格式(諸如，包含但不限於一矩陣、一陣列、一緩衝區及/或任何其他形式之儲存資料)儲存於一記憶體120中。距離量測感測器資料可包括藉由距離量測感測器觀察之複數個高度或距離量測。距離量測感測器可以離散時間間隔或連續的時間來收集資料。
方塊504圖解說明控制器118計算在方塊502中所收集之感測器資料之導數。該導數可相對於一射束ID編號(如圖3A至圖3B中所圖解說明)、一角距離、橫向距離或其他類似參數而獲取。控制器118可然後將感測器資料之導數以複數種格式儲存於記憶體120中，該複數種格式實質上類似於用於儲存在方塊502中所接收之感測器資料之格式。
方塊506圖解說明控制器118判定是否符合所有側壁臨限值。側壁臨限值可由對應於對電扶梯202之一左壁、電扶梯202之右壁之偵測之兩個側壁偵測參數以及對應於左壁與右壁之間的一最小分隔要求之一間距參數組成。一側壁偵測參數可由至少一個導數量測304符合，該至少一個導數量測符合或超過由圖3B中之「T 」之量值所圖解說明之一指定臨限值，該側壁偵測參數指示藉由距離量測感測器對一側壁之偵測。若電扶梯202包括對於感測器204透明之玻璃側壁，則至少一個要求可允許偵測一電扶梯202之側欄桿210。
舉例而言，當導數量測304及具有相同索引之對應高度量測302包括小於或等於「-T 」之值時，由一機器人102產生之一LiDAR掃描可指示偵測到一電扶梯202之一左壁，如上文在圖3B中所展示。類似地，可將一電扶梯之一右壁判定為包含大於或等於「+T 」之值之導數量測304 (其對應於具有相同索引之高度量測302)，如圖4B中所圖解說明。超過「T 」之一量值之導數量測304可對應於對一狹窄走廊之左壁或右壁之一正偵測，其中該走廊可能係一電扶梯。
側壁臨限值可進一步包含一間距參數，其要求所偵測左壁及右壁或欄桿210兩者分隔開一預定距離，該距離可對應於一電扶梯之寬度。電扶梯寬度一般而言經標凖化為大約24英吋、32英吋或40英吋(等於61釐米、82釐米、102釐米)，因此間距參數係至少約24英吋，但可經預定義為任何長度之電扶梯或移動步道。可經由一使用者介面單元112、經由與一外部伺服器或網路進行通信之通信單元116或者經由一學習程序而將預定距離傳遞至一機器人102。可基於機器人102至側壁之一距離及機器人102之接近角度(如圖6A至圖6B中所圖解說明)而判定電扶梯之兩個壁之間距。有利地，使用兩個所偵測壁之一間距參數可消除由控制器118進行之大部分不必要計算，此乃因狹窄通道或所偵測之其他壁產生電扶梯偵測之一誤報。
根據至少一個非限制性例示性實施例，被傳遞至一機器人102之一電扶梯之預定寬度可包括一最小寬度要求來計及機器人102以並非完美地正交於電扶梯之入口之一角度接近一電扶梯，如下文在圖6A至圖6B中所圖解說明。根據至少一個非限制性例示性實施例，具有不同寬度之複數個電扶梯可存在於一機器人102之一周圍環境內，其中機器人102可接收對應於複數個電扶梯之寬度之多個壁分隔寬度。在此例示性實施例中，若所判定左壁與右壁之間距具有與機器人102已知之複數個電扶梯寬度中之一者相同之寬度，則控制器118可判定滿足分隔參數。
根據至少一個非限制性例示性實施例，側壁臨限值可進一步包括一平坦度臨限值，其要求兩個所偵測側壁之間的空間係實質上平坦的(亦即，包括極接近於零之一導數dH/di )。亦即，參考圖3A，高度量測302-6、302-14 (包含302-6及302-14)可不偏離達一臨限量以符合平坦度臨限值。此可進一步用於消除一誤報電扶梯偵測。
在偵測電扶梯202之兩個壁(亦即，右壁及左壁)且將電扶梯之該等壁之間的分隔量測為至少對應於一電扶梯之寬度之一距離(例如，符合所有壁臨限值)後，控制器118接下來旋即移動至方塊508上。然而，若判定不符合一或多個壁臨限值，則控制器118返回至方塊502且重新執行演算法。
方塊508圖解說明控制器118將對應於電扶梯202之所偵測左壁、右壁及地板208之高度量測302之高度量測302儲存於適當緩衝區中，如上文在圖4中所圖解說明。根據某些非限制性例示性實施例，該等量測可以複數種其他格式(例如，一陣列、矩陣或其他類似資料格式)進行儲存。控制器118可基於在方塊506中所圖解說明之壁參數而判定對應於電扶梯202之左壁、右壁及該等壁之間的地板之點。舉例而言，對應於一電扶梯之一左壁之高度量測可具有低於壁偵測臨限值「-T 」且可因此被儲存於一左壁緩衝區中之對應導數量測。控制器118可以一實質上類似方式判定並儲存對應於電扶梯之一右壁之距離量測。控制器118可進一步將不在左壁緩衝區或右壁緩衝區內之點判定為對應於介於左壁與右壁之間的一地板之高度量測且可將其餘點儲存於一地板緩衝區中。
方塊510圖解說明控制器118判定地板緩衝區內之地板量測之一平均高度值。如先前在圖4中所圖解說明，地板緩衝區內之每一量測包括一高度量測，其中控制器118可判定地板緩衝區內之所有點之高度量測之平均值。
方塊512圖解說明控制器118判定是否符合或滿足一下降參數。下降參數可用於判定在由左側及右側上之兩個壁環繞之一地板內是否存在上文在圖2中所圖解說明之一下降218，其指示一電扶梯、懸崖或樓梯。比較地板量測之平均高度值與量值「d 」之下降參數(如圖3A中所圖解說明)，其中「d 」之量值可與一電扶梯之一靜止部分216與遠離電扶梯之靜止部分216而移動之一第一移動臺階208之間的下降218之量值對應。「d 」之量值可經由一使用者介面單元112被傳遞至一機器人102、經由通信單元116而藉由一伺服器或網路傳遞或者透過一學習程序而被學習。若在一小的誤差裕量(例如，0.5釐米或小於0.5釐米)內，在方塊510中所計算之地板之平均高度相對於零(0)之一參考高度(其對應於一機器人102位於其上之一地板之高度)具有值「-d 」，則符合、等於或超過下降參數。
根據至少一個非限制性例示性實施例，參考高度可並非係零(0)，諸如在一未經完美校凖之感測器之情形中。因此，若平均地板高度具有小於由未經完美校凖之感測器量測之地板之參考高度之量值「d 」，則可符合下降參數。在符合下降參數後，控制器118旋即移動至方塊514。然而，在不符合下降參數後，控制器118旋即移動回至方塊502且重新執行演算法。
方塊514圖解說明控制器118基於符合側壁參數及下降參數而判定符合電扶梯偵測參數，此指示由距離量測感測器偵測到一電扶梯。根據至少一個非限制性例示性實施例，在符合電扶梯偵測參數後，一控制器118可旋即將一機器人102遠離電扶梯而改道。根據另一非限制性例示性實施例，一控制器118可將一機器人102導航至一所判定電扶梯上以運輸機器人102。熟習此項技術者可瞭解，下降參數可為一經預程式化值，該經預程式化值考量行進一軌跡之機器人102之實體特性(亦即，高度、寬度、廣度)。如此，一較小或較矮機器人可具有不同於一較大或較大型機器人之一下降參數。
圖6A圖解說明根據一例示性實施例之以正交於電扶梯600之一入口之一角度接近一電扶梯600之一機器人102的一俯視圖。電扶梯600可包括一下降610，該下降對應於電扶梯600之一靜止部分與一第一移動臺階之間的一下降(例如，上文在圖2B中所圖解說明之下降218之一俯視圖)。機器人102可朝向電扶梯600導航，從而自一平面LiDAR感測器606收集距離量測，如由感測器視覺線604所圖解說明。來自平面LiDAR感測器606之量測可包含電扶梯600之側壁602之間的一距離之一歐幾裡德(Euclidean)距離量測，如由距離量測608所圖解說明。距離量測608可位於超出下降610處，藉此滿足電扶梯偵測之一下降參數，此乃因距離量測608可相對於處於零高度之一地板而處於-d 之一高度處，如上文在圖3A中所圖解說明。距離量測608可滿足針對一電扶梯600之偵測之一間距參數要求之一最小寬度，如上文在圖5中所圖解說明。圖6A圖解說明使一機器人102偵測一電扶梯600之一理想情境，其中機器人102完美地正交於電扶梯600之入口而進行導航(例如，機器人102之行進方向正交於距離量測608)。然而，在某些例項中，一機器人102可以並非完美地正交於該入口之一角度接近一電扶梯600。舉例而言，一機器人102可在一電扶梯600之一入口處嘗試進行一轉向，其中一電扶梯之兩個側壁602之間的距離量測608可改變，如下文在圖6B中所圖解說明。
圖6B圖解說明根據一例示性實施例之以並非完美地正交於電扶梯600之一入口之一角度接近一電扶梯600之一機器人102的一俯視圖。一平面LiDAR感測器606可量測電扶梯600之兩個側壁602之間的一距離量測612。由於機器人102相對於電扶梯600之入口之接近角度，因此圖6B中之距離量測612可比圖6A中之距離量測608大。以一完美正交角度接近一電扶梯600之一機器人102之距離量測608 (如圖6A中所圖解說明)可提供針對間距參數之一最小距離。因此，以並非完美地正交於該入口之一角度接近電扶梯600之機器人102之較大距離量測612仍可滿足電扶梯偵測所需之側壁參數之一間距參數，此乃因距離量測612符合針對間距參數之最小距離量測要求。
基於由相對於電扶梯600之一入口以一完美正交角度接近電扶梯600之一機器人102量測之一最小可量測距離608而設定針對一間距參數之一電扶梯600之側壁602之間的一最小距離608可使得機器人102能夠以任何接近角度偵測電扶梯600。有利地，使用針對一間距參數之最小距離要求可進一步增強機器人102之一控制器118以相對於電扶梯600之入口之任何角度判定一電扶梯600之能力。
圖7圖解說明根據一例示性實施例之一神經網路700，連同上文所論述之電扶梯偵測之系統及方法一起使用該神經網路。神經網路700可包括複數個輸入節點702、中間節點706及輸出節點710。輸入節點702經由鏈路704而連接至一或多個中間節點706。中間節點706經由鏈路708而分別連接至一或多個其他中間節點706或者經由鏈路712而分別連接至輸出節點710。鏈路704、708、712說明數值資料透過神經網路700而自輸入節點702至輸出節點710之傳送及傳播。中間節點706可形成神經網路700之一中間層714。在某些實施例中，一神經網路700可包括複數個中間層712，每一中間層714之中間節點706鏈接至毗鄰層之一或多個中間節點706，除非一毗鄰層係一輸入層(亦即，輸入節點702)或一輸出層(亦即，輸出節點710)。每一節點702、706及710可鏈接至任何數目個節點，其中如所圖解說明將所有節點鏈接在一起並非意欲係限制性的。
如本文中所使用，一特徵可包括表徵來自一感測器單元114之一輸入之一或多個數值(例如，浮動點、十進位、值之一張量等)，包含但不限於對一物件之偵測、物件之參數(例如，大小、形狀、色彩、定向、邊緣等)、一影像之像素之色彩值、一深度影像之像素之深度值、距離量測(例如，LiDAR掃描)、一影像之亮度、作為一整體之影像、特徵隨時間之改變(例如，一物件之速度、軌跡等)、聲音、一頻譜頻寬之頻譜能量、馬達回饋(亦即，編碼器值)、感測器值(例如，陀螺儀、加速度計、GPS、磁力計等讀數)、一二進位類別變量、一枚舉類型、一字符/字串或一感測器輸入之任何其他特性。
輸入節點706可接收一特徵之一數值xi ，i 係一整數索引。舉例而言，xi 可表示一彩色影像之像素之色彩值、針對具有索引i 之一射束ID之距離量測、其一導數等。輸入節點706可經由鏈路704而將數值xi 輸出至一或多個中間節點706。每一中間節點706可經組態以接收數值xi 且將另一數值ki,j 輸出至鏈路708，該另一數值遵循以下方程式1：ki,j =ai ,j x0 + b i ,j x1 + c i ,j x2 + d i ,j x3 (方程式1)
索引i 對應於一層內之一節點編號(例如，x1 表示自零開始索引之輸入層之第一輸入節點702)。索引j 對應於一層，其中j 將針對所圖解說明之神經網路700之一個中間層714等於1，然而，j 可為對應於包括任何數目個中間層712之一神經網路700之任何編號。常數a、b、c及d表示將根據一訓練程序而被學習之權重。方程式1之常數之數目可取決於至一各別中間節點706之輸入鏈路704之一數目。在此實施例中，所有中間節點706皆鏈接至所有輸入節點702，然而此並非意欲係限制性的。
輸出節點710可經組態以自一第j中間層714之至少一第i中間節點706接收至少一個數值ki,j 。如所圖解說明，舉例而言，每一輸出節點710自第二中間層714之八個中間節點706 (自零開始索引)接收數值k0-7,1 。輸出節點710之輸出可包括輸入節點702之一特徵之一分類。可按照與以上方程式1實質上類似之一方程式(亦即，基於所學習權重a、b、c、d等以及來自連接712之輸入，該等輸入由來自後來的714-2之中間節點706之數值輸出組成)而計算輸出節點710之輸出ci 。遵循其中輸入xi 包括一RGB影像之像素色彩值之以上實例，輸出節點710可輸出每一輸入像素之一分類ci (例如，像素i 係一汽車、火車、狗、人、背景、肥皂或任何其他分類)。
訓練程序包括針對神經網路700將輸入對值及輸出對值分別提供至輸入節點702及輸出節點710，使得可判定中間節點706之權重。所判定權重組態神經網路700以接收輸入至輸入節點702且在輸出節點710處判定一正確輸出。藉由說明性實例之方式，帶註記(亦即，經標記)影像可用於訓練一神經網路700以識別影像內之物件。可將影像(亦即，像素RGB色彩值)提供至輸入節點702且可將影像之註記(亦即，每一像素之分類)提供至輸出節點710，其中中間節點706之權重可經調整使得神經網路700基於提供至輸入節點702之像素色彩值而產生影像之註記。可使用大量影像(例如，數百個或更多)重複此程序，使得可判定每一中間節點706之理想權重。熟習此項技術者可瞭解，反面實例或者不包括或表示神經網路700正經訓練以進行識別之特徵之訓練對亦可用於進一步訓練神經網路700 (例如，訓練一神經網路700以識別RGB影像中之人類可需要使用繪示人類之影像及並非繪示人類之影像)。
作為針對於使用平面LiDAR感測器進行電扶梯偵測(如上文結合圖2A至圖2B、圖3A至圖3B所論述)之另一非限制性例示性實施例，神經網路700可被提供有複數個訓練對，每一訓練對由來自一LiDAR感測器之一掃描以及用於指示該掃描之任何各別點/量測歸為一電扶梯之一正值或負值構成。亦即，訓練對可各自由以下各項組成：(i)類似於圖3A至圖3B中所圖解說明之圖之圖，其中每一距離量測302-i 或其導數304-i 提供至一各別輸入節點702-i ，及(ii)提供至一各別輸出節點710-i 之「電扶梯」或「非電扶梯」或者其類似變體之標記，該等標記將每一輸入距離量測302-i 、304-i 表示為電扶梯或非電扶梯。在訓練神經網路700之後(亦即，在一模型收斂或達成一充分凖確度之後)，每一輸入節點702-i 可各自接收一各別距離量測302-i (如圖3A中所圖解說明)，其中互連層714及所學習權重可經組態以在所提供之距離量測302實質上類似於用於訓練神經網路700之訓練掃描之情況下致使輸出節點710輸出一電扶梯之一正偵測。
根據至少一個非限制性例示性實施例，來自一第j 中間層714之中間節點706之一或多個輸出ki ,j 可用作去往一第m中間層714之一或多個中間節點706之輸入，其中索引m 可大於或小於j (例如，一循環神經網路)。根據至少一個非限制性例示性實施例，一神經網路700可包括一N維特徵(例如，包含(x, y)位置及深度編碼之一3維輸入影像)之N個維度，其中為清晰起見而僅圖解說明一個維度。熟習此項技術者可瞭解一神經網路700之複數個其他實施例，其中所圖解說明之神經網路700表示一神經網路及其變體之一簡化實施例且並非意欲係限制性的。亦即，神經網路700說明神經網路架構、訓練及操作之基本原理，其中神經網路700可以(但不限於)前饋網路、徑向偏壓網路、長期/短期記憶體(LSTM)、迴旋神經網路、解迴旋神經網路等等來體現。
有利地，由於電扶梯形狀及大小之標凖化，因此一電扶梯之一LiDAR掃描之型樣(例如，如圖3A至圖3B及圖6A至圖6B中所圖解說明)維持一恆定形狀(亦即，如圖3A中所展示之一U形)。類似地，導數(dH/di )亦維持一恆定形狀(亦即，如圖3B中所展示)。因此，由於電扶梯之LiDAR掃描之形狀或型樣之一致性，因此訓練一神經網路700以識別形狀或型樣可在如下實施例中係有利的：(i)其中一經訓練模型(亦即，具有固定權重之一經訓練神經網路700)可被部署至一機器人102上，或(ii)其中機器人102包括充分計算資源來訓練及/或執行神經網路700。此外，電扶梯之大小及形狀之標凖化增強使一神經網路700在RGB或灰階影像中識別電扶梯之能力且大大減少訓練神經網路700以在RGB或灰階影像中識別電扶梯所需之訓練對(亦即，電扶梯之帶註記或經標記影像)之數目。
根據至少一個非限制性例示性實施例，神經網路700可經訓練以識別影像(例如，RGB影像、灰階影像、深度影像等)之像素，該等像素係電扶梯或非電扶梯像素。根據至少一個非限制性例示性實施例，神經網路700可在具有一定界框之一影像中識別一電扶梯。用於訓練神經網路700之訓練對可由電扶梯之帶註記或經標記影像組成，註記或標記由作為「電扶梯」或「非電扶梯」之影像之像素或區域之一編碼組成。有利地，使用RGB影像及神經網路700可達成如下機器人102：不利用平面LiDAR感測器來以強加於機器人102之各別一或多個控制器118或處理器件之經增加計算複雜性為代價識別電扶梯。另外，使用RGB影像及神經網路700可用於使用上文在圖2至圖6中所論述之方法來檢驗對電扶梯之偵測，以便消除對電扶梯之誤報偵測。
根據本文中所論述之發明概念，揭示用於偵測沿著一所行進路徑之一下降之一方法、非暫時性電腦可讀及系統。非暫時性電腦可讀媒體及系統包括可組態以執行儲存於一記憶體上之電腦可讀指令之一控制器，且方法執行尤其包括以下各項之步驟：自安裝於一機器人器件上之一第一感測器接收資料，該資料包括自該第一感測器至一第一區域之一第一距離量測；自安裝於該機器人器件上之一第二感測器接收資料，該資料包括自該第二感測器至一第二區域之一第二距離量測，該第二區域不同於該第一區域；若該第二距離量測之值不同於該第一距離量測之值，則計算該第一距離量測與該第二距離量測之間的差，該所計算之差對應於該下降之一量值；及若該下降之該量值等於或超過一下降參數，則致動該機器人器件以由該機器人器件將該所行進路徑改道。其中，該下降參數對應於該第一區域與該第二區域之間的高度之一平均值，該第一區域係靜止的且該第二區域係處於遠離該第一區域之運動中。
該非暫時性電腦可讀媒體、系統及方法進一步包括：若在該第一感測器及該第二感測器中之一或多者中存在一校凖誤差，則調整該下降之該量值；及在計算該第一距離量測與該第二距離量測之間的該差之前偵測側壁臨限值，其中該等側壁臨限值對應於由該第一感測器及該第二感測器中之一或多者偵測一第一壁及一第二壁，該第一壁與該第二壁分隔開一距離。其中基於導數量測而偵測該第一壁及該第二壁以判定該第一壁及該第二壁係位於該機器人器件之一右側上還是一左側上。並且，其中若該導數量測符合一負壁臨限參數值，則該第一壁及該第二壁中之一者係位於該機器人器件之該左側上，且若該導數量測符合一正壁臨限參數值，則該第一壁及該第二壁中之一者係位於該機器人器件之該右側上；且其中不考慮該機器人器件相對於該第一壁及該第二壁之一角度而計算該下降之該量值。
將認識到，儘管就一方法之一特定步驟序列來闡述本發明之特定態樣，但此等說明僅說明本發明之較廣義方法，且可按特定應用之需要來修改。特定步驟可在特定情景下變得不必要或選用的。另外，特定步驟或功能性可被添加至所揭示實施例，或變更兩個或兩個以上步驟之執行次序。所有此等變化皆視為囊括於本文中所揭示及主張之本發明內。
儘管以上詳細說明已展示、闡述及指出如應用於各種例示性實施例之本發明之新穎特徵，但將理解，熟習此項技術者可在不背離本發明之情況下在所圖解說明之器件或程序之形式及細節上做出各種省略、替換及改變。前述說明係實施本發明之當前所預期之最佳模式。此說明絕不意欲係限制性的，而是應視為說明本發明之一般原理。應參考申請專利範圍來判定本發明之範疇。
儘管在圖式及前述說明中已詳細圖解說明及闡述本發明，但此圖解說明及闡述可視為說明性或例示性而並非限制的。本發明並不限於所揭示實施例。根據對圖式、揭示內容及隨附申請專利範圍之研究，熟習此項技術者可理解及實現所揭示實施例及/或實施方案之變化形式以實踐所主張揭示內容。
應注意，在闡述本發明之特定特徵或態樣時對特定術語之使用不應視為暗示該術語在本文中重新定義而限於包含與該術語相關聯之本發明之特徵或態樣之任何特定特性。除非另外明確說明，否則此申請案中、尤其隨附申請專利範圍中所使用之術語及片語及其變化形式應理解為具有開放性而非限制性。作為前述內容之實例，術語「包含(including)」應解讀為意指「不加限制地包含(including, without limitation)」、「包含但不限於(including but not limited to)」或諸如此類；本文中所使用之術語「包括(comprising)」與「包含」、「含有(containing)」或「由…表徵(characterized by)」同義，並且具有包含性或開放性且不排除額外未陳述要素或方法步驟；術語「具有(having)」應解釋為「至少具有(having at least)」；術語「諸如」應解釋為「諸如(不加限制地)」；術語「包含(includes)」應解釋為「包含但不限於」；術語「實例」用於提供所論述物項之例示性例項，而非其一窮盡性或限制性清單，且應解釋為「實例，但不加限制」；諸如「已知(known)」、「正常(normal)」、「標凖(standard)」及類似含義之術語等形容詞不應解釋為將所闡述物項限於一給定時間週期或可用於一給定時間之一物項，而是應解讀為囊括可在當前或未來任何時間可用或已知之已知、正常或標凖技術；且如「較佳地」、「較佳」、「期望(desired或desirable)」及類似含義之詞語等術語之使用不應理解為暗示特定特徵對於本發明之結構或功能而言至關重要、較為重要或極為重要，而是僅意欲強調可或可不用於一特定實施例中之替代或額外特徵。同樣，除非另外明確說明，否則與連詞「及」連接之物項之一群組不應解讀為需要彼等物項中之每一者皆存在於群組中，而是應解讀為「及/或」。類似地，除非另外明確說明，否則與連接詞「或」連接之物項之一群組不應解讀為需要在該群組內相互排斥，而是應解讀為「及/或」。術語「約」或「大約」及諸如此類係同義的且用於指示由該術語修飾之值具有與該值相關聯之一理解範圍，其中該範圍可為±20％、±15％、±10％、±5％或±1％。術語「實質上」用於指示一結果(例如，量測值)接近於一目標值，其中接近可意指(舉例而言)該結果係在該值之80％內、在該值之90％內、在該值之95％內或在該值之99％內。並且，如本文中所使用，「經定義」或「經判定」可包含「預定義」或「預定」及/或以其他方式判定之值、條件、臨限值、量測及諸如此類。
102:機器人 104:操作單元 106:導航單元 108:致動器單元 110:作業系統 112:使用者介面單元 114:感測器單元 116:通信單元 118:控制器 120:記憶體 122:電源供應器 124:輸入信號 126:接收器 128:資料匯流排 130:處理器 132:記憶體 134:傳輸器 136:信號輸出 202:電扶梯 204:感測器/距離量測感測器 206-0:距離量測/量測 206-5:距離量測 206-15:距離量測 206-20:距離量測/量測 208:地板/第一移動臺階 210:欄桿/左欄桿/右欄桿/側欄桿/側壁 212:距離量測/量測/參考量測/參考距離 214:距離量測/量測 216:靜止部分 218:下降 302-0:點 302-5:高度量測/點/標記 302-15:點/標記 302-20:點 304-5:導數量測 304-15:導數量測 500:方法 502:方塊 504:方塊 506:方塊 508:方塊 510:方塊 512:方塊 514:方塊 600:電扶梯 602:側壁 604:感測器視覺線 606:平面光偵測及測距感測器 608:距離量測/最小可量測距離/最小距離 610:下降 612:距離量測 700:神經網路/經訓練神經網路 702:輸入節點/節點 704:鏈路/輸入鏈路 706:中間節點/第i中間節點/節點 708:鏈路 710:輸出節點/節點 712:鏈路/連接 X1:第一輸入節點
將在下文中連同隨附圖式一起闡述所揭示態樣，該等隨附圖式經提供以進行圖解說明且並不限制所揭示態樣，其中相似名稱表示相似元件。
圖1A係根據本發明之某些實施例之一主要機器人之一功能方塊圖。
圖1B係根據本發明之某些實施例之一控制器或處理器之一功能方塊圖。
圖2A圖解說明根據一例示性實施例之一電扶梯及一距離量測感測器之一前視圖，該距離量測感測器收集資料，包括電扶梯之各種點處之高度量測。
圖2B圖解說明根據一例示性實施例之一電扶梯及一距離量測感測器之一側視圖，該距離量測感測器收集量測以判定電扶梯之一第一移動臺階與一靜止部分之間的一下降。
圖3A圖解說明根據一例示性實施例之由距離量測感測器進行之高度量測，該距離量測感測器收集資料，包括一電扶梯之各種點處之高度量測。
圖3B圖解說明根據一例示性實施例之在圖3A中所圖解說明之高度量測之一導數。
圖4圖解說明根據一例示性實施例之用於儲存對應於一電扶梯之一左壁、右壁及地板之高度量測的一資料表。
圖5圖解說明根據一例示性實施例之供一機器人之一控制器判定一周圍環境內之一電扶梯的一程序流程圖。
圖6A至圖6B圖解說明根據一例示性實施例之以兩個接近角度接近一電扶梯之一機器人以圖解說明用於偵測電扶梯之一最小間距參數如何針對機器人之接近角度係不變的。
圖7圖解說明根據一例示性實施例之將被訓練而以LiDAR掃描或影像識別電扶梯之一神經網路之一高階圖式。
本文中所揭示之所有圖皆係© Copyright 2018 Brain Corporation。保留所有權利。
102:機器人
104:操作單元
106:導航單元
108:致動器單元
110:作業系統
112:使用者介面單元
114:感測器單元
116:通信單元
118:控制器
120:記憶體
122:電源供應器

Claims (15)

  1. 一種用於偵測沿著一所行進路徑之一下降之方法，其包括： 自經安裝於一機器人器件上之一第一感測器接收資料，該資料包括自該第一感測器至一第一區域之一第一距離量測； 自經安裝於該機器人器件上之一第二感測器接收資料，該資料包括自該第二感測器至一第二區域之一第二距離量測，該第二區域不同於該第一區域； 若該第二距離量測之值不同於該第一距離量測之值，則計算該第一距離量測與該第二距離量測之間的差，該所計算之差對應於該下降之一量值；及 若該下降之該量值等於或超過一下降參數，則致動該機器人器件以由該機器人器件將該所行進路徑改道。
  2. 如請求項1之方法，其中該下降參數對應於該第一區域與該第二區域之間之高度之一平均值，該第一區域係靜止的且該第二區域係處於遠離該第一區域的運動中。
  3. 如請求項1之方法，進一步包括： 若在該第一感測器及該第二感測器中之一或多者中存在一校凖誤差，則調整該下降之該量值。
  4. 如請求項1之方法，進一步包括： 在計算該第一距離量測與該第二距離量測之間之該差之前，偵測側壁臨限值，其中該等側壁臨限值對應於由該第一感測器及該第二感測器中之一或多者偵測一第一壁及一第二壁，該第一壁與該第二壁分隔開一距離。
  5. 如請求項4之方法，其中基於導數量測來偵測該第一壁及該第二壁以判定該第一壁及該第二壁係位於該機器人器件之一右側上還是一左側上。
  6. 如請求項5之方法，其中若該導數量測符合一負壁臨限參數值，則該第一壁及該第二壁中之一者係位於該機器人器件之該左側上，且若該導數量測符合一正壁臨限參數值，則該第一壁及該第二壁中之一者係位於該機器人器件之該右側上。
  7. 如請求項4之方法，其中不考慮該機器人器件相對於該第一壁及該第二壁之一角度而計算該下降之該量值。
  8. 一種非暫時性電腦可讀媒體，其包括： 經儲存於其上之複數個指令，該複數個指令可組態以由一控制器執行，使得在執行後，該控制器可組態以， 自經安裝於一機器人器件上之一第一感測器接收資料，該資料包括自該第一感測器至一第一區域之一第一距離量測； 自經安裝於該機器人器件上之一第二感測器接收資料，該資料包括自該第二感測器至一第二區域之一第二距離量測，該第二區域不同於該第一區域； 若該第二距離量測之值不同於該第一距離量測之值，則計算該第一距離量測與該第二距離量測之間的差，該所計算之差對應於下降之一量值；及 若該下降之該量值等於或超過一下降參數，則致動該機器人器件以由該機器人器件將所行進路徑改道。
  9. 如請求項8之非暫時性電腦可讀媒體，其中該下降參數對應於該第一區域與該第二區域之間之高度之一平均值，該第一區域係靜止的且該第二區域係處於遠離該第一區域的運動中。
  10. 如請求項8之非暫時性電腦可讀媒體，其中該控制器進一步可組態以： 若在該第一感測器及該第二感測器中之一或多者中存在一校凖誤差，則調整該下降之該量值。
  11. 如請求項8之非暫時性電腦可讀媒體，其中該控制器進一步可組態以： 在計算該第一距離量測與該第二距離量測之間之該差之前，偵測側壁臨限值， 其中該等側壁臨限值對應於由該第一感測器及該第二感測器中之一或多者偵測一第一壁及一第二壁，該第一壁與該第二壁分隔開一距離。
  12. 如請求項11之非暫時性電腦可讀媒體，其中基於導數量測來偵測該第一壁及該第二壁，以判定該第一壁及該第二壁係位於該機器人器件之一右側上還是一左側上。
  13. 如請求項12之非暫時性電腦可讀媒體，其中若該導數量測符合一負壁臨限參數值，則該第一壁及該第二壁中之一者係位於該機器人器件之該左側上，且若該導數量測符合一正壁臨限參數值，則該第一壁及該第二壁中之一者係位於該機器人器件之該右側上。
  14. 如請求項11之非暫時性電腦可讀媒體，其中不考慮該機器人器件相對於該第一壁及該第二壁之一角度而計算該下降之該量值。
  15. 一種用於偵測沿著一所行進路徑之一下降之系統，其包括： 一記憶體，其包括經儲存於其上之電腦可讀指令；及 至少一個控制器，其可組態以執行該等電腦可讀指令以， 自經安裝於一機器人器件上之一第一感測器接收資料，該資料包括自該第一感測器至一第一區域之一第一距離量測； 自經安裝於該機器人器件上之一第二感測器接收資料，該資料包括自該第二感測器至一第二區域之一第二距離量測，該第二區域不同於該第一區域； 若該第二距離量測之值不同於該第一距離量測之值，則計算該第一距離量測與該第二距離量測之間的差，該所計算之差對應於該下降之一量值；及 若該下降之該量值等於或超過一下降參數，則致動該機器人器件以由該機器人器件將該所行進路徑改道。
TW108145371A 2018-12-11 2019-12-11 用於偵測電扶梯之系統、裝置及方法 TW202030141A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201862778030P 2018-12-11 2018-12-11
US62/778,030 2018-12-11

Publications (1)

Publication Number Publication Date
TW202030141A true TW202030141A (zh) 2020-08-16

Family

ID=71076621

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108145371A TW202030141A (zh) 2018-12-11 2019-12-11 用於偵測電扶梯之系統、裝置及方法

Country Status (6)

Country Link
US (1) US11529736B2 (zh)
EP (1) EP3894969A4 (zh)
JP (1) JP7462891B2 (zh)
KR (1) KR20210110610A (zh)
TW (1) TW202030141A (zh)
WO (1) WO2020123605A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022221242A1 (en) * 2021-04-14 2022-10-20 Brain Corporation Systems and methods for robotic detection of escalators and moving walkways
EP4241928A1 (en) * 2022-03-07 2023-09-13 Körber Suppy Chain DK A/S Method for operating a material handling apparatus
KR20240028125A (ko) * 2022-08-24 2024-03-05 삼성전자주식회사 에스컬레이터에서 하차하는 로봇 및 그 제어 방법
KR20240029678A (ko) * 2022-08-26 2024-03-06 삼성전자주식회사 무빙 워크를 이용하는 로봇 및 그 제어 방법

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7248725B2 (en) * 2004-01-07 2007-07-24 Ramot At Tel Avia University Ltd. Methods and apparatus for analyzing ultrasound images
US7047132B2 (en) * 2004-01-12 2006-05-16 Steven Jacobs Mobile vehicle sensor array
JP5499355B2 (ja) * 2009-09-14 2014-05-21 国立大学法人電気通信大学 移動環境認識装置及び方法
JP5636936B2 (ja) * 2010-12-15 2014-12-10 パナソニック株式会社 移動車両の制御システム
EP3287242B1 (en) * 2012-09-21 2021-10-20 iRobot Corporation Proximity sensor for a mobile robot
TWI652034B (zh) * 2016-05-17 2019-03-01 Ｌｇ電子股份有限公司 清掃機器人
CN206282141U (zh) 2016-12-23 2017-06-27 上海木爷机器人技术有限公司 避障系统
JP6571631B2 (ja) * 2016-12-26 2019-09-04 国立大学法人 東京大学 走行車両及び走行車両の制御方法
KR102012548B1 (ko) * 2017-01-25 2019-08-20 엘지전자 주식회사 로봇의 진입 가능 영역을 식별하는 방법 및 이를 구현하는 로봇

Also Published As

Publication number Publication date
JP2022511978A (ja) 2022-02-01
EP3894969A4 (en) 2022-08-24
JP7462891B2 (ja) 2024-04-08
US11529736B2 (en) 2022-12-20
US20210299873A1 (en) 2021-09-30
WO2020123605A1 (en) 2020-06-18
KR20210110610A (ko) 2021-09-08
EP3894969A1 (en) 2021-10-20

Similar Documents

Publication Publication Date Title
TW202030141A (zh) 用於偵測電扶梯之系統、裝置及方法
US20230021778A1 (en) Systems and methods for training a robot to autonomously travel a route
US10807230B2 (en) Bistatic object detection apparatus and methods
US11613016B2 (en) Systems, apparatuses, and methods for rapid machine learning for floor segmentation for robotic devices
US10891484B2 (en) Selectively downloading targeted object recognition modules
US20220269943A1 (en) Systems and methods for training neural networks on a cloud server using sensory data collected by robots
Stückler et al. Nimbro explorer: Semiautonomous exploration and mobile manipulation in rough terrain
US20200012287A1 (en) Cart robot and system for controlling robot
US11886198B2 (en) Systems and methods for detecting blind spots for robots
US11865731B2 (en) Systems, apparatuses, and methods for dynamic filtering of high intensity broadband electromagnetic waves from image data from a sensor coupled to a robot
US20230083293A1 (en) Systems and methods for detecting glass and specular surfaces for robots
US20230168689A1 (en) Systems and methods for preserving data and human confidentiality during feature identification by robotic devices
US20200009734A1 (en) Robot and operating method thereof
US20240085916A1 (en) Systems and methods for robotic detection of escalators and moving walkways
US20240077882A1 (en) Systems and methods for configuring a robot to scan for features within an environment
KR20230134109A (ko) 청소 로봇 및 그의 태스크 수행 방법
WO2021252425A1 (en) Systems and methods for wire detection and avoidance of the same by robots
US20240168487A1 (en) Systems and methods for detecting and correcting diverged computer readable maps for robotic devices
US11960288B1 (en) System for path planning in areas outside of sensor field of view by an autonomous mobile device
US20240036582A1 (en) Robot navigation
CA3236543A1 (en) Systems and methods for automatic route generation for robotic devices