TW202036030A - 資訊處理裝置以及移動機器人 - Google Patents
資訊處理裝置以及移動機器人 Download PDFInfo
- Publication number
- TW202036030A TW202036030A TW109104044A TW109104044A TW202036030A TW 202036030 A TW202036030 A TW 202036030A TW 109104044 A TW109104044 A TW 109104044A TW 109104044 A TW109104044 A TW 109104044A TW 202036030 A TW202036030 A TW 202036030A
- Authority
- TW
- Taiwan
- Prior art keywords
- self
- unit
- map
- reliability
- processing device
- Prior art date
Links
- 230000010365 information processing Effects 0.000 title claims description 18
- 238000001514 detection method Methods 0.000 claims description 54
- 230000033001 locomotion Effects 0.000 claims description 39
- 238000011156 evaluation Methods 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 description 23
- 238000000034 method Methods 0.000 description 19
- 230000010354 integration Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 6
- 230000004807 localization Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 101001139126 Homo sapiens Krueppel-like factor 6 Proteins 0.000 description 1
- 101000710013 Homo sapiens Reversion-inducing cysteine-rich protein with Kazal motifs Proteins 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3837—Data obtained from a single source
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3848—Data obtained from both position sensors and additional sensors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0248—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0272—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising means for registering the travel distance, e.g. revolutions of wheels
-
- 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
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/579—Depth or shape recovery from multiple images from motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Multimedia (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- General Factory Administration (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
提供一種資訊處理裝置以及移動機器人,面對環境的變化也能夠確保自我位置的推定精度,維持地圖中的自我位置的整合性。移動機器人(1)的資訊處理裝置具備控制單元(2)和檢測距周圍的物體的距離和方向作為檢測資訊的檢測單元(3)。控制單元(2)具備:儲存部(28);作成周圍的地圖的地圖作成部(23);基於既存地圖推定當前的自我位置的既存地圖自我位置推定部(24);基於當前地圖推定當前的自我位置的當前地圖自我位置推定部(25);評價所推定的各自我位置的可靠度的可靠度評價部(26);基於可靠度更新各自我位置中的任一個的自我位置更新部(27)。
Description
本發明關於資訊處理裝置以及移動機器人。
以往,作為用於移動機器人或自動駕駛車等能夠自律行走的移動體進行自律行走的技術採用稱作SLAM(Simultaneous Localization and Mapping:同步定位與地圖構建)的自我位置推定和環境地圖作成的技術。作為環境地圖會使用基於移動體的移動範圍內物體的有無作成的佔用柵格地圖和/或點群地圖。佔用柵格地圖將移動範圍的平面和/或空間分割為多個劃區(單區)進行儲存,並對分割的各劃區給予對應於物體的有無的單區值。點群地圖將移動範圍的平面或空間上存在的物體作為每個微小區域離散化後的點(坐標)表示,其集合的點群數據作為地圖利用。
移動體自律行走至目的地的情況下,求從當前地至目的地的移動路徑,沿該移動路徑行走至目的地。這時,為了高效率地移動,使用預先作成的地圖(既存地圖)算出移動路徑,在該既存地圖上移動體一邊確認(推定)自我位置一邊行走。這樣的在既存地圖上的自我位置推定對於移動體的自律行走來說是不可缺的技術。
作為移動體的自我位置推定的技術一般是使用由距離傳感器的輸出得到的距離數據(檢測資訊)對預先準備的環境地圖進行移動體的位置對位來推定自我位置。作為移動體的位置對位的方法例如有稱作ICP(Iterative Closest Point:迭代最近點)的方法,該方法中,根據從點群數據抽出的點的集合的幾何特徵,來與環境地圖的特徵部位對照,從而判別移動體的位置(例如參照專利文獻1)。專利文獻1中記載的自我位置推定方法通過距離傳感器觀測周邊,從而取得表示物體表面的多個三維點,根據其觀測結果算出多個三維點的特徵量,將特徵量是特徵量閾值以上的多個三維點從近距離和遠距離兩方抽出,將抽出的多個三維點和環境地圖所示的多個三維點匹配來推定自我位置。
另一方面,作為移動體的自我位置推定的技術,還有由車輪的旋轉角來算出移動量(檢測資訊),由此推定自我位置的所謂里程計算法(odometry)的方法,該方法中將基於移動量的自我位置資訊與環境地圖對照,從而判別移動體的位置。但是,基於里程計算法的自我位置推定方法中,車輛轉彎的情況或車輪空轉的情況下會發生里程計算誤差,所以導致自我位置的推定精度降低。因此,又提出了通過並用基於里程計算法的自我位置推定和前述的基於利用距離傳感器的ICP的位置對位的方法,來提高自我位置的推定精度的技術(例如參照專利文獻2)。
[先前技術文獻]
[專利文獻]
[專利文獻1] 日本專利申請(特開)JP2017-083230
[專利文獻2] 日本專利申請(特開)JP2018-084492
[發明所欲解決問題]
但是,專利文獻1和2記載的習知技術都是使檢測資訊與預先準備的環境地圖匹配來推定移動體的自我位置的,當環境變化的情況下,與環境地圖匹配變得困難,使得匹配的精度降低,由此使得自我位置的推定精度大幅度降低。
本發明的目的是提供一種面對環境的變化也能夠確保自我位置的推定精度,維持地圖中的自我位置的整合性的資訊處理裝置以及移動機器人。
本發明的資訊處理裝置,該資訊處理裝置用於基於移動體移動的環境的地圖來推定移動體的自我位置,其特徵在於,檢測距所述移動體的周圍的物體的距離和方向作為檢測資訊的檢測單元;以及控制所述檢測單元的控制單元,其中,所述控制單元具備:儲存由所述檢測單元檢測的檢測資訊的時間序列和地圖的儲存部;基於儲存於所述儲存部的檢測資訊來作成所述移動體的周圍的地圖並儲存於所述儲存部的地圖作成部;基於儲存於所述儲存部的過去作成的既存地圖來推定所述移動體的當前的自我位置的既存地圖自我位置推定部;基於儲存於所述儲存部的當前作成中的當前地圖來推定所述移動體的當前的自我位置的當前地圖自我位置推定部;評價由所述既存地圖自我位置推定部和所述當前地圖自我位置推定部推定的各自我位置的可靠度的可靠度評價部;以及基於由所述可靠度評價部評價的可靠度來更新所述各自我位置中的任一個的自我位置更新部。
根據這樣的本發明,自我位置更新部根據由可靠度評價部評價的各自我位置的可靠度更新由既存地圖自我位置推定部和當前地圖自我位置推定部推定的各自我位置中的任一個,所以能夠獲得由既存地圖自我位置推定部和當前地圖自我位置推定部推定的各自我位置的整合性。因此,即使是移動的環境反復變化的情況下,根據既存地圖和當前地圖兩者來評價自我位置的可靠性,也能夠提高相對於環境變化的自我位置的推定精度。
本發明中較佳地,所述自我位置更新部算出由所述既存地圖自我位置推定部和所述當前地圖自我位置推定部推定的各自我位置的移動量,基於所算出的移動量來更新所述各自我位置中的任一個。
根據這樣的構成,自我位置更新部算出既存地圖自我位置推定部和當前地圖自我位置推定部推定的各自我位置的移動量,根據所算出的移動量來更新各自我位置中的任一個,即使既存地圖和當前地圖的形狀不同的情況下也能夠獲得各自我位置的整合性。即,即使在相同場所,移動機器人的行走路徑每次也不同,傳感器干擾也相異,所以既存地圖和當前地圖的形狀多不一致。地圖的形狀若不同,則即使一地圖中的自我位置在另一地圖中直接流用,也未必獲得與該地圖的整合性。相對於此,算出既存地圖和當前地圖中的自我位置的移動量之後,根據其移動量來更新各自我位置,則能夠降低誤差的同時提高自我位置的推定精度。
本發明中較佳地,所述自我位置更新部將由所述可靠度評價部評價的所述各自我位置的可靠度低的地圖的自我位置基於可靠度高的地圖的自我位置更新。
根據這樣的構成,自我位置更新部將可靠度評價部評價的各自我位置的可靠度低的地圖的自我位置根據可靠地高的地圖的自我位置進行更新,所以能夠提高各自我位置的推定精度。
本發明中較佳地,所述可靠度評價部將表示所述各自我位置的可靠度的權重設定為隨所述各自我位置的可靠度變高而變大、隨可靠度變低而變小,所述自我位置更新部基於由所述可靠度評價部設定的權重來更新所述各自我位置的至少任一個。
根據這樣的構成,自我位置更新部根據可靠度評價部設定的表示各自我位置的可靠度的權重,更新既存地圖自我位置推定部和當前地圖自我位置推定部推定的各自我位置的至少任一個,所以能夠階段性地評價各自我位置的可靠度,能取得高效率地各自我位置的整合性。
本發明的移動機器人的特徵在於具備上述資訊處理裝置和使所述移動體移動的移動單元。
根據這樣的本發明,移動機器人具備資訊處理裝置和移動單元,資訊處理裝置的控制單元所具有的自我位置更新部根據可靠度評價部評價的各自我位置的可靠度來更新既存地圖自我位置推定部和當前地圖自我位置推定部推定的各自我位置中的任一個既所以能夠獲得存地圖自我位置推定部和當前地圖自我位置推定部推定的各自我位置的整合性。
以下,基於圖1~圖5說明本發明的一實施方式。
圖1係表示本發明的一實施方式的移動機器人1的方塊圖。
如圖1所示,作為本實施方式的移動體的移動機器人1具備:控制單元2、檢測單元3和移動單元4,由控制單元2和檢測單元3構成資訊處理裝置。檢測單元3具有對移動機器人1的周圍發射光束線以檢測物體的有無的雷射掃描儀,對每次照射的光束線取得檢測資訊。移動機器人1通過SLAM技術和里程計算法推定自我位置。移動單元4具有馬達等的驅動部和由驅動部旋轉驅動的車輪,使移動機器人1自律行走,並利用車輪的旋轉角取得移動量(檢測資訊),由里程計算法推定自我位置。
控制單元2是具有CPU(Central Processing Unit:中央處理器)等運算單元和ROM(Read-Only Memory:唯讀儲存器),RAM(Random Access Memory:隨機讀取儲存器)等儲存單元而控制移動機器人1的動作的系統,其具備控制移動單元4的移動控制部21和控制檢測單元3的檢測控制部22。並且控制單元2如後面敘述到,具備作成移動機器人1的周圍的地圖的地圖作成部23;推定移動機器人1的自我位置的既存地圖自我位置推定部24和當前地圖自我位置推定部25。進而,控制單元2構成為具備:評價由既存地圖自我位置推定部24和當前地圖自我位置推定部25推定的各自我位置的可靠度的可靠度評價部26;根據可靠度評價部26評價的可靠度來更新各自我位置中的任一個的自我位置更新部27;儲存檢測單元3取得的檢測資訊、地圖作成部23作成的地圖和各種數據等的儲存部28。作為地圖作成部23作成的地圖能夠利用佔有格子地圖和點群地圖等任意的地圖,在後面會寫說明作成點群地圖的情況。
檢測單元3例如具備將紅外線雷射等雷射向周圍測量至物體的距離的LIDAR(Light Detection and Ranging:雷射探測與測量技術)。該雷射掃描儀以作為自我位置的傳感器中心和方位作為基準位置(x,y,θ)T
,根據距傳感器中心的距離和繞傳感器中心的角度(方向)來檢測物體的有無和/或位置。該物體檢測(以下有時單稱作掃描)中,雷射掃描儀的1個週期(例如1個旋轉即360°)量的檢測中基於以規定分辨率(例如1°)照射的光束線,以1個週期量的檢測值為1單位(1個掃描),該1個掃描的檢測值作為檢測資訊按時間序列儲存於儲存部28。
移動單元4檢測由驅動部旋轉驅動的車輪的旋轉角,從而取得移動機器人1的移動量,該移動量被作為里程計算法資訊(檢測資訊)儲存於儲存部28。本實施方式的移動機器人1中,根據作為檢測資訊的掃描資訊以及里程計算法資訊,由SLAM技術順次作成當前地圖的同時一邊推定自我位置,並且將過去作成的由後述方法反復更新並儲存於儲存部28的既存地圖(參照地圖)和檢測資訊進行對照,從而推定自我位置。以下有時將利用SLAM技術進行自我位置推定單稱作“SLAM”,將通過與參照地圖對照來自我位置推定單稱作“LOC”(localization:定位)。並用SLAM和LOC的自我位置推定和地圖作成的手法參照圖2至圖5進行說明。
此外,既存地圖可以是過去作成的由後述方法反復更新並儲存於儲存部28的,例如也可以是從移動機器人1的外部轉送來的。總之,既存地圖只要是儲存於儲存部28的過去作成的即可。
圖係表示移動機器人1的地圖作成以及自我位置推定的動作的概念圖。如圖2所示,移動機器人1當取得來自檢測單元3的掃描資訊和來自移動單元4的里程計算法資訊,則通過SLAM和LOC進行自我位置推定。SLAM作成當前地圖並根據作成的當前地圖進行自我位置推定,LOC通過與參照地圖(既存地圖)對照進行自我位置推定。通過SLAM和LOC進行自我位置推定後,評價各自我位置的可靠度並更新。如以上所示,本實施方式的移動機器人1並行利用SLAM和LOC在當前地圖和參照地圖上並行進行自我位置推定。
圖3、4係表示移動機器人1的自我位置推定的狀況的概念圖。圖3和圖4各自的(A)是表示當前地圖或參照地圖上的物體的點群,其(B)是由檢測單元3檢測的掃描資訊的點群,其(C)是(A)和(B)的點群重合的狀態。在此例示作為位置對位的方法使用基於ICP的掃描匹配的情況,根據當前地圖或參照地圖上的點群的形狀和掃描資訊的點群的形狀,例如利用ICP進行位置對位,從而判別移動機器人1的自我位置。掃描匹配中,當移動機器人1從第一位置移動到第二位置時,以使得在第一位置作成的當前地圖(或過去作成的參照地圖)和在第二位置掃描的掃描資訊的重合程度最佳的方式度合的方式推定移動機器人1的自我位置(移動量)。SLAM通過比照順次作成的當前地圖和掃描資訊,來推定自我位置的同時反復進行當前地圖的更新。而LOC通過比照過去作成的參照地圖和掃描資訊,來推定參照地圖上的自我位置。
圖3表示利用SLAM進行掃描匹配的狀況,當前地圖上的點群和掃描資訊的點群較好重合,匹配顯示良好狀態。圖4表示利用LOC進行掃描匹配的狀況,參照地圖上的點群和掃描資訊的點群部分偏離,匹配顯示不良狀態。即,圖4(B)的位置A1、A2所示的部分的掃描資訊相對於圖4(A)的參照地圖偏離,這表示過去作成的參照地圖上存在的物體和當前的物體可能發生了位置和/或形狀的變化。但是,相對於這樣的物體位置等的環境變化,基於參照地圖的LOC有可能不能夠準確推定自我位置。因此,例如前述的利用ICP進行掃描匹配中,掃描資訊相對參照地圖的匹配得分由下式(1)算出。該匹配得分G(x)如圖3所示匹配是良好狀態的程度變小,如圖4所示匹配變為不良狀態則變大。
式(1)中,
x:在時刻t機器人位置(x,y,θ)T
R、t:x的旋轉行列、平移分量,由下式(2)表示
pi:時刻t的掃描內的第i個點
qji:與pi對應的時刻t-1的掃描內的點。ji是與i對應的點的序號。
如以上所示,對推定的自我位置算出匹配得分,根據匹配得分設定可靠度,從而評價通過SLAM和LOC推定的各自我位置的可靠度,根據評價的可靠度來更新各自我位置中的任一個。像這樣利用SLAM和LOC進行各自我位置的可靠度評價以及自我位置更新的方法在後面敘述。
本實施方式的移動機器人1中,通過SLAM作成當前地圖並推定自我位置,LOC對參照地圖進行參照的同時一邊推定自我位置,採用各自推定的自我位置的優者。根據這樣的自我位置推定方法,由於並行進行當前地圖上的SLAM和參照地圖上的自我位置推定,所以得到彼此互補的效果。即,即使SLAM和LOC任一個的自我位置推定失敗,只要另一個成功,則能夠恢復,所以穩健性提高。
另外當作為計量數據的掃描資訊和/或里程計算法資訊的狀態不佳時,由SLAM推定的自我位置會產生較大誤差,所以作成的當前地圖可能會崩潰,這種情況下即使掃描資訊正常,也難以恢復到準確的位置。因此,通過並用LOC,能以參照地圖為基準,所以能夠提高只要掃描資訊正常化就能夠推定自我位置的可能性。進一步地,移動機器人1若離開參照地圖的範圍外,則由於沒有地圖,若進行掃描匹配,則變成LOC僅通過里程計算法資訊推定自我位置,僅由里程計算法資訊時位置誤差積累,可能會迷失自我位置。因此,通過並用SLAM,從而能夠繼續推定移動機器人1的位置,LOC引入由SLAM推定的自我位置,所以能夠得到精度高於僅由里程計算法資訊的情況下的自我位置,還能得到回到參照地圖的範圍時也容易恢復的效果。
接著,一併參照圖5詳細說明移動機器人1的動作。圖5係表示移動機器人1的動作的流程圖。此外,其中關於移動機器人1的行走的動作省略說明,著重說明伴隨行走的自我位置推定和當前地圖的作成步驟。
當由控制單元2的移動控制部21驅動控制移動單元,開始移動機器人1的行走,則由檢測控制部22驅動控制檢測單元3,開始周圍的物體的檢測(檢測資訊取得步驟:步驟ST11)。檢測資訊取得步驟(步驟ST11)中,檢測控制部22由檢測單元3取得檢出周圍的物體的掃描資訊(檢測資訊),並使取得的掃描資訊儲存於儲存部28。進一步地,檢測控制部22取得根據移動單元4的車輪的旋轉角檢出移動量的里程計算法資訊(檢測資訊),並使取得的里程計算法資訊儲存於儲存部28。
控制單元2根據儲存於儲存部28的掃描資訊以及里程計算法資訊和作成的當前地圖、以及儲存於儲存部28的參照地圖(既存地圖),來推定移動機器人1的自我位置(自我位置推定步驟:步驟ST12)。自我位置推定步驟(步驟ST12)並行執行利用SLAM推定自我位置的推定步驟即步驟ST21~ST23和利用LOC推定自我位置的推定步驟即步驟ST31~ST33。
作為利用SLAM推定自我位置的推定步驟,控制單元2根據此前作成的當前地圖和掃描資訊以及里程計算法資訊,使當前地圖自我位置推定部25推定移動機器人1的當前的自我位置。進一步地,控制單元2使地圖作成部23作成當前地圖,使作成的當前地圖儲存於儲存部28(當前地圖作成和基於當前地圖的自我位置推定步驟:步驟ST21)。接著,當前地圖自我位置推定部25根據算出的自我位置和前一時刻的自我位置來算出該區間的移動量(移動量算出步驟:步驟ST22)。像這樣利用SLAM推定當前的自我位置後,控制單元2使可靠度評價部26評價自我位置的可靠度(可靠度評價步驟:步驟ST23)。可靠度評價步驟(步驟ST23)中,可靠度評價部26根據前述的掃描匹配的結果來算出自我位置的可靠度。例如,可以根據匹配得分決定可靠度,也可以根據匹配的點的個數來決定可靠度。以使得前者是匹配得分越小則可靠度越大,後者是點數越多則可靠地越大的方式實施轉換。並且可靠度小於規定的閾值的情況下可以使可靠度為為0。
作為利用LOC推定自我位置的推定步驟,控制單元2根據儲存於儲存部28的參照地圖和掃描資訊以及里程計算法資訊,使既存地圖自我位置推定部24推定移動機器人1的當前的自我位置(基於參照地圖的自我位置推定步驟:步驟ST31)。接著,既存地圖自我位置推定部24根據算出的自我位置和前一時刻的自我位置,算出此區間的移動量(移動量算出步驟:步驟ST32)。像這樣利用LOC推定當前的自我位置後,控制單元2使可靠度評價部26評價自我位置的可靠度(可靠度評價步驟:步驟ST33)。可靠度評價步驟(步驟ST33)中,可靠度評價部26根據前述的掃描匹配的結果來算出自我位置的可靠度。例如,可以根據匹配得分決定可靠度,也可以根據匹配的點的個數來決定可靠度。以使得前者是匹配得分越小則可靠度越大,後者是點數越多則可靠地越大的方式實施轉換。並且可靠度小於規定的閾值的情況下可以使可靠度為0。
如以上所示,通過SLAM和LOC推定各自我位置,評價各自我位置的可靠度後,控制單元2使可靠度評價部26根據SLAM和LOC的各自我位置的可靠度,對各自我位置設定可靠度越高則越高的權重(權重賦予步驟:步驟ST13)。即,例如若利用SLAM推定的自我位置的可靠度是80%,利用LOC推定的自我位置的可靠度是60%,基於SLAM的自我位置的權重設定為0.57(=80/(80+60)),基於LOC的自我位置的權重設定為0.43(=60/(80+60))。
接著,控制單元2使自我位置更新部27根據SLAM和LOC的各自我位置的權重,來更新各自我位置的至少任一個(自我位置更新步驟:步驟ST14)。自我位置更新部27根據由所述移動量算出步驟(步驟ST23,ST32)算出的各自我位置的移動量和由權重賦予步驟(步驟ST13)設定的各自我位置的權重,來更新各自我位置。此外,自我位置更新步驟(步驟ST14)中,也可以不基於各自我位置的權重,由可靠度高的自我位置更新(改寫)可靠度低的自我位置。這相當於前述將小於閾值的可靠度為0的情況。並且SLAM和LOC的自我位置的可靠度分別大於閾值的情況下,可以直接使用分別推定的自我位置。只不過當一方的自我位置的可靠度變得小於閾值的情況下,由另一方的自我位置改寫。
接著,控制單元2由步驟ST15判斷是否繼續移動機器人1的行走。在步驟ST15中繼續行走的情況下,再次返回檢測資訊取得步驟(步驟ST11),反復進行上述的各步驟。在步驟ST15中不繼續行走的情況下,控制單元2使移動機器人1的行走停止,並使各部分的動作停止。
根據這樣的本實施方式,能夠達到以下的作用和效果。
(1)移動機器人1中根據由控制單元2的可靠度評價部26評價的由SLAM和LOC推定的各自我位置的可靠度,自我位置更新部27更新各自我位置中的任一個,所以能夠獲得由既存地圖自我位置推定部24和當前地圖自我位置推定部25推定的各自我位置的整合性。因此,移動機器人1即使在移動的環境反復變化的情況下,也能夠根據參照地圖和當前地圖兩者來評價自我位置的可靠性,從而能夠相對於環境的變化的自我位置推定的精度。
(2)控制單元2的自我位置更新部27算出由SLAM和LOC推定的各自我位置的移動量,根據算出的移動量,更新各自我位置中的任一個,即使在參照地圖和當前地圖的形狀不同的情況下也能夠獲得各自我位置的整合性,能夠降低誤差的同時提高自我位置的推定精度。
(3)自我位置更新部27根據由可靠度評價部26設定的表示各自我位置的可靠度的權重,來更新由SLAM和LOC推定的各自我位置的至少任一個,所以能夠階段性地評價各自我位置的可靠度,能夠高效率地獲得各自我位置的整合性。另一方面,自我位置更新部27也可以不基於各自我位置的權重,而由可靠度高的自我位置來改寫可靠度低的自我位置,由此,能夠抑制計算成本。
〔實施方式的變形〕
此外,本發明不限於上述實施方式,能夠達成本發明的目的的範圍內的変形和改良等包含於本發明。
例如,上述實施方式中,作為移動機器人1進行了具體例示,作為移動機器人(移動體)是服務機器人或家用機器人等,更具體地能夠例示掃除機器人。警備機器人、搬運機器人、嚮導機器人等。進一步地,作為移動體,也可以是自動駕駛車或作業車等。進一步地,移動體的移動範圍可以是二維平面空間或三維空間,當三維空間的情況下移動體可以是無人機等飛行器。即,上述實施方式中,作為SLAM技術例示的是使用2D-SLAM的例子,但本發明的資訊處理裝置也能夠應用於以三維空間為對象的3D-SLAM。
上述實施方式中,移動機器人1具備控制單元2,在該控制單元2上設置有地圖作成部23和自我位置推定部24,25等,但作為資訊處理裝置也可以不設於移動機器人1,而構成為設於能夠與移動體通信的其他機器,根據由其他機器作成的地圖使移動機器人1行走。並且,作為移動體也可以不具備移動單元,可以是使用者一邊手動移動設置有檢測單元的推車等一邊對周圍檢測的構成。
上述實施方式中,作為參照地圖(既存地圖)和當前地圖使用的是點群地圖,但各地圖不限於點群地圖,也可以是佔有格子地圖或其他地圖。並且上述實施方式中作為檢測單元例示的是具有雷射掃描儀的產品,但不限於此,檢測單元也能夠利用各種距離傳感器或攝像裝置等任意產品。並且上述實施方式中,根據移動單元的車輪的旋轉角取得里程計算法資訊,但是不限定於此,也能夠將由光學單元計量的移動量或由陀螺儀、IMJ(Inertial Measurement Unit:慣性測量儀)計量的旋轉角利用於里程計算法資訊。
上述實施方式中,自我位置更新部27算出由SLAM和LOC推定的各自我位置的移動量,根據所算出的移動量來更新各自我位置中的任一個,但是也可以不考慮移動量,而是將推定的各自我位置互相在參照地圖上或在當前地圖上重合,來更新自我位置。即,上述實施方式中,由於參照地圖和當前地圖的地圖形狀不同,在地圖上將各自我位置相互重疊是困難的,所以採用根據各自我位置算出移動量後更新自我位置的方式,但是若能將參照地圖和當前地圖的地圖坐標系恰當地相互轉換,則能夠在這些地圖間使自我位置(坐標值)直接重合,不計算移動量也能夠更新自我位置。另外在上述實施方式中,對由SLAM和LOC推定的自我位置,通過位姿圖(pose graph)的耦合進行的地圖耦合,但是地圖的耦合方法不限於利用位姿圖,也可以採用其他耦合方法。
[產業上的可利用性]
如以上所述,本發明能夠很好地利用於面對環境的變化也能夠確保自我位置的推定精度,維持地圖中的自我位置的整合性的資訊處理裝置以及移動機器人。
1:移動機器人
2:控制單元
3:檢測單元
4:移動單元
21:移動控制部
22:檢測控制部
23:地圖作成部
24:既存地圖自我位置推定部
25:當前地圖自我位置推定部
26:可靠度評價部
27:自我位置更新部
28:儲存部
A1:位置
A2:位置
ST11~ST15:步驟
ST21~ST23:步驟
ST31~ST33:步驟
Xt:在時刻t機器人位置
圖1係表示本發明的一實施方式的移動機器人的方塊圖。
圖2係表示所述移動機器人的地圖作成和自我位置推定的動作的概念圖。
圖3係表示所述移動機器人的自我位置推定的狀況的概念圖。
圖4係表示所述移動機器人的自我位置推定的狀況的概念圖。
圖5係表示所述移動機器人的動作的流程圖。
1:移動機器人
2:控制單元
3:檢測單元
4:移動單元
21:移動控制部
22:檢測控制部
23:地圖作成部
24:既存地圖自我位置推定部
25:當前地圖自我位置推定部
26:可靠度評價部
27:自我位置更新部
28:儲存部
Claims (5)
- 一種資訊處理裝置,該資訊處理裝置是用於基於移動體移動的環境的地圖來推定移動體的自我位置的資訊處理裝置,其特徵在於,該資訊處理裝置具備: 檢測距所述移動體的周圍的物體的距離和方向作為檢測資訊的檢測單元;以及 控制所述檢測單元的控制單元, 其中,所述控制單元具備: 儲存由所述檢測單元檢測的檢測資訊的時間序列和地圖的儲存部; 基於儲存於所述儲存部的檢測資訊來作成所述移動體的周圍的地圖並儲存於所述儲存部的地圖作成部; 基於儲存於所述儲存部的過去作成的既存地圖來推定所述移動體的當前的自我位置的既存地圖自我位置推定部; 基於儲存於所述儲存部的當前作成中的當前地圖來推定所述移動體的當前的自我位置的當前地圖自我位置推定部; 評價由所述既存地圖自我位置推定部和所述當前地圖自我位置推定部推定的各自我位置的可靠度的可靠度評價部;以及 基於由所述可靠度評價部評價的可靠度來更新所述各自我位置中的任一個的自我位置更新部。
- 如請求項1所述之資訊處理裝置,其中,所述自我位置更新部算出由所述既存地圖自我位置推定部和所述當前地圖自我位置推定部推定的各自我位置的移動量,基於所算出的移動量來更新所述各自我位置中的任一個。
- 如請求項1或2所述的資訊處理裝置,其中,所述自我位置更新部將由所述可靠度評價部評價的所述各自我位置的可靠度低的地圖的自我位置基於可靠度高的地圖的自我位置更新。
- 如請求項1~3任一項所述的資訊處理裝置,其中,所述可靠度評價部將表示所述各自我位置的可靠度的權重設定為隨所述各自我位置的可靠度變高而變大、隨可靠度變低而變小,所述自我位置更新部基於由所述可靠度評價部設定的權重來更新所述各自我位置的至少任一個。
- 一種移動機器人,其特徵在於,具備:如請求項1至4任一項所述的資訊處理裝置;以及 使所述移動體移動的移動單元。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
WOPCT/JP2019/010328 | 2019-03-13 | ||
PCT/JP2019/010328 WO2020183659A1 (ja) | 2019-03-13 | 2019-03-13 | 情報処理装置および移動ロボット |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202036030A true TW202036030A (zh) | 2020-10-01 |
TWI772743B TWI772743B (zh) | 2022-08-01 |
Family
ID=72426087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109104044A TWI772743B (zh) | 2019-03-13 | 2020-02-10 | 資訊處理裝置以及移動機器人 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20220137638A1 (zh) |
EP (1) | EP3940422A4 (zh) |
JP (1) | JP7133251B2 (zh) |
CN (1) | CN113454487B (zh) |
TW (1) | TWI772743B (zh) |
WO (1) | WO2020183659A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI801829B (zh) * | 2021-03-26 | 2023-05-11 | 大陸商信泰光學(深圳)有限公司 | 移動裝置及其移動方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102246236B1 (ko) * | 2019-06-14 | 2021-04-28 | 엘지전자 주식회사 | 퓨전 슬램에서 맵을 업데이트하는 방법 및 이를 구현하는 로봇 |
CN114867989A (zh) * | 2019-12-04 | 2022-08-05 | 日本先锋公司 | 信息处理设备、控制方法、程序和存储介质 |
JP7424438B1 (ja) | 2022-09-22 | 2024-01-30 | いすゞ自動車株式会社 | 車両位置推定装置 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009098154A1 (en) * | 2008-02-04 | 2009-08-13 | Tele Atlas North America Inc. | Method for map matching with sensor detected objects |
GB2463481A (en) * | 2008-09-12 | 2010-03-17 | Geotate Bv | Means for estimating the location of an event using a satellite positioning system |
JP5720292B2 (ja) * | 2011-02-17 | 2015-05-20 | 富士通株式会社 | 推定位置評価システム及びプログラム |
GB201202344D0 (en) * | 2012-02-10 | 2012-03-28 | Isis Innovation | Method of locating a sensor and related apparatus |
US9215560B1 (en) * | 2012-07-12 | 2015-12-15 | two forty four a.m. LLC | System and method for device-centric location detection and geofencing |
JP6136543B2 (ja) * | 2013-05-01 | 2017-05-31 | 村田機械株式会社 | 自律移動体 |
JP6553350B2 (ja) * | 2014-11-26 | 2019-07-31 | アイシン精機株式会社 | 移動体 |
CA3067160A1 (en) * | 2015-02-10 | 2016-08-18 | Mobileye Vision Technologies Ltd. | Sparse map for autonomous vehicle navigation |
WO2016194206A1 (ja) * | 2015-06-04 | 2016-12-08 | 三菱電機株式会社 | 移動支援装置、移動支援用サーバおよび移動支援システム |
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 |
KR102415062B1 (ko) * | 2015-12-07 | 2022-07-01 | 한화테크윈 주식회사 | 감시 방법 |
CN105953798B (zh) * | 2016-04-19 | 2018-09-18 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
TWI622783B (zh) * | 2016-05-24 | 2018-05-01 | 曦恩體感科技股份有限公司 | 混合定位方法及其電子裝置 |
JP6882664B2 (ja) * | 2017-02-07 | 2021-06-02 | 富士通株式会社 | 移動体位置推定システム、移動体位置推定端末装置、情報格納装置、及び移動体位置推定方法 |
CN106896391A (zh) * | 2017-03-14 | 2017-06-27 | 北京京东尚科信息技术有限公司 | 无人机的定位方法及装置 |
CN106931975B (zh) * | 2017-04-14 | 2019-10-22 | 北京航空航天大学 | 一种基于语义地图的移动机器人多策略路径规划方法 |
US10444759B2 (en) * | 2017-06-14 | 2019-10-15 | Zoox, Inc. | Voxel based ground plane estimation and object segmentation |
EP3656138A4 (en) * | 2017-07-17 | 2021-05-12 | Kaarta, Inc. | ALIGNMENT OF MEASURED SIGNAL DATA WITH SLAM LOCATION DATA AND ASSOCIATED USES |
CN109118940A (zh) * | 2018-09-14 | 2019-01-01 | 杭州国辰机器人科技有限公司 | 一种基于地图拼接的移动机器人构图 |
-
2019
- 2019-03-13 CN CN201980092682.4A patent/CN113454487B/zh active Active
- 2019-03-13 US US17/435,250 patent/US20220137638A1/en active Pending
- 2019-03-13 JP JP2021504716A patent/JP7133251B2/ja active Active
- 2019-03-13 EP EP19919202.2A patent/EP3940422A4/en active Pending
- 2019-03-13 WO PCT/JP2019/010328 patent/WO2020183659A1/ja unknown
-
2020
- 2020-02-10 TW TW109104044A patent/TWI772743B/zh active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI801829B (zh) * | 2021-03-26 | 2023-05-11 | 大陸商信泰光學(深圳)有限公司 | 移動裝置及其移動方法 |
Also Published As
Publication number | Publication date |
---|---|
US20220137638A1 (en) | 2022-05-05 |
EP3940422A4 (en) | 2022-10-26 |
CN113454487B (zh) | 2024-05-28 |
TWI772743B (zh) | 2022-08-01 |
EP3940422A1 (en) | 2022-01-19 |
JPWO2020183659A1 (ja) | 2021-11-25 |
JP7133251B2 (ja) | 2022-09-08 |
WO2020183659A1 (ja) | 2020-09-17 |
CN113454487A (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW202036030A (zh) | 資訊處理裝置以及移動機器人 | |
KR102433743B1 (ko) | 로봇의 지도 구축 및 위치 추적 | |
KR101976241B1 (ko) | 다중로봇의 자기위치인식에 기반한 지도작성 시스템 및 그 방법 | |
Duckett et al. | Fast, on-line learning of globally consistent maps | |
Nieto et al. | Recursive scan-matching SLAM | |
KR20120046974A (ko) | 이동 로봇 및 이동 로봇의 위치인식 및 지도작성 방법 | |
US20130060382A1 (en) | Method of accurate mapping with mobile robots | |
JP6773471B2 (ja) | 自律移動体と環境地図更新装置 | |
JP5776324B2 (ja) | 地図処理方法及びプログラム、並びにロボットシステム | |
Bosse | ATLAS: a framework for large scale automated mapping and localization | |
JP4697127B2 (ja) | 自己位置認識方法 | |
JP2016024598A (ja) | 自律移動装置の制御方法 | |
KR20130046741A (ko) | 상향식 단일 카메라를 이용한 중대형 공간에서의 자율적 위상지도 생성 방법 | |
WO2021249387A1 (zh) | 一种视觉地图构建方法和移动机器人 | |
Sohn et al. | An efficient localization algorithm based on vector matching for mobile robots using laser range finders | |
Donoso-Aguirre et al. | Mobile robot localization using the Hausdorff distance | |
Sohn et al. | A robust localization algorithm for mobile robots with laser range finders | |
AU2021273605B2 (en) | Multi-agent map generation | |
Huang et al. | A real-time fast incremental SLAM method for indoor navigation | |
Kleiner et al. | Mapping for the support of first responders in critical domains | |
Chen et al. | Research on map building by mobile robots | |
Vandrish et al. | Towards auv route following using qualitative navigation | |
McGill et al. | Virtual reconstruction using an autonomous robot | |
Milstein et al. | Occupancy voxel metric based iterative closest point for position tracking in 3D environments | |
Wang et al. | Mobile robot pose estimation using laser scan matching based on fourier transform |