TWI804538B - 基於偵測到的有效負荷的存在性的、機器人式運載工具的可調整的物件迴避接近度閾值 - Google Patents
基於偵測到的有效負荷的存在性的、機器人式運載工具的可調整的物件迴避接近度閾值 Download PDFInfo
- Publication number
- TWI804538B TWI804538B TW107144445A TW107144445A TWI804538B TW I804538 B TWI804538 B TW I804538B TW 107144445 A TW107144445 A TW 107144445A TW 107144445 A TW107144445 A TW 107144445A TW I804538 B TWI804538 B TW I804538B
- Authority
- TW
- Taiwan
- Prior art keywords
- robotic vehicle
- payload
- carrying
- processor
- proximity threshold
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 88
- 230000004044 response Effects 0.000 claims abstract description 50
- 230000003247 decreasing effect Effects 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 40
- 230000007423 decrease Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 description 31
- 230000007717 exclusion Effects 0.000 description 12
- 238000013439 planning Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 11
- 241000282472 Canis lupus familiaris Species 0.000 description 9
- 230000033001 locomotion Effects 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000013459 approach Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 239000004020 conductor Substances 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000824799 Canis lupus dingo Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/04—Anti-collision systems
-
- 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
- G05D1/0055—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements
-
- 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
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
- G05D1/0202—Control of position or course in two dimensions specially adapted to aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0004—Transmission of traffic-related information to or from an aircraft
- G08G5/0013—Transmission of traffic-related information to or from an aircraft with a ground station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
- G08G5/0021—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located in the aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/006—Navigation or guidance aids for a single aircraft in accordance with predefined flight zones, e.g. to avoid prohibited zones
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
- G08G5/0086—Surveillance aids for monitoring terrain
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/04—Anti-collision systems
- G08G5/045—Navigation or guidance aids, e.g. determination of anti-collision manoeuvers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U10/00—Type of UAV
- B64U10/10—Rotorcrafts
- B64U10/13—Flying platforms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/60—UAVs specially adapted for particular uses or applications for transporting passengers; for transporting goods other than weapons
- B64U2101/64—UAVs specially adapted for particular uses or applications for transporting passengers; for transporting goods other than weapons for parcel delivery or retrieval
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/20—Remote controls
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
各個實施例包括基於是否正在攜帶有效負荷來調整在碰撞迴避系統中實現的接近度閾值的方法、設備和機器人式運載工具。方法可以包括以下步驟:決定機器人式運載工具是否攜帶有效負荷;回應於決定機器人式運載工具攜帶有效負荷,來設置用於碰撞迴避的接近度閾值;及使用用於碰撞迴避的接近度閾值來控制機器人式運載工具的一或多個電動機。一些實施例可以包括:當沒有在攜帶有效負荷時提高接近度閾值,或者當正在攜帶有效負荷時減小接近度閾值。一些實施例可以包括:決定有效負荷的分類;及至少部分地基於該分類來設置接近度閾值。
Description
本發明係關於基於偵測到的有效負荷的存在性的、機器人式運載工具的可調整的物件迴避接近度閾值。
諸如空中機器人式運載工具或「無人機」之類的機器人式運載工具通常用於各種應用,例如監視、攝影及/或貨物遞送。許多機器人式運載工具使用避障系統,其與運載工具控制系統相結合地工作以迴避撞擊人、財產和物件。例如,一旦機器人式運載工具偵測到附近物件,在控制器內執行的避障系統就可以防止機器人式運載工具比某個最小距離(其在本文中被稱為「接近度閾值」)更近地接近物件。接近度閾值通常是固定距離。在包括螺旋槳葉片的空中機器人式運載工具的情況下,接近度閾值可以是幾英尺,以迴避由於與旋轉的螺旋槳葉片接觸造成的損壞及/或傷害。
各個實施例包括機器人式運載工具、用於操作機器人式運載工具的系統和方法,其基於機器人式運載工具是否攜帶有效負荷來調整機器人式運載工具將接近物件的接近程度。在各個實施例中,由機器人式運載工具的處理器實現的方法可以包括以下步驟:決定該機器人式運載工具是否攜帶有效負荷;回應於決定該機器人式運載工具攜帶有效負荷,來設置用於碰撞迴避的接近度閾值;及使用用於碰撞迴避的該接近度閾值來控制該機器人式運載工具的一或多個電動機。在一些實施例中,設置用於碰撞迴避的該接近度閾值可以包括:回應於決定該機器人式運載工具沒有在攜帶有效負荷,來將該接近度閾值從第一值提高到高於該第一值的第二值。在一些實施例中,設置用於碰撞迴避的該接近度閾值可以包括:回應於決定該機器人式運載工具正在攜帶有效負荷,來將該接近度閾值從高於第一值的第二值降低到該第一值。在一些實施例中,設置用於碰撞迴避的該接近度閾值可以包括:將該接近度閾值維持在當前設置的值處。
在一些實施例中,決定該機器人式運載工具是否攜帶有效負荷可以包括:從有效負荷感測器獲得資料,該有效負荷感測器被配置為偵測該機器人式運載工具是否正在攜帶有效負荷;及分析所獲得的資料以決定該機器人式運載工具是否正在攜帶有效負荷。在此種實施例中,該有效負荷感測器可以是接觸感測器、重量感測器、圖像感測器或射頻辨識標籤讀取器中的至少一項。在一些實施例中,分析所獲得的資料以決定該機器人式運載工具是否正在攜帶有效負荷可以包括:將所獲得的資料與先前收集的指示該機器人式運載工具正在攜帶有效負荷的資料進行比較;回應於決定所獲得的資料與先前收集的指示該機器人式運載工具正在攜帶有效負荷的資料相匹配,來決定該機器人式運載工具攜帶有效負荷;及回應於決定所獲得的資料與該先前收集的指示該機器人式運載工具正在攜帶有效負荷的資料不匹配,來決定該機器人式運載工具沒有攜帶有效負荷。在一些實施例中,分析所獲得的資料以決定該機器人式運載工具是否正在攜帶有效負荷可以包括:將所獲得的資料與指示該機器人式運載工具正在攜帶一或多個有效負荷的預定參數進行比較;回應於決定所獲得的資料與該等指示該機器人式運載工具正在攜帶有效負荷的預定參數相匹配,來決定該機器人式運載工具攜帶有效負荷;及回應於決定所獲得的資料與該等指示該機器人式運載工具正在攜帶有效負荷的預定參數不匹配,來決定該機器人式運載工具沒有攜帶有效負荷。在一些實施例中,分析所獲得的資料以決定該機器人式運載工具是否正在攜帶有效負荷可以包括:決定該機器人式運載工具攜帶多少有效負荷。
一些實施例亦可以包括:從一或多個電動機獲得指示相應的一或多個電動機的轉速的資料,以及分析所獲得的資料以決定該機器人式運載工具是否正在攜帶有效負荷。
一些實施例亦可以包括:接收指示該機器人式運載工具是否攜帶有效負荷的輸入覆寫,以及決定該機器人式運載工具是否正在攜帶有效負荷可以是基於所接收的輸入覆寫的。
一些實施例亦可以包括:回應於決定該機器人式運載工具攜帶有效負荷,來決定該有效負荷的分類;及基於該有效負荷的該分類來設置該接近度閾值。在此種實施例中,基於該有效負荷的該分類來設置該接近度閾值可以包括:將該接近度閾值從預設值改變為與該有效負荷的該分類相對應的經調整的值。在此種實施例中,決定該有效負荷的分類可以包括:決定該有效負荷是否是接近度敏感類的有效負荷;及將用於碰撞迴避的該接近度閾值設置為基於該有效負荷的該分類的該值可以包括:回應於該有效負荷的該分類是該接近度敏感類的有效負荷,來增加或減小該接近度閾值。在此種實施例中,接近度敏感類的有效負荷可以包括以下各項中的一項或多項:相機、大於預定跨距的轉子,或者比預定數額更有價值的貨物或該機器人式運載工具的裝置。一些實施例亦可以包括:經由存取記憶體中的用於與該有效負荷的該分類相關的該接近度閾值的資料結構,來決定與該有效負荷的所決定的分類相對應的該接近度閾值。
一些實施例亦可以包括:從物件感測器獲得物件資料,該物件感測器被配置為偵測該機器人式運載工具附近的一或多個物件;決定該機器人式運載工具附近的一或多個物件是否對該機器人式運載工具造成障礙或潛在障礙;及決定對該機器人式運載工具造成障礙或潛在障礙的物件的分類。在此種實施例中,調整用於碰撞迴避的該接近度閾值設置可以是基於以下各項中的較大者的:基於該有效負荷的該分類來決定的該接近度閾值和針對對該機器人式運載工具造成障礙或潛在障礙的該物件的該分類的接近度閾值。
另外的實施例包括一種具有處理器的機器人式運載工具,該處理器被配置有處理器可執行指令以執行上文概述的方法中的任何方法的操作。另外的實施例包括用於在機器人式運載工具中使用的處理設備,其被配置為執行上文概述的方法中的任何方法的操作。另外的實施例包括一種空中機器人式運載工具,其具有用於執行上文概述的方法中的任何方法的功能的構件。另外的實施例包括一種具有儲存在其上的處理器可執行指令的非暫時性處理器可讀取媒體,該等處理器可執行指令被配置為使得機器人式運載工具的處理器執行上文概述的方法中的任何方法的操作。
將參照附圖來詳細描述各個實施例。在可能的情況下,將在各附圖中使用相同的元件符號來代表相同或相似的部分。對特定實例和實現方式的參考是出於說明性目的,而不意欲限制請求項的範疇。
各個實施例包括用於操作機器人式運載工具的方法和實現此種方法的機器人式運載工具處理設備。特別地,各個實施例根據由機器人式運載工具的一或多個感測器及/或一或多個電動機獲得的資料,來決定機器人式運載工具是否攜帶一或多個有效負荷。處理設備基於關於機器人式運載工具是否攜帶一或多個有效負荷的決定,來設置用於碰撞迴避的最小接近距離(亦即,接近度閾值)。另外,處理設備使用被設置用於碰撞迴避的接近度閾值來控制機器人式運載工具的一或多個電動機。
習知的避障系統使用的接近度閾值通常是固定距離。然而,固定距離可能並不適合所有情況。例如,當機器人式運載工具攜帶有效負荷時,與機器人式運載工具不攜帶有效負荷時相比,不同的接近度閾值可能是合適的。使用太大的固定接近度閾值可能阻礙機器人式運載工具在何處或如何操作。例如,在具有許多物件的環境中,大的固定接近度閾值可能意味著機器人式運載工具僅能在小的區域內操作或者將無法到達其他區域,因為兩個物件彼此太靠近。此外,當機器人式運載工具沒有攜帶有效負荷時,沒有損壞或丟失有效負荷的風險,在此種情況下,大的固定接近度閾值可能過度限制機器人式運載工具的移動。
調整在碰撞迴避系統中使用的接近度閾值可以基於一或多個經辨識的有效負荷的分類,此舉可以使得與關於機器人式運載工具是否攜帶有效負荷的二元決定相比,機器人式運載工具能夠利用更大的範圍來操作。經由基於機器人式運載工具是否攜帶有效負荷來設置接近度閾值,各個實施例可以增加一或多個有效負荷的安全性及/或機動性(亦即,移動自由度)。在一些實施例中,分類可以是:有效負荷是否是敏感的或有價值的。例如,有效負荷可以是有價值的一件機載裝置(例如,相機)或一件有價值的貨物。在一些實施例中,分類可以是基於有效負荷的大小的,例如,可能比正常更大的機載裝置(例如,螺旋槳)或者比正常更小或更大的貨物。被指派給一或多個有效負荷的接近度閾值可以根據其類型或分類而變化,例如,與非有價值的或不太有價值的閾值相比,將更大的接近度閾值指派給有價值的閾值。預設接近度閾值可以用於針對其未決定分類的有效負荷。在一些實施例中,機器人式運載工具的處理器可以決定正被接近的物件的分類,並且進一步基於該物件的分類來調整由碰撞迴避系統使用的接近度閾值。在一些實施例中,機器人式運載工具的處理器可以對所有偵測到的有效負荷及/或物件進行分類,基於分類來決定針對每個物件的排除周界,並且決定繞行路徑以保持在所有偵測到的物件的排除周界之外。
如本文中所使用的,術語「機器人式運載工具」和「無人機」代表各種類型的運載工具中的一種運載工具,該等類型的運載工具包括被配置為提供一些自主式或半自主式能力的機載計算設備。機器人式運載工具的實例係包括但不限於:機器人式運載工具(例如,無人駕駛飛行器(UAV));地面運載工具(例如,自主式或半自主式汽車、抽真空機器人等);水基運載工具(亦即,被配置用於在水面上或在水下操作的運載工具);空基運載工具(例如,航天器或航太探測器);及/或其某種組合。在一些實施例中,機器人式運載工具可以是有人駕駛的。在其他實施例中,機器人式運載工具可以是無人駕駛的。在其中機器人式運載工具是自主式的實施例中,機器人式運載工具可以包括機載計算設備,其被配置為在沒有例如來自操作人員(例如,經由遠端計算設備)的遠端操作指令的情況下(亦即,自主地)操縱及/或導航機器人式運載工具。在其中機器人式運載工具是半自主式的實施例中,機器人式運載工具可以包括機載計算設備,該機載計算設備被配置為接收例如來自操作人員(例如,經由遠端計算設備)的一些資訊或指令,並且與所接收的資訊或指令一致地來自主式地操縱及/或導航機器人式運載工具。在一些實現方式中,機器人式運載工具可以是飛行器(無人駕駛或有人駕駛),其可以是旋翼飛機或有翼飛機。例如,旋翼飛機(亦被稱為多旋翼飛行器或多旋翼直升機)可以包括複數個推進單元(例如,轉子/螺旋槳),其可以為機器人式運載工具提供推進力及/或升力。旋翼飛機的特定非限制性實例係包括三旋翼直升機(三個轉子)、四旋翼直升機(四個轉子)、六旋翼直升機(六個轉子)和八旋翼直升機(八個轉子)。然而,旋翼飛機可以包括任意數量的轉子。
如本文所使用的,術語「有效負荷」代表機器人式運載工具攜帶的任何負載,其可以從機器人式運載工具移除或重新放置在機器人式運載工具上。有效負荷可以包括由機器人式運載工具攜帶的物體,其包括儀器(例如,相機、感測器等)、元件和貨物(例如,用於遞送的商品或包裹)。有效負荷可以包括機器人式運載工具在有限持續時間內攜帶的臨時物品,例如物品。另外,有效負荷可以包括對於機器人式運載工具的操作所必需的長期或永久物品。有效負荷可以被直接固定到機器人式運載工具,或者經由機器人式運載工具的用於保持有效負荷的有效負荷附接設備、艙室及/或區域來間接地固定。
術語「障礙物」在本文中用於代表機器人式運載工具必須在其周圍操縱以迴避碰撞的物件。
術語「接近度閾值」在本文中用於代表碰撞迴避系統將在控制機器人式運載工具停止或改變行進方向以遠離物件之前允許的物件和機器人式運載工具之間的最小距離。類似地,術語「排除周界」在本文中用於代表機器人式運載工具應當迴避的以確保機器人式運載工具保持在接近度閾值之外的在物件周圍的距離。
如本文所使用的,術語「計算設備」代表至少被配備有處理器的電子設備。計算設備的實例係包括安全設備內的處理器、機器人式運載工具及/或在機器人式運載工具上機載的任務管理電腦,以及與機器人式運載工具進行通訊的被配置為執行各個實施例的操作的遠端計算設備。計算設備可以包括無線通訊設備(例如,蜂巢式電話、可穿戴設備、智慧型電話、上網板(web-pad)、平板電腦、啟用網際網路的蜂巢式電話、啟用Wi-Fi®的電子設備、個人資料助理(PDA)、膝上型電腦等)、個人電腦和伺服器。在各個實施例中,計算設備可以被配置有記憶體及/或儲存裝置。另外,在各個示例性實施例中提及的計算設備可以耦合到實現各個實施例的無線通訊能力或包括該等無線通訊能力,例如,被配置為建立區域網路(LAN)連接的網路收發機和天線(例如,Wi-Fi®收發機)。
圖1A-圖1D圖示環境10的平面圖,在環境10中,機器人式運載工具可以行進,以迴避其中的各個障礙物。特別地,環境10包括各個樹31、32、33、34以及遛狗50的人40。
根據一些實施例,在圖1A中圖示機器人式運載工具100使用可調整的接近度閾值來用於環境10內的碰撞迴避的操作。機器人式運載工具的處理器可以基於從各個感測器獲得的資料來決定機器人式運載工具是否攜帶一或多個有效負荷。由處理器進行的此種決定可以是出發前設置的一部分(亦即,在從一個位置離開到另一個位置之前)及/或作為動態導航分析的一部分。另外,回應於決定機器人式運載工具攜帶一或多個有效負荷,處理器可以決定機器人式運載工具所攜帶的有效負荷的分類。處理器可以基於該有效負荷的所決定的分類來將用於碰撞迴避的接近度閾值設置為某一值。
機器人式運載工具100(在所示的實例中,其是空中機器人式運載工具)沒有在攜帶任何有效負荷或至少沒有在攜帶任何「接近度敏感類的有效負荷」。如本文所使用的,「接近度敏感類的有效負荷」的表述代表可能需要、要求及/或受益於使用與接近度閾值的預設值不同的接近度閾值的一或多個類型的有效負荷。接近度敏感類的有效負荷的實例係包括相機,或機器人式運載工具的其他裝置,及/或貨物。
在機器人式運載工具上實現的接近度閾值可以取決於有效負荷的性質或目的。例如,與機器人式運載工具相關聯的操作員、所有者或其他實體可能想要保持相機或其他有價值的硬體遠離可能損害、危害及/或竊取該硬體的人或物件,在此種情況下,可以使用大的接近度閾值來確保機器人式運載工具遠離人和物件。類似地,可能期望保持有價值的貨物遠離人或物件,在此種情況下可以使用大的接近度閾值。在另一實例中,若機器人式運載工具的操作者或所有者期望導航靠近物件以利用相機獲得更好的圖像,則可以使用小的接近度閾值來使得機器人式運載工具能夠接近足夠接近物件以進行此種攝影。作為另外的實例,對於空中機器人式運載工具,接近度敏感類的有效負荷可以包括大於標準或特定尺寸的轉子。此種較大的轉子對於空中機器人式運載工具附近的人或物件可能更加危險,因此可以在使用大於標準或特定尺寸的轉子的機器人式運載工具上實現較大的接近度閾值。
由於圖1A中的機器人式運載工具100沒有攜帶接近度敏感類的有效負荷,所以處理器可以將接近度閾值設置為與第一距離D1(例如,10’)相對應的預設值。從位置A開始,當機器人式運載工具100接近物件(例如,樹31–34、人40或狗50)時,處理器可以處理從機載感測器(例如,相機、雷達、鐳射雷達等)接收的資料,以偵測機器人式運載工具100周圍的物件以及特別是第一路徑60上的障礙物。利用設置為第一距離D1(亦即,預設值)的接近度閾值,機器人式運載工具100能夠進行操縱或遵循使用者控制命令,在偵測到的物件之間移動(例如,飛行),例如沿著樹32、33和34之間的第一路徑60的初始部分。在距離D1處的第一接近度閾值允許機器人式運載工具100經過將沒有由機載感測器偵測到的物件的第一路徑61。一旦機器人式運載工具100到達人40和狗50附近的位置B,接近度閾值的預設值可以允許機器人式運載工具100在人40和一棵樹32之間進一步前進。因此,當使用接近度閾值的預設值時,機器人式運載工具100能夠在稍微直接的路徑行進穿過各個障礙物。
相反,當機器人式運載工具正在攜帶接近度敏感類的有效負荷時,可以實現較大的接近度閾值,此舉可能限制可以在物件周圍遵循的路線。根據一些實施例,在圖1B中圖示攜帶接近度敏感類的有效負荷的機器人式運載工具200在環境10內的操作。參照圖1A-圖1B,機器人式運載工具的處理器可以基於從感測器獲得的資料來決定機器人式運載工具是否攜帶一或多個有效負荷。由處理器進行的決定可以是出發前設置的一部分及/或作為動態導航分析的一部分。回應於決定機器人式運載工具攜帶一或多個有效負荷,處理器可以決定機器人式運載工具所攜帶的有效負荷的分類。處理器可以基於該有效負荷的所決定的分類來將用於碰撞迴避的接近度閾值設置為某一值。
圖1B中圖示的機器人式運載工具200正在攜帶一或多個有效負荷,並且一或多個有效負荷中的至少一個有效負荷是接近度敏感類的有效負荷。因此,由於機器人式運載工具200正在攜帶接近度敏感類的有效負荷,所以處理器可以將接近度閾值設置為第二距離D2(例如,二十英尺),D2是比預設值(亦即,第一距離D1)要高的值。在導航移動期間,機器人式運載工具200的處理器可以應用經調整的接近度閾值以保持距離任何障礙物至少第二距離D2。從位置A開始,利用被設置為第二距離D2的接近度閾值,機器人式運載工具200能夠進行操縱或遵循使用者控制命令,以在偵測到的物件之間飛行,例如沿著樹32、33和34之間的第二路徑62的初始部分。接近度閾值的第二距離D2建立將沒有由機載感測器偵測到的物件的第二路徑邊界63。然而,一旦機器人式運載工具100到達人40和狗50附近的位置C,實現該接近度閾值的碰撞迴避系統將禁止在彼等物件的方向上進一步前進。在位置C處,兩棵樹32、34亦阻止橫向移動。因此,機器人式運載工具100被迫原路返回並且在障礙物周圍採取更加迂回的路線。
圖1C圖示另外的實施例,其中可以在規劃路徑時將針對由機器人式運載工具的處理器偵測到的各個物件的一或多個接近度閾值結合有效負荷偵測一起使用,以迴避比適當的接近度閾值更近地接近任何物件。參照圖1A-圖1C,機器人式運載工具100的處理器可以評估偵測到的物件(例如,樹31–34、人40和狗50)並且對每個物件應用適當的接近度閾值。在圖1C所示的實例中,機器人式運載工具100沒有在攜帶任何接近度敏感的有效負荷。因此,處理器可以將接近度閾值設置為預設值。在一些實施例中,可以存在多於一個的預設值,每個預設值被配置用於機器人式運載工具可能遇到的不同類型的物件或障礙物。例如,處理器可以將接近度閾值設置為與靜態物件(亦即,不移動)相關聯的第一預設值或與動態物件(亦即,移動的)相關聯的第二預設值。第一預設值可以是第一距離D11,而第二預設值可以是第二距離D12。
處理器可以決定觀察到的物件31–34、40、50中的每一個物件周圍的邊界,該邊界與在碰撞迴避系統中實現的與該物件相關聯的特定接近度閾值相對應。因為各種物件具有如所描述的不同的適當的接近度閾值,所以處理器可以將所有決定的接近度閾值考慮在內,以便繪製所偵測到的物件中的一些物件之間的迴避路徑64。處理器可以產生內部地圖,該內部地圖使得處理器能夠決定迴避路徑64並且確保機器人式運載工具100不會比該等物件中的任何物件的對應的接近度閾值更近地接近該等物件中的任何物件。
與圖1C中所示的實例相反,在機器人式運載工具攜帶接近度敏感類的有效負荷的情況下,處理器可以根據有效負荷的特定分類和偵測到的物件的類型來在物件周圍設置較大的排除邊界。圖1D圖示進一步的實施例,其中可以在規劃路徑時將針對由機器人式運載工具的處理器偵測到的各個物件的一或多個接近度閾值結合有效負荷偵測一起使用,以迴避比適當的接近度閾值更近地接近任何物件。參照圖1A-圖1D,在圖1D中所示的實例中的機器人式運載工具200正在攜帶接近度敏感類的有效負荷。因此,處理器可以將接近度閾值設置為一或多個非預設值。根據一些實施例,可以存在多於一個的非預設值,每個非預設值被配置用於機器人式運載工具可能遇到的不同類型的物件或障礙物。例如,處理器可以將接近度閾值設置為與靜態物件(亦即,不移動)相關聯的第一非預設值或與動態物件(亦即,移動的)相關聯的第二非預設值。第一非預設值可以是第三距離D21,而第二非預設值可以是第四距離D22。非預設值可以高於或低於預設值,此情形取決於有效負荷的特定分類和所偵測到的物件的類型。
當沿著初始路徑65行進時,機器人式運載工具200將最終偵測到其路徑中的物件,例如樹31–34、人40和狗50。在一些實施例中,機器人式運載工具200的處理器可以(例如經由視覺處理和圖像辨識方法及/或額外的物件定位方法)評估所偵測到的物件,以決定物件31–34、40、50之每一者物件的位置、大小或其他特性(例如,物件是靜止的還是移動的)。
另外,機器人式運載工具200的處理器可以基於所獲得的資料來決定機器人式運載工具攜帶一或多個接近度敏感的有效負荷,並且使用該決定來設置要在偵測到的物件周圍應用的一或多個接近度閾值。在一些實施例中,處理器可以將不同的值應用於針對不同類型的物件的接近度閾值,例如,針對靜態物件的第一接近度閾值和針對移動(亦即,動態)物件的第二接近度閾值。例如,處理器可以針對如樹31–34之類的靜止物件使用一個接近度閾值,並且針對移動生物(人40和狗50)使用不同的較大的接近度閾值。由於機器人式運載工具200正在攜帶一或多個有效負荷,所以處理器可以設置如下的接近度閾值:其是比當機器人式運載工具不攜帶有效負荷時使用的值要高的值。因此,處理器可以將靜態物件接近度閾值設置為第三距離D21,並且將動態物件接近度閾值設置為第四距離D22,第三距離D21和第四距離D22二者皆是比在機器人式運載工具沒有攜帶有效負荷時使用的值要高的值。
隨後,處理器可以決定所觀察到的物件31–34、40、50之每一者物件周圍的邊界,該邊界與在碰撞迴避系統中實現的與該物件相關聯的特定接近度閾值相對應。因為如所描述的,各個物件具有不同的適當接近度閾值,所以處理器可以將所有決定的接近度閾值考慮在內,以便繪製在所有偵測到的物件周圍的迴避路徑66。為了高效地如此做,處理器可以產生包括所偵測到的物件之每一者物件的位置的內部地圖,並且基於適於每個物件的接近度閾值來計算該物件周圍的排除周界。此種內部地圖可以使得處理器隨後能夠決定無需原路返回的迴避路徑66並且確保機器人式運載工具200不會比該等物件中的任何物件的對應接近度閾值更近地接近該等物件中的任何物件。
各個實施例可以在被配置為與一或多個通訊網路進行通訊的各種機器人式運載工具內實現,其中在圖2中圖示具有適於與各個實施例一起使用的機器人式運載工具200的形式的機器人式運載工具的實例。參照圖1A-圖2,在任務環境20中操作的機器人式運載工具200可以包括複數個轉子120(例如,四個轉子),每個轉子由對應的電動機125來驅動。機器人式運載工具200的主體110可以支撐複數個轉子120和電動機125。
機器人式運載工具200可以包括諸如一或多個相機236之類的一或多個機載感測器,或者如接觸感測器、重量感測器或射頻辨識讀取器之類的其他感測器。機器人式運載工具200可以包括處理設備210,其可以進一步包括可以由處理器220使用以決定用於控制移動和導航的運載工具姿態和位置資訊的一或多個姿態感測器,例如,高度計、陀螺儀、加速度計、電子羅盤、衛星定位系統接收器等。
相機236可以設置在機器人式運載工具200上的各個位置上,並且可以使用不同類型的相機。例如,第一組相機236可以面向轉子120之每一者轉子在其旋轉平面中的一側,例如安裝在機器人式運載工具200的中心部分附近。另外或替代地,第二組相機236可以安裝在轉子120下面,例如在被配置為偵測在機器人式運載工具200上是否安裝了貨物、轉子120、螺旋槳防護裝置250或其他裝置的位置上。機器人式運載工具200亦可以包括其他類型的感測器,其包括偵測和測距感測器(例如,雷達、聲納、鐳射雷達等等)。
在處理器220中執行的物件迴避系統可以使用由相機236產生的圖像資料以及來自一或多個其他類型的感測器(例如,雷達、聲納、鐳射雷達等)的資料。在各個實施例中,從相機236接收的圖像和其他感測器資料可以由物件迴避系統進行處理,以偵測機器人式運載工具200是否攜帶某些有效負荷。從相機236接收的圖像資料亦可以由物件迴避系統進行處理,以決定被決定為機器人式運載工具200所攜帶的有效負荷的分類。在一些實施例中,位於貨艙或附接點中、但是仍然在機器人式運載工具上的主動感測器(未圖示)可以使得處理器能夠經由量測被嵌入在有效負荷之中或之上的某些材料來偵測有效負荷的存在性。
機器人式運載工具200可以包括處理設備210,該處理設備210可以耦合到驅動轉子120的複數個電動機125之每一者電動機。處理設備210可以被配置為監測和控制機器人式運載工具200的各種功能、子系統和元件。例如,處理設備210可以被配置為監測和控制與推進、導航、功率管理、感測器管理及/或穩定性管理有關的各個模組、軟體、指令、電路系統、硬體等。
處理設備210可以容納用於控制機器人式運載工具200的操作的各種電路和設備。例如,處理設備210可以包括處理器220,該處理器220導引對機器人式運載工具200的控制。處理器220可以包括:一或多個處理器,其被配置為執行處理器可執行指令(例如,應用程式、常式、腳本、指令集等)以控制機器人式運載工具200的移動、天線使用和其他操作(其包括各個實施例的操作)。在一些實施例中,處理設備210可以包括記憶體222,記憶體222耦合到處理器220並且被配置為儲存資料(例如,導航規劃、獲得的感測器資料、接收的訊息/輸入、應用程式等)。處理器220和記憶體222連同諸如(但不限於)以下各項之類的額外元件一起可以被配置為晶片上系統(SoC)215或者被包括在SoC 215內:通訊介面224、一或多個輸入單元226、非揮發性儲存記憶體230和被配置用於將SoC 215與機器人式運載工具200的硬體和元件對接的硬體介面234。處理設備210及/或SoC 215內的元件可以經由各種電路(例如,匯流排225、235或另外的類似電路系統)耦合在一起。
處理設備210可以包括多於一個的SoC 215,從而增加處理器220和處理器核心的數量。處理設備210亦可以包括與SoC 215不相關聯的處理器220。單個處理器220可以是多核處理器。各處理器220可以均被配置用於與處理設備210或SoC 215的其他處理器220相同或不同的特定目的。具有相同或不同配置的處理器220和處理器核心中的一項或多項可以被分類在一起。處理器220或處理器核心的群組可以被稱為多處理器集群。
術語「晶片上系統」或「SoC」在本文中通常但並非排除性地用於代表一組互連的電子電路,其包括一或多個處理器(例如,220)、記憶體(例如,222)和通訊介面(例如,224)。SoC 215可以包括各種不同類型的處理器220和處理器核心,例如,通用處理器、中央處理單元(CPU)、數位信號處理器(DSP)、圖形處理單元(GPU)、加速處理單元(APU)、處理設備的特定元件的子系統處理器(例如,用於相機子系統的圖像處理器或用於顯示器的顯示處理器)、輔助處理器、單核處理器和多核處理器。SoC 215可以進一步體現其他硬體和硬體組合,諸如,現場可程式設計閘陣列(FPGA)、特殊應用積體電路(ASIC)、其他可程式設計邏輯設備、個別閘門邏輯、電晶體邏輯、效能監測硬體、看門狗硬體和時間參照。積體電路可以被配置為使得積體電路的元件位於單片的半導體材料(例如,矽)上。
在各個實施例中,處理設備210可以包括或耦合到用於經由無線通訊鏈路25傳輸和接收無線信號的一或多個通訊元件232,例如,無線收發機、機載天線等等。一或多個通訊元件232可以耦合到通訊介面224,並且可以被配置為處理與陸基傳輸器/接收器(例如,基地站、信標、Wi-Fi存取點、藍芽信標、小型細胞(微微細胞、毫微微細胞等)等)相關聯的無線廣域網路(WWAN)通訊信號(例如,蜂巢資料網路)及/或無線區域網路(WLAN)通訊信號(例如,Wi-Fi信號、藍芽信號等)。一或多個通訊元件232可以從無線電節點(例如,導航信標(例如,超高頻(VHF)全向範圍(VOR)信標)、Wi-Fi存取點、蜂巢網路基地站、無線電站等)接收資料。
使用處理器220、一或多個通訊元件232和天線的處理設備210可以被配置為與各種遠端計算設備進行無線通訊,各種遠端計算設備的實例係包括基地站或細胞塔(例如,基地站70)、信標、伺服器、智慧型電話、平板設備,或機器人式運載工具200可以與其進行通訊的另一計算設備。處理器220可以經由數據機和天線建立無線通訊鏈路25。在一些實施例中,一或多個通訊元件232可以被配置為支援使用不同的無線電存取技術與不同的遠端計算設備進行的多個連接。在一些實施例中,一或多個通訊元件232和處理器220可以在安全通訊鏈路上進行通訊。安全通訊鏈路可以使用加密或另一種安全的通訊方式,以便保護一或多個通訊元件232與處理器220之間的通訊。
機器人式運載工具200可以在與基地站70進行通訊的任務環境20中進行操作,基地站70可以經由通訊網路90提供至遠端計算設備75及/或遠端伺服器80的通訊鏈路。基地站70可以例如經由無線信號提供至機器人式運載工具200的無線通訊鏈路25。遠端計算設備75可以被配置為控制基地站70、機器人式運載工具200,及/或控制廣域網路上的無線通訊,例如,使用基地站70提供無線存取點及/或其他類似的網路存取點。此外,遠端計算設備75及/或通訊網路90可以提供對遠端伺服器80的存取。機器人式運載工具200可以被配置為與遠端計算設備75及/或遠端伺服器80進行通訊,以交換各種類型的通訊和資料,其包括位置資訊、導航命令、資料查詢和任務資料。
機器人式運載工具可以使用高度計或導航系統(例如,全球導航衛星系統(GNSS)、全球定位系統(GPS)等)來導航或決定定位。在一些實施例中,機器人式運載工具200可以使用替代的定位信號源(亦即,除了GNSS、GPS等之外)。機器人式運載工具200可以使用與替代信號源相關聯的位置資訊以及額外資訊(例如,結合最近可信的GNSS/GPS位置的航位推算、結合機器人式運載工具起飛區域的位置的航位推算等)來進行某些應用中的定位和導航。因此,機器人式運載工具200可以使用導航技術的組合(包括航位推算、基於相機對機器人式運載工具200之下及周圍的陸地特徵的辨識(例如,辨識道路、地標、高速公路標牌等))進行導航,該等導航技術可以代替或結合GNSS/GPS位置決定和基於偵測到的無線存取點的已知位置的三角量測或三邊量測。
在一些實施例中,機器人式運載工具200的處理設備210可以使用各個輸入單元226中一或多個輸入單元來接收來自操作人員或自動/預程式設計控制裝置的控制指令、資料,及/或來收集用於指示與機器人式運載工具200相關的各種狀況的資料。例如,輸入單元226可以接收來自各個元件中的一或多個元件的輸入,該等元件例如相機或其他成像感測器、偵測和測距感測器(例如,雷達、聲納、鐳射雷達等)、麥克風、位置資訊功能單元(例如,用於接收全球定位系統(GPS)座標的GPS接收器)、導航儀器(例如,姿態指示器、陀螺儀、風速計、加速度計、高度計、羅盤等)、鍵盤等。可以針對白天及/或夜間操作來對相機進行最佳化。
空中機器人式運載工具可以是有翼或旋翼飛機種類。例如,機器人式運載工具200可以是旋轉推進設計,其利用由對應的電動機驅動的一或多個轉子120來提供離地升空(或者起飛)以及其他空中移動(例如,前向行進、上升、下降、橫向移動、傾斜、旋轉等)。儘管機器人式運載工具200被示為可以利用各個實施例的空中機器人式運載工具的實例,但是並不意欲暗示或者要求各個實施例限於四旋翼飛行器。
機器人式運載工具200的處理器220可以在移動之前、期間及/或之後(例如經由存取來自機載感測器的讀數)執行監測操作(例如,資料收集和處理),以決定機器人式運載工具是否攜帶一或多個有效負荷。特別地,處理器可以從一或多個相機(例如,相機236)接收和分析圖像(亦即,視訊或靜止圖像)。由處理器接收的圖像可以顯示機器人式運載工具的其中可以攜帶有效負荷的一或多個區域的全部或一部分。例如,可以設置相機以提供其中可以安裝裝置及/或其中可以固定有效負荷的區域的圖像。
在一些實施例中,處理器可以經由視覺處理和圖像辨識方法來決定是否存在有效負荷。例如,可以將由處理器接收的貨物區域的圖像與先前儲存的該貨物區域的為空及/或存放貨物的圖像進行比較。另外,可以分析偵測到的有效負荷的結構以決定被決定為機器人式運載工具所攜帶的任何有效負荷的分類。另外,可以使用諸如接觸感測器、重量感測器及/或射頻辨識(RFID)讀取器之類的其他感測器來偵測是否存在有效負荷,並且若偵測到的話,則偵測所偵測到的有效負荷的分類。在一些實施例中,處理器可以被配置為:當在本來為空的空間中偵測到任何結構時,決定存在有效負荷。在其他實施例中,處理器可以被配置為:僅當辨識出存在特定有效負荷或有效負荷的特定類型時,決定存在有效負荷。
在一些實施例中,處理器可以決定偵測到的有效負荷的特定身份或有效負荷的分類,例如辨識特定結構(例如,使用形狀辨識)或讀取結構上的標籤/標記(例如,條碼),其中可以針對該等有效負荷而訓練處理器(例如,經由初始訓練常式)並且可以針對其而指定特定的(例如,使用者指派的)接近度閾值。分類越具體,處理器就可以將越多不同的接近度閾值指派給各種物件。作為對有效負荷進行分類的一部分,處理器可以決定一些結構無法被分類,在此種情況下所決定的分類可以是未知或預設分類。在一些實施例中,可以針對所有偵測到的、機器人式運載工具所攜帶的結構來執行對有效負荷進行分類的操作。在一些實施例中,一旦偵測到與接近度閾值的最大值相關聯的一類有效負荷,處理器就可以停止對有效負荷進行分類,直到所偵測到的結構被移除為止。
圖3圖示根據一些實施例的用於操作機器人式運載工具的方法300。參照圖1A-圖3,方法300可以由處理器(例如,機器人式運載工具(例如,100、200)的處理設備(例如,210)內的處理器(220))來執行以偵測機器人式運載工具是否攜帶一或多個有效負荷(例如,相機236),並且相應地作為對其的回應來設置接近度閾值。
在方塊305中,處理器可以啟動用於設置接近度閾值的測試。可以在啟動時(亦即,當處理器開啟或從睡眠模式喚醒時)啟動用於設置接近度閾值的測試。另外,可以在狀況改變時啟動用於設置接近度閾值的測試。例如,在處理器接收到來自感測器(例如,接觸感測器)的輸入之後,可以自動啟動用於設置接近度閾值的測試。作為另外的實例,回應於諸如墜落或對機器人式運載工具的強烈撞擊之類的事件,處理器可以強制啟動用於設置接近度閾值的測試。另外,機器人式運載工具可以被配置為從操作員或控制系統接收用於指示存在或不存在有效負荷(或者特別是存在或不存在接近度敏感的有效負荷)的輸入覆寫。輸入覆寫可以取代基於感測器資料的關於機器人式運載工具是否攜帶有效負荷的任何決定。
在一些實施例中,處理器可以重複方法300的操作,以偵測有效負荷並且對偵測到有效負荷被攜帶或從機器人式運載工具移除進行回應。例如,處理器可以持續地重複方法300的操作,或者直到辨識出所有偵測到的有效負荷以確保機器人式運載工具的安全和正確操作。作為另一實例,處理器可以將方法300的操作重複預定反覆運算次數,該預定反覆運算次數是在發動之前(例如,在起飛之前)提供給機器人式運載工具的出發前測試指令中指示的。此後,處理器可以可選地在去往目的地的途中以定期的間隔重複方法300的操作,或者在被設定為如此做的其他時間處重複方法300的操作。
在方塊310中,處理器可以從被配置為偵測一或多個有效負荷的存在性的一或多個感測器獲得資料。另外或替代地,作為方塊310中的操作的一部分,處理器可以從驅動電動機的一或多個電子速度控制器(ESC)及/或機器人式運載工具的一或多個電動機獲得用於指示轉速(例如,每分鐘轉數(RPM))的螺旋槳轉速資料,其可以被分析以決定機器人式運載工具是否攜帶一或多個有效負荷。此種獲得的資料可以被儲存在本機記憶體(例如,緩衝器)中,以支援後續操作中的圖像處理。可以儲存所獲得的資料以用於追蹤使用歷史或事故資料(例如,偵測到的異常情況)。另外,儲存的資料可以用於隨後與圖像分析的比較,以用於辨識相同的有效負荷(若被移除並且稍後重新安裝在機器人式運載工具上的話)。
可以僅使用相機(例如,236)或者將其與其他感測器組合地使用。一或多個相機可以安裝在貨物存放區域或其中可以安裝或固定有效負荷的其他區域中。可以分析相機圖像以偵測有效負荷或其移除。處理器可以從一或多個相機(例如,236)接收圖像,該一或多個相機對可能潛在地被辨識為有效負荷的結構進行成像,並且因此若有效負荷在適當的位置的話將對其進行成像。在一些實現方式中,處理器可以從多個相機接收圖像資料,其可以使得處理器能夠更好地評估機器人式運載工具所攜帶的結構,以決定此種結構是否是有效負荷,並且若此種結構是有效負荷,則是何種的有效負荷。
處理器可以另外或替代地從其他類型的感測器(例如,當有效負荷被安裝或裝載在機器人式運載工具上時被啟用的接觸感測器及/或重量感測器)接收資料。導電材料可以被嵌入在有效負荷中或在有效負荷上,其中該導電材料在與機器人式運載工具的接收導電材料接觸時可以指示機器人式運載工具攜帶有效負荷並且可選地由此攜帶何種的有效負荷。類似地,機器人式運載工具的一部分(例如,安裝或攜帶有效負荷的位置)可以包括應變儀,其被配置為偵測何時存在有效負荷。此外,電阻式或電容式感測器可以被附接或被嵌入在有效負荷中。另外或替代地,被安裝在機器人式運載工具的主體上但是遠離有效負荷的主動感測器可以量測被嵌入在一或多個有效負荷之中或之上的被動材料。例如,處理器可以從被配置為偵測RFID傳輸器的存在性的RFID讀取器接收資料,RFID傳輸器可以被包括在有效負荷上或被嵌入在有效負荷中以由處理器進行偵測。
在其中處理器另外或替代地從空中機器人式運載工具的一或多個電動機接收指示相應的一或多個轉子的轉速(例如,RPM)的資料的一些實施例中,處理器可以使用一或多個電動機的轉速來決定機器人式運載工具是否攜帶有效負荷。電動機的轉速可以與和該電動機相關聯的螺旋槳產生的推力直接相關。當機器人式運載工具攜帶有效負荷時,機器人式運載工具將更重。此種額外的重量可能需要電動機更快地旋轉,以便保持穩定的速度、水平飛行或執行機動。該額外的重量可以根據電動機的轉速來推斷,電動機的轉速可以與在機器人式運載工具上安裝的額外的東西(例如,一或多個有效負荷)相關聯。
在方塊320中,處理器(或被配置為執行此種分析的另一處理器)可以分析所獲得的感測器資料,以決定機器人式運載工具是否正在攜帶一或多個有效負荷。例如,使用相機圖像資料,處理器可以執行圖像處理分析以偵測視野內的一或多個有效負荷特有的邊緣、質量和其他特徵。作為另一實例,處理器可以辨識接觸及/或重量感測器信號,以及來自RFID讀取器(若包括的話)的信號,其指示機器人式運載工具正在攜帶一或多個有效負荷。
替代地或另外地,處理器可以被配置為從一或多個電動機或驅動電動機的電子速度控制器(ESC)獲得指示轉速(例如,RPM)的資料,轉速可以被分析以用於決定機器人式運載工具是否攜帶一或多個有效負荷。由於有效負荷將增加機器人式運載工具的重量,因此分析螺旋槳RPM資料可以涉及將當前RPM與儲存在機器人式運載工具攜帶一或多個有效負荷的情況下移動、懸停或操縱所需要的RPM範圍的資料表進行比較。
另外,若機器人式運載工具正在攜帶一或多個有效負荷,則機器人式運載工具的重心可能改變,此情形可以經由比較各個轉子的轉速來偵測。當機器人式運載工具的幾何中心與該運載工具的重心不一致時,一或多個轉子的轉速可能略高。另外,在機器人式運載工具的運動期間,處理器可以結合轉子轉速資料來考慮角速度資料,以計算機器人式運載工具的慣性力矩。若所計算出的慣性力矩不同於基線或預設值,則此情形可以是關於已經移除了與機器人式運載工具所攜帶的一或多個有效負荷一致的額外質量的指示。
在一些實施例中,關於機器人式運載工具是否正在攜帶一或多個有效負荷的分析可以僅基於對一或多個有效負荷的存在性的偵測(例如,從接觸感測器接收關於一或多個有效負荷被安裝的指示)。在一些實施例中,關於機器人式運載工具是否正在攜帶一或多個有效負荷的決定可以涉及關於機器人式運載工具所攜帶的結構的特性的進一步分析,以決定此種結構是否是一或多個有效負荷。
在決定方塊325中,處理器可以基於在方塊320中分析的資料來決定機器人式運載工具是否正在攜帶一或多個有效負荷。
回應於決定機器人式運載工具正在攜帶一或多個有效負荷(亦即,決定方塊325=「是」),在方塊330中,處理器可以將接近度閾值設置為較高值。較高值的接近度閾值可以是被認為對於機器人式運載工具所攜帶的一或多個有效負荷而言安全或不受威脅的距離。相反,當機器人式運載工具沒有攜帶有效負荷時,可以使用較低值的接近度閾值。
回應於決定機器人式運載工具沒有在攜帶一或多個有效負荷(亦即,決定方塊325=「否」),在方塊340中,處理器可以將接近度閾值設置為較低值。
在方塊330及/或340中設置接近度閾值可以涉及或可以不涉及:基於關於機器人式運載工具是否正在攜帶一或多個有效負荷的決定,根據當前接近度閾值設置和適當的接近度閾值設置來改變當前接近度閾值。例如,設置用於碰撞迴避的接近度閾值可以包括:回應於決定機器人式運載工具正在攜帶一或多個有效負荷來將接近度閾值從第一值提高到高於第一值的第二值。作為另外的實例,設置用於碰撞迴避的接近度閾值可以包括:回應於決定機器人式運載工具沒有在攜帶一或多個有效負荷來將接近度閾值從第二值降低到第一值。設置用於碰撞迴避的接近度閾值亦可以包括:將接近度閾值維持在當前設置的值處。例如,設置用於碰撞迴避的接近度閾值可以包括:回應於決定機器人式運載工具沒有在攜帶有效負荷並且接近度閾值的當前設置的值是第一值,來將接近度閾值保持在第一值處,該第一值低於第二值。作為另外的實例,設置用於碰撞迴避的接近度閾值可以包括:回應於決定機器人式運載工具正在攜帶一或多個有效負荷並且接近度閾值的當前設置的值是第二值,來將接近度閾值保持在第二值處,該第二值高於第一值。
在方塊350中,處理器可以使用當前設置的接近度閾值來控制機器人式運載工具的一或多個電動機,以管理機器人式運載工具如何進行導航。例如,處理器可以發送信號以控制機器人式運載工具(例如,100、200)的電動機(例如,125)中的一或多個電動機進行導航。處理器可以根據(亦即,在方塊340或345中設置的)接近度閾值,來控制一或多個電動機以迴避障礙物,同時與機器人式運載工具的導航路徑附近的障礙物保持距離。在一些實施例中,機器人式運載工具可以繼續正常地操作來執行使用者命令及/或預載入的導航規劃,依賴於碰撞迴避系統以防止比接近度閾值的當前設置更近地接近任何物件。在一些實施例中,處理器可以修改對機器人式運載工具的控制,例如,調整或修改預載入的導航規劃以確保機器人式運載工具不會比接近度閾值的當前設置更近地接近所偵測到的障礙物。
圖4圖示根據一些實施例的用於操作機器人式運載工具的方法400。參照圖1-圖4,方法400可以由處理器(例如,機器人式運載工具(例如,100、200)的處理設備(例如,210)內的處理器(220))來執行以偵測機器人式運載工具是否攜帶一或多個有效負荷(例如,相機236),並且相應地作為對其的回應來設置接近度閾值。在方法400中,處理器可以執行如所描述的方法300的方塊305、310和350的操作。
在方塊420中,處理器(或被配置為執行此種分析的另一處理器)可以分析所獲得的資料,以對偵測到的機器人式運載工具所攜帶的有效負荷進行辨識和分類。在一些實施例中,處理器可以使用圖像辨識方法來區分圖像內的物件並且分析物件的形狀以對物件進行辨識或分類。例如,處理器可以將圖像資料與物件辨識模型進行比較,以決定物件是否可以被辨識為特定物件(例如,基於臉孔辨識的使用者)或被分類為某些類型的物件(例如,堅固、脆弱、昂貴、未知等)。作為另一實例,使用相機圖像資料,處理器可以執行圖像處理分析以偵測相機視野內的有效負荷特有的邊緣、質量和其他特徵。作為另一實例,處理器可以基於雷達及/或鐳射雷達的返回來偵測機器人式運載工具的存放區域中的有效負荷。
作為方塊420中的進一步操作,處理器可以分析偵測到的有效負荷以決定該有效負荷的適當分類。例如,處理器可以對圖像資料執行圖像辨識演算法以決定結構是否被辨識為特定類型的有效負荷。此種圖像辨識程序可以將特定有效負荷的圖像與被分類或可分類有效負荷的資料庫進行比較,以決定是否存在匹配的可能性。此種圖像辨識程序可以使用機器學習來開發用於在將分類指派給有效負荷時使用的模型。
在一些實施例中,在方塊420中,處理器可以根據若干種寬泛的分類來對有效負荷進行歸類,例如有效負荷是否是接近度敏感的,或者有效負荷的類型是否已知是脆弱的等等。在一些實施例中,在方塊420中,處理器可以決定有效負荷的特定類別,例如,將有效負荷辨識並且分類為有價值的、脆弱的等。在一些實施例中,在方塊420中,處理器可以決定有效負荷的特定身份,例如,辨識特定類型的裝置(例如,相機)或貨物(例如,昂貴的商品),其中可以(例如,經由初始訓練常式)針對該特定類型的裝置或貨物來訓練處理器並且可以針對其指定特定的(例如,使用者指派的)接近度閾值。在方塊420中進行的分類越具體,處理器就可以將越多不同的接近度閾值指派給各種有效負荷。
作為在方塊420中對有效負荷進行分類的一部分,處理器可以決定一些有效負荷無法被分類,在此種情況下所決定的分類可以是未知或預設分類。在一些實施例中,可以針對所有偵測到的機器人式運載工具所攜帶的結構或其某個子集,來執行方塊420中對有效負荷進行分類的操作。
在決定方塊425中,處理器可以基於方塊420中分析的資料來決定機器人式運載工具是否攜帶有效負荷。
回應於決定機器人式運載工具沒有攜帶有效負荷(亦即,決定方塊425=「否」),在方塊440中,處理器可以將接近度閾值設置為預設值。接近度閾值的預設值可以是在機器人式運載工具沒有攜帶有效負荷時或在機器人式運載工具攜帶的有效負荷不是接近度敏感類的有效負荷時被認為是對於周圍物件安全或不構成威脅的距離。
回應於決定由機器人式運載工具攜帶有效負荷(亦即,決定方塊425=「是」),在決定方塊430中,處理器可以決定由於有效負荷的分類而導致的接近度閾值的變化是否被授權。因此,處理器可以決定在方塊420中分析並且在決定方塊425中被決定為機器人式運載工具攜帶的有效負荷的任何結構是否具有與接近度閾值的調整相關聯或針對其而言接近度閾值的調整是合適的分類。例如,處理器可以評估有效負荷分類以決定所辨識的有效負荷中的一或多個有效負荷是否被分類為敏感的、有價值的或以其他方式接近度敏感的。預設接近度閾值可以用於針對其未決定分類的有效負荷。
回應於決定一或多個偵測到的有效負荷具有針對其而言改變優先閾值是合適的分類(亦即,決定方塊430=「是」),在方塊445中,處理器可以將用於碰撞迴避的接近度閾值設置為與該有效負荷的分類相對應的值。例如,若處理器已經決定有效負荷是昂貴的貨物,則處理器可以將由碰撞迴避系統使用的接近度閾值增加到適於確保人或其他生物可能不會靠近機器人式運載工具的距離。對於不同類型的分類,接近度閾值被調整的量(或所使用的接近度閾值)可以是不同的。例如,用於被分類為敏感的有效負荷的接近度閾值可以小於用於被分類為昂貴的有效負荷的接近度閾值。
回應於決定偵測到的有效負荷中沒有一個是與不同於接近度閾值的預設值的接近度閾值相關聯的(亦即,決定方塊430=「否」),在方塊440中,處理器可以將接近度閾值設置為預設值(若尚未處於預設水平的話)。
在方塊440及/或445中設置接近度閾值可以涉及或可以不涉及基於關於機器人式運載工具攜帶何種分類的有效負荷的決定,根據當前接近度閾值設置和期望的接近度閾值設置來改變當前接近度閾值。例如,設置用於碰撞迴避的接近度閾值可以包括:回應於決定存在接近度敏感類的有效負荷,來將接近度閾值從第一值提高到高於第一值的第二值。作為另外的實例,設置用於碰撞迴避的接近度閾值可以包括:回應於決定已經移除接近度敏感類的有效負荷,來將接近度閾值從第二值降低到第一值。設置用於碰撞迴避的接近度閾值亦可以包括:將接近度閾值維持在當前設置的值處。例如,設置用於碰撞迴避的接近度閾值可以包括:回應於決定存在有效負荷並且接近度閾值的當前設置的值是第一值,來將接近度閾值保持在第一值處,該第一值低於第二值。作為另外的實例,設置用於碰撞迴避的接近度閾值可以包括:回應於決定基於所辨識的有效負荷的類的針對接近度閾值的適當的值是第二值,來將接近度閾值保持在第二值處。
圖5圖示根據一些實施例的用於在方法500中使用的用於偵測和分類有效負荷的方法500。參照圖1A-圖5,方法500可以由處理器(例如,機器人式運載工具(例如,200)的處理設備(例如,210)內的處理器(220))來執行以偵測有效負荷(例如,236)並且執行動作作為回應。
在方塊502中,處理器可以從圖像感測器(例如,設置在機器人式運載工具上的一或多個相機)獲得資料。處理器亦可以獲得對於決定有效負荷物件或結構的相對位置是有用的其他感測器資料,例如雷達或鐳射雷達資料。此種資料可以被儲存在本機記憶體中以進行處理,例如緩衝記憶體。
在方塊504中,處理器可以分析所獲得的圖像和其他資料,以辨識有效負荷的存在性和位置。此種圖像分析可以涉及辨識不同顏色的邊緣區域和通常用於在圖像內辨識物件的其他類型的程序。在一些實施例中,機器人式運載工具可以被配備有用於更準確地辨識物件的立體相機。
在方塊504中辨識的有效負荷之每一者有效負荷可以使用圖像辨識程序來單獨地進行分析。為此,處理器可以實現循環以單獨地調查每個經辨識的有效負荷。因此,在方塊506中,處理器可以選擇所辨識的有效負荷中的一個有效負荷,並且在方塊508中,對針對所選擇的有效負荷的圖像資料執行物件辨識處理以決定分類。如所描述的,此種圖像辨識處理可以涉及將圖像資料與所分類的有效負荷的資料庫進行比較,以決定是否存在相近匹配。此種圖像辨識程序可以涉及使用機器學習技術。
在決定方塊510中,處理器可以決定分類是否被指派給所選擇的有效負荷。
回應於決定沒有分類被指派給所選擇的有效負荷(亦即,決定方塊510=「否」),在方塊512中,處理器可以指派針對與所選擇的有效負荷相關聯的接近度閾值的預設值。
回應於決定分類被指派給所選擇的有效負荷(亦即,決定方塊510=「是」),在方塊514中,處理器可以將與所選擇的有效負荷的分類相對應的非預設值指派給所選擇的有效負荷。
在決定方塊516中,處理器可以決定在圖像資料內是否存在要被分類的另一有效負荷。若是的話(亦即,決定方塊516=「是」),則在方塊506中,處理器可以選擇另一經辨識的有效負荷,並且重複如所描述的方塊508–514的操作。當所有有效負荷皆已被分類時(亦即,決定方塊516=「否」),在如所描述的方法300的方塊350中,處理器可以繼續使用當前設置的接近度閾值來控制機器人式運載工具的電動機,以管理機器人式運載工具如何進行導航。
圖6圖示根據一些實施例的用於操作機器人式運載工具的方法600。參照圖1A-圖6,方法600可以由處理器(例如,機器人式運載工具(例如,100、200)的處理設備(例如,210)內的處理器(220))來執行以偵測障礙物(例如,31–34、40、50)並且執行動作作為回應。
在一些實施例中,機器人式運載工具的處理器可以使用物件偵測和分類來調整針對各種偵測到的物件的接近度閾值,並且若機器人式運載工具正在攜帶接近度敏感類的有效負荷,則確保此種接近度閾值超過針對接近度敏感類的有效負荷的接近度閾值,並且隨後當在此種物件周圍執行路徑規劃時使用此種經調整的接近度閾值。經由評估針對機器人式運載工具所攜帶的有效負荷的適當的接近度閾值之每一者接近度閾值和機器人式運載工具附近的每個偵測到的物件,處理器可以開發繞行或路徑規劃替代方案,其使得機器人式運載工具能夠以迴避比其對應的接近度閾值或針對接近度敏感類的有效負荷的接近度閾值更近地接近任何物件的方式來在物件周圍操縱。經由執行此種路徑規劃,與使用碰撞迴避系統來迴避與各個障礙物發生碰撞(此舉可能導致機器人式運載工具必須原路返回或沿著隨機路徑穿過複數個障礙物)相比,機器人式運載工具可以遵循在偵測到的物件周圍或穿過偵測到的物件的高效路徑。用於實現此種路徑規劃的各種方法皆是可能的。圖6中圖示的方法600提供了為了此目的可以實現的一種方法的實例。
在方塊610中,機器人式運載工具的處理器可以正在控制機器人式運載工具的一或多個電動機以執行預先規劃的去往目的地的路線。
在方塊620中,處理器可以從被配置為偵測機器人式運載工具附近的物件的存在性的一或多個感測器獲得資料。此種感測器可以包括一或多個相機、雷達、鐳射雷達等。來自此種感測器的資料可以被儲存在記憶體(例如,緩衝記憶體)中,以使得處理器能夠進行分析。
在方塊630中,處理器(或被配置為執行此種分析的另一處理器)可以分析所獲得的感測器資料,以偵測機器人式運載工具附近的物件。例如,使用相機圖像資料,處理器可以執行圖像處理分析以偵測視野內的物件特有的邊緣、質量和其他特徵。作為另一實例,處理器可以基於雷達及/或鐳射雷達的返回來偵測機器人式運載工具附近的物件。在一些實施例中,雷達及/或鐳射雷達資料可以用於偵測和定位附近的物件,隨後在圖像處理中使用該資訊以表徵所偵測到的物件。
作為方塊630中的進一步操作,處理器可以分析偵測到的物件以決定偵測到的物件的適當分類。例如,處理器可以對圖像資料執行圖像辨識演算法以決定物件是否被辨識為特定類型。此種圖像辨識程序可以將特定物件的圖像與被分類或可分類物件的資料庫進行比較,以決定是否存在匹配的可能性。此種圖像辨識程序可以使用機器學習來開發用於在將分類指派給物件時使用的模型。
在一些實施例中,在方塊630中,處理器可以根據若干種寬泛的分類來對物件進行歸類,例如物件是有生命的還是無生命的,或者物件的類型是否已知是脆弱的等等。在一些實施例中,在方塊630中,處理器可以決定物件的特定類別,例如,將物件辨識並且分類為成人、兒童、狗、貓、樹等。在一些實施例中,在方塊630中,處理器可以決定物件的特定身份,例如,辨識特定個體(例如,使用臉孔辨識)或特定動物(例如,家養狗),其中可以(例如,經由初始訓練常式)針對該等特定個體或特定動物來訓練處理器並且可以針對其指定特定的(例如,使用者指派的)接近度閾值。在方塊630中進行的分類越具體,處理器就可以將越多不同的接近度閾值指派給各種物件。
作為在方塊630中對物件進行分類的一部分,處理器可以決定一些物件無法被分類,在此種情況下所決定的分類可以是未知或預設分類。在一些實施例中,可以針對機器人式運載工具附近的所有偵測到的物件來執行方塊630中對物件進行分類的操作。在一些實施例中,在方塊630中,可以僅對最靠近的物件或最靠近的幾個物件進行分類。
在決定方塊635中,處理器可以決定所辨識且分類的物件中的任何物件是否構成機器人式運載工具的障礙或潛在障礙。特別地,處理器可以決定在方塊630中辨識的物件中的任何物件是否接近預先規劃的去往目的地的路線。
回應於決定在機器人式運載工具附近不存在障礙物或潛在障礙物(亦即,決定方塊635=「否」),處理器可以繼續在方塊610中控制機器人式運載工具的一或多個電動機以執行預先規劃的去往目的地的路線。
回應於決定一或多個分類的物件確實或可能構成機器人式運載工具的障礙(亦即,決定方塊635=「是」),在方塊640中,處理器可以產生物件的虛擬地圖,其基於該物件的分類或與在方法400的方塊420中決定的所分類的有效負荷相關聯的接近度閾值中的較大者來在每個物件周圍加入排除周界。因此,代替調整在碰撞迴避系統中使用的接近度閾值,處理器可以使用對應的接近度閾值和與所分類的有效負荷相關聯的接近度閾值,來擴展如在方塊640中產生的虛擬地圖中表示的物件的邊界。當機器人式運載工具沒有在攜帶針對其而言提高的接近度閾值是合適的有效負荷時,可以使用接近度閾值的預設值來在針對其而言未決定分類的物件周圍添加排除周界(亦即,沒有改變接近度閾值)。
在方塊650中,處理器可以使用在方塊640中產生的地圖,來決定在所辨識的障礙物周圍或穿過所辨識的障礙物的繞行路線,該繞行路線確保機器人式運載工具保持在針對所有障礙物的各自的接近度閾值之外。處理器可以使用各種路徑規劃演算法中的任何一種來完成此種路徑規劃。在方塊640中使用特定於物件分類的接近度閾值來在物件周圍添加排除周界促進規劃在物件周圍至少達其各自的接近度閾值來操縱的路徑。
在方塊660中,處理器可以控制機器人式運載工具的一或多個電動機來執行繞行路線。如此做時,如所描述的,處理器可以在方塊620中繼續從各個感測器獲得資料,並且在方塊630中分析感測器資料以對附近物件進行辨識、分類。一旦機器人式運載工具已經清除了障礙物(例如經由完成繞行路線)(亦即,決定方塊635=「否」),處理器就可以返回為在方塊610中控制機器人式運載工具的一或多個電動機以執行預先規劃的去往目的地的路線,並且重複如所描述的方法300、400、500及/或600的操作。
圖7圖示根據一些實施例的用於在方法600中使用的用於對物件進行偵測和分類的方法700。參照圖1A-圖7,方法700可以由處理器(例如,機器人式運載工具(例如,200)的處理設備(例如,210)內的處理器(220))來執行以偵測障礙物(例如,120)並且執行動作作為回應。
在方塊702中,處理器可以從圖像感測器(例如,設置在機器人式運載工具上的一或多個相機)獲得資料。處理器亦可以獲得對於決定物件的相對位置是有用的其他感測器資料,例如雷達或鐳射雷達資料。該等資料可以被儲存在本機記憶體中以進行處理,例如緩衝記憶體。
在方塊704中,處理器可以分析所獲得的圖像和其他資料以辨識所成像的物件的存在性和位置。此種圖像分析可以涉及辨識不同顏色的邊緣區域和通常用於在圖像內辨識物件的其他類型的程序。在一些實施例中,機器人式運載工具可以被配備有立體相機,其可以使處理器能夠使用體視學來決定到各個物件的距離。在機器人式運載工具僅被配備有單目相機的實施例中,可以基於隨著機器人式運載工具移動到環境而從一訊框到下一訊框的物件的位置的移位來決定到各個物件的距離。在機器人式運載工具被配備有雷達及/或鐳射雷達的實施例中,可以使用來自彼等感測器的資料來決定到物件的距離。在決定物件的位置時,處理器可以在記憶體中產生物件座標的檔案或資料庫,其使得處理器能夠在後續操作中產生物件的地圖。
在方塊704中辨識的物件之每一者物件可以使用圖像辨識程序來單獨地分析。為此,處理器可以實現循環以單獨地調查每個物件。因此,在方塊706中,處理器可以選擇所辨識的物件中的一個物件,並且在方塊708中,對針對所選擇的物件的圖像資料執行物件辨識處理以決定分類。如所描述的,此種圖像辨識處理可以涉及將圖像資料與所分類的物件的資料庫進行比較,以決定是否存在相近匹配。此種圖像辨識程序可以涉及使用機器學習技術。
在決定方塊710中,處理器可以決定分類是否被指派給所選擇的物件。
回應於決定沒有分類被指派給所選擇的物件(亦即,決定方塊710=「否」),在方塊712中,處理器可以將預設的排除周界距離指派給所選擇的物件。
回應於決定分類被指派給所選擇的物件(亦即,決定方塊710=「是」),在方塊714中,處理器可以將與所選擇的物件的分類相對應的排除周界距離指派給所選擇的物件。
在決定方塊716中,處理器可以決定在圖像資料內是否存在要被分類的另一物件。若是的話(亦即,決定方塊716=「是」),則在方塊706中,處理器可以選擇另一被辨識的物件,並且重複如所描述的方塊708–714的操作。當所有物件皆已被分類時(亦即,決定方塊716=「否」),處理器可以繼續產生物件的地圖,該地圖添加了基於在如所描述的方法600的方塊620之每一者物件分類的排除周界。
所圖示和描述的各個實施例僅是作為實例來提供的,以說明請求項的各個特徵。然而,關於任何給定實施例所圖示和描述的特徵未必限於相關聯的實施例,並且可以與圖示和描述的其他實施例一起使用或組合。此外,請求項不意欲受任何示例性實施例限制。例如,可以替換方法300、400、500、600及/或700的操作中的一或多個操作或者將其與另一操作組合。
前述方法描述和程序流程圖僅是作為說明性實例來提供的,而並不意欲要求或暗示各個實施例的操作必須以呈現的次序來執行。如熟習此項技術者將明白的是,可以以任何次序來執行前述實施例中的操作的次序。諸如「此後」、「隨後」、「接著」等的詞語並不意欲限制該等操作的次序;該等詞語用於引導讀者瀏覽對該等方法的描述。此外,以單數(例如使用冠詞「一(a)」、「一個(an)」或「該(the)」)對請求項元素的任何引用不應被解釋為將該元素限制為單數。
結合本文揭示的實施例所描述的各種說明性的邏輯區塊、模組、電路和演算法操作可以實現成電子硬體、電腦軟體,或者兩者的組合。為了清楚地說明硬體和軟體的此種可互換性,上文已經對各種說明性的元件、方塊、模組、電路以及操作圍繞其功能進行了整體描述。至於此種功能是實現成硬體還是實現成軟體,取決於具體應用和施加在整體系統上的設計約束。熟習此項技術者可以針對每個特定應用,以變通的方式實現所描述的功能,但是此種實施例決策不應被解釋為造成脫離請求項的範疇。
可以利用被設計為執行本文所描述的功能的通用處理器、數位信號處理器(DSP)、特殊應用積體電路(ASIC)、現場可程式設計閘陣列(FPGA)或其他可程式設計邏輯設備、個別閘門或電晶體邏輯、個別硬體元件,或者其任意組合來實現或執行用於實現各個實施例所描述的各種說明性的邏輯、邏輯區塊、模組以及電路的硬體。通用處理器可以是微處理器,但是在替代的方案中,處理器可以是任何習知的處理器、控制器、微控制器或狀態機。處理器亦可以實現為接收器智慧物件的組合,例如,DSP和微處理器的組合、複數個微處理器、一或多個微處理器結合DSP核,或者任何其他此種配置。或者,一些操作或方法可以由特定於給定功能的電路系統來執行。
在一或多個態樣中,所述功能可以用硬體、軟體、韌體或其任意組合來實現。若用軟體實現,則可以將該等功能作為一或多個指令或代碼儲存在非暫時性電腦可讀取儲存媒體或者非暫時性處理器可讀取儲存媒體上。本文所揭示的方法或演算法的操作可以體現在處理器可執行的軟體模組或處理器可執行指令中,其可以常駐在非暫時性電腦可讀取的或處理器可讀取的儲存媒體上。非暫時性電腦可讀取的或處理器可讀取的儲存媒體可以是可以由電腦或處理器存取的任何儲存媒體。經由舉例而非限制性的方式,此種非暫時性電腦可讀取的或處理器可讀取的儲存媒體可以包括RAM、ROM、EEPROM、快閃記憶體、CD-ROM或其他光碟儲存、磁碟儲存或其他磁儲存智慧物件,或者可以用於以指令或資料結構的形式儲存期望的程式碼並且可以由電腦存取的任何其他媒體。如本文所使用的,磁碟和光碟包括壓縮光碟(CD)、鐳射光碟、光碟、數位多功能光碟(DVD)和藍光光碟,其中磁碟通常磁性地複製資料,而光碟則用鐳射來光學地複製資料。上述的組合亦被包括在非暫時性電腦可讀取和處理器可讀取媒體的範疇之內。此外,方法或演算法的操作可以作為代碼及/或指令中的一個或任何組合,或代碼及/或指令集常駐在非暫時性處理器可讀取儲存媒體及/或電腦可讀取儲存媒體上,其可以併入電腦程式產品中。
提供所揭示的實施例的先前描述,以使得任何熟習此項技術者能夠實施或使用請求項。對於熟習此項技術者而言,對該等實施例的各種修改將是顯而易見的,並且在不脫離請求項的範疇的情況下,可以將本文定義的整體原理應用於其他實施例。因此,本案內容並不意欲限於本文展示的實施例,而是被賦予與隨後的請求項和本文所揭示的原理和新穎特徵相一致的最寬範疇。
10‧‧‧環境
20‧‧‧任務環境
25‧‧‧無線通訊鏈路
31‧‧‧樹
32‧‧‧樹
33‧‧‧樹
34‧‧‧樹
40‧‧‧人
50‧‧‧狗
60‧‧‧第一路徑
61‧‧‧第一路徑
62‧‧‧第二路徑
63‧‧‧第二路徑邊界
64‧‧‧迴避路徑
65‧‧‧初始路徑
66‧‧‧迴避路徑
70‧‧‧基地站
75‧‧‧遠端計算設備
80‧‧‧遠端伺服器
90‧‧‧通訊網路
100‧‧‧機器人式運載工具
110‧‧‧主體
120‧‧‧轉子
125‧‧‧電動機
200‧‧‧機器人式運載工具
210‧‧‧處理設備
215‧‧‧晶片上系統(SoC)
220‧‧‧處理器
222‧‧‧記憶體
224‧‧‧通訊介面
225‧‧‧匯流排
226‧‧‧輸入單元
230‧‧‧非揮發性儲存記憶體
232‧‧‧通訊元件
234‧‧‧硬體介面
235‧‧‧匯流排
236‧‧‧相機
250‧‧‧螺旋槳防護裝置
300‧‧‧方法
305‧‧‧方塊
310‧‧‧方塊
320‧‧‧方塊
325‧‧‧決定方塊
330‧‧‧方塊
340‧‧‧方塊
350‧‧‧方塊
400‧‧‧方法
420‧‧‧方塊
425‧‧‧決定方塊
430‧‧‧決定方塊
440‧‧‧方塊
445‧‧‧方塊
500‧‧‧方法
502‧‧‧方塊
504‧‧‧方塊
506‧‧‧方塊
508‧‧‧方塊
510‧‧‧決定方塊
512‧‧‧方塊
514‧‧‧方塊
516‧‧‧決定方塊
600‧‧‧方法
610‧‧‧方塊
620‧‧‧方塊
630‧‧‧方塊
635‧‧‧決定方塊
640‧‧‧方塊
650‧‧‧方塊
660‧‧‧方塊
700‧‧‧方法
702‧‧‧方塊
704‧‧‧方塊
706‧‧‧方塊
708‧‧‧方塊
710‧‧‧決定方塊
712‧‧‧方塊
714‧‧‧方塊
716‧‧‧決定方塊
A‧‧‧位置
B‧‧‧位置
C‧‧‧位置
D1‧‧‧第一距離
D2‧‧‧第二距離
D11‧‧‧第一距離
D12‧‧‧第二距離
D21‧‧‧第三距離
D22‧‧‧第四距離
被併入本文並且構成本說明書的一部分的附圖圖示本發明的示例性實施例,並且連同上文提供的概括描述和下文提供的具體實施方式一起用於解釋本發明的特徵。
圖1A是根據各個實施例的其中沒有攜帶有效負荷的機器人式運載工具正在沿著穿過各個障礙物的路徑行進的環境的平面圖。
圖1B是根據各個實施例的圖1A的環境的平面圖,在該環境中,攜帶有效負荷的機器人式運載工具正在沿著在各個障礙物周圍的更加迂回的路徑行進。
圖1C是根據各個實施例的圖1A-圖1B的環境的平面圖,在該環境中,沒有攜帶有效負荷的機器人式運載工具執行路徑規劃以沿著穿過各個障礙物的路徑行進。
圖1D是根據各個實施例的圖1A-圖1C的環境的平面圖,在該環境中,攜帶有效負荷的機器人式運載工具執行路徑規劃以沿著在各個障礙物周圍的迂回路徑行進。
圖2是圖示適於在各個實施例中使用的機器人式運載工具的元件和地面站的方塊圖。
圖3是圖示根據一些實施例的用於回應於決定一或多個有效負荷是否被機器人式運載工具攜帶而操作機器人式運載工具的方法的程序流程圖。
圖4是圖示根據一些實施例的用於操作機器人式運載工具(包括決定被決定為被機器人式運載工具攜帶的有效負荷的分類)的方法的程序流程圖。
圖5是圖示根據各個實施例的對有效負荷進行分類並且基於每個有效負荷的分類來指派針對接近度閾值的值的方法的程序流程圖。
圖6是圖示根據各個實施例的用於操作機器人式運載工具(包括路徑規劃)以迴避每個障礙物至少達取決於該障礙物的分類的排除周界的方法的程序流程圖。
圖7是圖示根據各個實施例的對物件進行分類並且基於每個物件的分類來將排除周界距離指派給物件的方法的程序流程圖。
國內寄存資訊 (請依寄存機構、日期、號碼順序註記)
無
國外寄存資訊 (請依寄存國家、機構、日期、號碼順序註記)
無
300‧‧‧方法
305‧‧‧方塊
310‧‧‧方塊
320‧‧‧方塊
325‧‧‧決定方塊
330‧‧‧方塊
340‧‧‧方塊
350‧‧‧方塊
Claims (30)
- 一種用於操作一機器人式運載工具的方法,包括以下步驟:由一處理器決定該機器人式運載工具是否攜帶一有效負荷;由該處理器設置用於碰撞迴避的一接近度閾值,其中該接近度閾值係基於對於該機器人式運載工具是否攜帶該有效負荷的該決定;及偵測鄰近該機器人式運載工具的一或多個物件;基於該偵測到的一或多個物件與該接近度閾值決定一路徑;以及由該處理器控制該機器人式運載工具的一或多個電動機以沿著該路徑導航該機器人式運載工具。
- 根據請求項1之方法,其中設置用於碰撞迴避的該接近度閾值之步驟包括以下步驟:回應於決定該機器人式運載工具沒有在攜帶一有效負荷,來將該接近度閾值從一第一值提高到高於該第一值的一第二值。
- 根據請求項1之方法,其中設置用於碰撞迴避的該接近度閾值之步驟包括以下步驟:回應於決定該機器人式運載工具正在攜帶一有效負荷,來將該接近度閾值從高於一第一值的一第二值降低到該第一 值。
- 根據請求項1之方法,其中設置用於碰撞迴避的該接近度閾值之步驟包括以下步驟:將該接近度閾值維持在一當前設置的值處。
- 根據請求項1之方法,其中由一處理器決定該機器人式運載工具是否攜帶一有效負荷之步驟包括以下步驟:由該處理器從一有效負荷感測器獲得資料,該有效負荷感測器被配置為偵測該機器人式運載工具是否正在攜帶一有效負荷;及基於所獲得的該資料決定該機器人式運載工具是否正在攜帶一有效負荷。
- 根據請求項5之方法,其中該有效負荷感測器是以下各項中的至少一項:一接觸感測器、一重量感測器、一圖像感測器或一射頻辨識標籤讀取器。
- 根據請求項5之方法,其中分析所獲得的該資料以決定該機器人式運載工具是否正在攜帶一有效負荷之步驟包括以下步驟:將所獲得的該資料與先前收集的指示該機器人式運載工具正在攜帶一有效負荷的資料進行比較;回應於決定所獲得的該資料與先前收集的指示該機器人式運載工具正在攜帶一有效負荷的資料相匹配, 來決定該機器人式運載工具攜帶一有效負荷;及回應於決定所獲得的該資料與該先前收集的指示該機器人式運載工具正在攜帶一有效負荷的資料不匹配,來決定該機器人式運載工具沒有攜帶一有效負荷。
- 根據請求項5之方法,其中基於所獲得的該資料以決定該機器人式運載工具是否正在攜帶一有效負荷之步驟包括以下步驟:將所獲得的該資料與指示該機器人式運載工具正在攜帶一或多個有效負荷的預定參數進行比較;回應於決定所獲得的該資料與該等指示該機器人式運載工具正在攜帶一有效負荷的預定參數相匹配,來決定該機器人式運載工具攜帶一有效負荷;及回應於決定所獲得的該資料與該等指示該機器人式運載工具正在攜帶一有效負荷的預定參數不匹配,來決定該機器人式運載工具沒有攜帶一有效負荷。
- 根據請求項5之方法,其中基於所獲得的該資料以決定該機器人式運載工具是否正在攜帶一有效負荷之步驟包括以下步驟:決定該機器人式運載工具攜帶多少有效負荷。
- 根據請求項1之方法,亦包括以下步驟:由該處理器從一或多個電動機獲得指示相應的一或多個電動機的一轉速的資料,以及 其中對該機器人式運載工具是否正在攜帶一有效負荷的決定係基於相應的一或多個電動機的該轉速。
- 根據請求項1之方法,亦包括以下步驟:由該處理器接收指示該機器人式運載工具是否攜帶一有效負荷的一輸入覆寫,其中決定該機器人式運載工具是否正在攜帶一有效負荷是基於所接收的該輸入覆寫的。
- 根據請求項1之方法,亦包括以下步驟:由該處理器回應於決定該機器人式運載工具攜帶一有效負荷,來決定該有效負荷的一分類;及其中該接近度閾值係進一步基於該有效負荷的該分類。
- 根據請求項12之方法,其中基於該有效負荷的該分類來設置該接近度閾值之步驟包括以下步驟:將該接近度閾值從一預設值改變為與該有效負荷的該分類相對應的一經調整的值。
- 根據請求項12之方法,其中:決定該有效負荷的一分類之步驟包括以下步驟:決定該有效負荷是否是一接近度敏感類的有效負荷;及其中基於該有效負荷的該分類的用於碰撞迴避的該接近度閾值之步驟包括以下步驟:回應於該有效負荷的該分類是該接近度敏感類的有效負荷,來增加或減 小該接近度閾值。
- 根據請求項14之方法,其中一接近度敏感類的有效負荷包括以下各項中的一項或多項:一相機、大於一預定跨距的轉子,或者比一預定數額更有價值的貨物或該機器人式運載工具的裝置。
- 根據請求項12之方法,亦包括以下步驟:經由存取記憶體中的針對與該有效負荷的該分類相關的該接近度閾值的一資料結構,來決定與該有效負荷的所決定的該分類相對應的該接近度閾值。
- 根據請求項12之方法,亦包括以下步驟:由該處理器基於該物件資料來決定該一或多個物件是否對該機器人式運載工具造成一障礙或潛在障礙;及由該處理器決定對該機器人式運載工具造成一障礙或潛在障礙的一物件的一分類,其中該接近度閾值是基於以下各項中的一較大者的:基於該有效負荷的該分類來決定的該接近度閾值和針對對該機器人式運載工具造成一障礙或潛在障礙的該物件的該分類的一接近度閾值。
- 一種機器人式運載工具,包括:一或多個轉子;一或多個感測器; 一處理器,其耦合到該一或多個轉子與該一或多個感測器,其中該處理器經配置以進行以下操作:決定該機器人式運載工具是否攜帶一有效負荷;設置用於碰撞迴避的一接近度閾值,其中該接近度閾值係基於對於該機器人式運載工具是否攜帶該有效負荷的該決定;偵測鄰近該機器人式運載工具的一或多個物件;基於該偵測到的一或多個物件與該接近度閾值決定一路徑;以及控制該一或多個電動機以沿著該路徑導航該機器人式運載工具。
- 根據請求項18之機器人式運載工具,其中該處理器被配置以經由以下操作來設置用於碰撞迴避的該接近度閾值:回應於決定該機器人式運載工具沒有在攜帶一有效負荷,來將該接近度閾值從一第一值提高到高於該第一值的一第二值。
- 根據請求項18之機器人式運載工具,其中該處理器被配置以經由以下操作來設置用於碰撞迴避的該接近度閾值:回應於決定該機器人式運載工具正在攜帶一有效負荷,來將該接近度閾值從高於一第一值的一第二值降低到該第一值。
- 根據請求項18之機器人式運載工具,其中 該處理器被配置以經由以下操作來設置用於碰撞迴避的該接近度閾值:將該接近度閾值維持在一當前設置的值處。
- 根據請求項18之機器人式運載工具,其中該處理器被配置以經由以下操作來決定該機器人式運載工具是否攜帶一有效負荷:從一有效負荷感測器獲得資料,該有效負荷感測器被配置為偵測該機器人式運載工具是否正在攜帶一有效負荷;及基於所獲得的該資料決定該機器人式運載工具是否正在攜帶該有效負荷。
- 根據請求項22之機器人式運載工具,其中該處理器被配置以經由以下操作來決定該機器人式運載工具是否正在攜帶一有效負荷:將所獲得的該資料與先前收集的指示該機器人式運載工具正在攜帶一有效負荷的資料進行比較;回應於決定所獲得的該資料與先前收集的指示該機器人式運載工具正在攜帶一有效負荷的資料相匹配,來決定該機器人式運載工具攜帶一有效負荷;及回應於決定所獲得的該資料與該先前收集的指示該機器人式運載工具正在攜帶一有效負荷的資料不匹配,來決定該機器人式運載工具沒有攜帶一有效負荷。
- 根據請求項22之機器人式運載工具,其中該處理器被配置以經由以下操作來決定該機器人式運載工具是否正在攜帶一有效負荷:將所獲得的該資料與指示該機器人式運載工具正在攜帶一或多個有效負荷的預定參數進行比較;回應於決定所獲得的該資料與該等指示該機器人式運載工具正在攜帶一有效負荷的預定參數相匹配,來決定該機器人式運載工具攜帶一有效負荷;及回應於決定所獲得的該資料與該等指示該機器人式運載工具正在攜帶一有效負荷的預定參數不匹配,來決定該機器人式運載工具沒有攜帶一有效負荷。
- 根據請求項22之機器人式運載工具,其中該處理器被配置以經由以下操作來決定該機器人式運載工具是否正在攜帶一有效負荷:決定該機器人式運載工具攜帶多少有效負荷。
- 根據請求項18之機器人式運載工具,其中該處理器亦被配置以進行以下操作:從一或多個電動機獲得指示相應的一或多個電動機的一轉速的資料,以及基於相應的一或多個電動機的該轉速決定該機器人式運載工具是否正在攜帶一有效負荷。
- 根據請求項18之機器人式運載工具,其中 該處理器亦被配置以進行以下操作:回應於決定該機器人式運載工具攜帶一有效負荷,來決定該有效負荷的一分類;及其中該接近度閾值係基於該有效負荷的該分類。
- 根據請求項27之機器人式運載工具,其中該處理器亦被配置以進行以下操作:經由以下操作來決定該有效負荷的一分類:決定該有效負荷是否是一接近度敏感類的有效負荷,其中一接近度敏感類的有效負荷包括以下各項中的一項或多項:一相機、大於一預定跨距的轉子,或者比一預定數額更有價值的貨物或該機器人式運載工具的裝置;及其中經由以下操作來基於該有效負荷的該分類來將用於碰撞迴避的該接近度閾值設置為該值:回應於該有效負荷的該分類是該接近度敏感類的有效負荷,來增加或減小該接近度閾值。
- 一種用於在一機器人式運載工具中使用的處理設備,該處理設備被配置為:決定該機器人式運載工具是否攜帶一有效負荷;設置用於碰撞迴避的一接近度閾值,其中該接近度閾值係基於對於該機器人式運載工具是否攜帶該有效負荷的該決定; 偵測鄰近該機器人式運載工具的一或多個物件;基於該偵測到的一或多個物件與該接近度閾值決定一路徑;以及控制該機器人式運載工具的一或多個電動機以沿著該路徑導航該機器人式運載工具。
- 一種機器人式運載工具,包括:用於決定該機器人式運載工具是否攜帶一有效負荷的構件;用於設置用於碰撞迴避的一接近度閾值的構件,其中該接近度閾值係基於對於該機器人式運載工具是否攜帶該有效負荷的該決定;用於偵測鄰近該機器人式運載工具的一或多個物件的構件;用於基於該偵測到的一或多個物件與該接近度閾值決定一路徑的構件;以及用於控制該機器人式運載工具的一或多個電動機以沿著該路徑導航該機器人式運載工具的構件。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/860,897 US10720070B2 (en) | 2018-01-03 | 2018-01-03 | Adjustable object avoidance proximity threshold of a robotic vehicle based on presence of detected payload(s) |
US15/860,897 | 2018-01-03 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201939188A TW201939188A (zh) | 2019-10-01 |
TWI804538B true TWI804538B (zh) | 2023-06-11 |
Family
ID=64949421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107144445A TWI804538B (zh) | 2018-01-03 | 2018-12-11 | 基於偵測到的有效負荷的存在性的、機器人式運載工具的可調整的物件迴避接近度閾值 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10720070B2 (zh) |
EP (1) | EP3735622B1 (zh) |
CN (1) | CN111542794B (zh) |
ES (1) | ES2907503T3 (zh) |
TW (1) | TWI804538B (zh) |
WO (1) | WO2019135849A1 (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10203714B2 (en) * | 2016-09-29 | 2019-02-12 | Enel X North America, Inc. | Brown out prediction system including automated validation, estimation, and editing rules configuration engine |
US10566791B2 (en) | 2016-09-29 | 2020-02-18 | Enel X North America, Inc. | Automated validation, estimation, and editing processor |
US10298012B2 (en) | 2016-09-29 | 2019-05-21 | Enel X North America, Inc. | Network operations center including automated validation, estimation, and editing configuration engine |
US10170910B2 (en) * | 2016-09-29 | 2019-01-01 | Enel X North America, Inc. | Energy baselining system including automated validation, estimation, and editing rules configuration engine |
US10423186B2 (en) | 2016-09-29 | 2019-09-24 | Enel X North America, Inc. | Building control system including automated validation, estimation, and editing rules configuration engine |
US10291022B2 (en) | 2016-09-29 | 2019-05-14 | Enel X North America, Inc. | Apparatus and method for automated configuration of estimation rules in a network operations center |
US10461533B2 (en) | 2016-09-29 | 2019-10-29 | Enel X North America, Inc. | Apparatus and method for automated validation, estimation, and editing configuration |
US10717435B2 (en) | 2018-01-03 | 2020-07-21 | Qualcomm Incorporated | Adjustable object avoidance proximity threshold based on classification of detected objects |
US10803759B2 (en) | 2018-01-03 | 2020-10-13 | Qualcomm Incorporated | Adjustable object avoidance proximity threshold based on presence of propeller guard(s) |
US10636314B2 (en) | 2018-01-03 | 2020-04-28 | Qualcomm Incorporated | Adjusting flight parameters of an aerial robotic vehicle based on presence of propeller guard(s) |
US10719705B2 (en) | 2018-01-03 | 2020-07-21 | Qualcomm Incorporated | Adjustable object avoidance proximity threshold based on predictability of the environment |
CA3101027A1 (en) * | 2018-05-25 | 2019-11-28 | Emesent IP Pty Ltd | Mapping and control system for an aerial vehicle |
KR102587696B1 (ko) * | 2019-06-26 | 2023-10-10 | 가부시키가이샤 아이에이치아이 | 운전 제어 시스템 |
JP7503921B2 (ja) * | 2020-03-18 | 2024-06-21 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、およびプログラム |
JP7409264B2 (ja) * | 2020-08-27 | 2024-01-09 | トヨタ自動車株式会社 | 運搬システム、運搬方法、及びプログラム |
CN112051836B (zh) * | 2020-09-11 | 2021-09-24 | 江苏科技大学 | 基于多核模型的水下机器人推进器状态监测方法 |
WO2022140904A1 (zh) * | 2020-12-28 | 2022-07-07 | 深圳市大疆创新科技有限公司 | 一种无人飞行器的控制方法、无人飞行器及存储介质 |
EP4330943A1 (en) * | 2021-04-27 | 2024-03-06 | Skygrid, LLC | Updating airspace awareness for unmanned aerial vehicles |
CN114838736A (zh) * | 2022-04-29 | 2022-08-02 | 深圳优地科技有限公司 | 避障路径规划方法、装置、无人车和存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010135727A1 (en) * | 2009-05-22 | 2010-11-25 | Heliplane, Llc | Unmanned autogyro |
US20120025964A1 (en) * | 2010-07-27 | 2012-02-02 | Beggs Ryan P | Methods and apparatus to detect and warn proximate entities of interest |
US20150269847A1 (en) * | 2011-10-27 | 2015-09-24 | Gulfstream Aerospace Corporation | Systems for avoiding a collision between an aircraft on a ground surface and an obstacle |
US20160075332A1 (en) * | 2014-09-17 | 2016-03-17 | Magna Electronics Inc. | Vehicle collision avoidance system with enhanced pedestrian avoidance |
WO2016053194A1 (en) * | 2014-10-03 | 2016-04-07 | Infinium Robotics Pte Ltd | System for performing tasks in an operating region and method of controlling autonomous agents for performing tasks in the operating region |
CN106457569A (zh) * | 2014-04-10 | 2017-02-22 | 宽射咨询公司 | 机器人系统及操作机器人系统的方法 |
CN106462161A (zh) * | 2014-03-31 | 2017-02-22 | 美国iRobot公司 | 自主型移动机器人 |
US9609288B1 (en) * | 2015-12-31 | 2017-03-28 | Unmanned Innovation, Inc. | Unmanned aerial vehicle rooftop inspection system |
US9613539B1 (en) * | 2014-08-19 | 2017-04-04 | Amazon Technologies, Inc. | Damage avoidance system for unmanned aerial vehicle |
US20170267347A1 (en) * | 2015-10-14 | 2017-09-21 | Flirtey Holdings, Inc. | Package delivery mechanism in an unmanned aerial vehicle |
WO2017168423A1 (en) * | 2016-03-30 | 2017-10-05 | Aerialguard Ltd | System and method for autonomous guidance of vehicles |
Family Cites Families (79)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4809178A (en) * | 1986-05-22 | 1989-02-28 | Kabushiki Kaisha Toyota Chuo Kenkyusho | Obstacle data processing system for unmanned vehicle |
JPH0690584A (ja) * | 1992-09-08 | 1994-03-29 | Mitsubishi Electric Corp | 電動機のトルク制御装置 |
US5979824A (en) | 1997-04-04 | 1999-11-09 | Gagliano; Christopher | Stabilizer fins-inverted for aircraft |
JP3869108B2 (ja) * | 1998-02-23 | 2007-01-17 | 株式会社小松製作所 | 無人車両の干渉予測装置および無人車両の誘導走行方法 |
US6270038B1 (en) | 1999-04-22 | 2001-08-07 | Sikorsky Aircraft Corporation | Unmanned aerial vehicle with counter-rotating ducted rotors and shrouded pusher-prop |
US7335071B1 (en) | 2001-07-05 | 2008-02-26 | Maruta Electric Boatworks Llc | Electronic shut off systems |
KR100412674B1 (ko) | 2001-09-11 | 2003-12-31 | 현대자동차주식회사 | 적응형 차량 안전 거리 산출을 위한 타이어-노면 마찰계수 추정 방법 |
JP2003157479A (ja) * | 2001-11-19 | 2003-05-30 | Mazda Motor Corp | 車両用自動通報装置 |
JP3959718B2 (ja) * | 2002-12-03 | 2007-08-15 | 株式会社デンソー | 車両用歩行者衝突検出装置 |
JP4051623B2 (ja) * | 2003-02-26 | 2008-02-27 | アイシン精機株式会社 | 車両危険度に応じた警報信号を出力する警報装置 |
JP2005172484A (ja) * | 2003-12-09 | 2005-06-30 | Tachi S Co Ltd | 車両用シートの荷重判別方法およびその荷重判別装置 |
JP4839584B2 (ja) * | 2004-07-28 | 2011-12-21 | アイシン精機株式会社 | 乗員重量計測装置 |
US7658346B2 (en) | 2005-02-25 | 2010-02-09 | Honeywell International Inc. | Double ducted hovering air-vehicle |
JP4533787B2 (ja) * | 2005-04-11 | 2010-09-01 | フィグラ株式会社 | 作業ロボット |
JP2006292624A (ja) * | 2005-04-13 | 2006-10-26 | Toyota Motor Corp | 歩行者衝突判定装置 |
US7946528B2 (en) | 2005-04-15 | 2011-05-24 | Urban Aeronautics, Ltd. | Flight control system especially suited for VTOL vehicles |
US20070080793A1 (en) * | 2005-10-11 | 2007-04-12 | Blase Gaynell L | Auto brake alert |
US8103438B2 (en) | 2007-09-26 | 2012-01-24 | Trimble Navigation Limited | Method and system for automatically directing traffic on a site |
US8322648B2 (en) | 2008-05-15 | 2012-12-04 | Aeryon Labs Inc. | Hovering aerial vehicle with removable rotor arm assemblies |
US9043052B2 (en) | 2008-05-27 | 2015-05-26 | Wilfred So | System and method for multiple vehicles moving a common payload |
KR101048098B1 (ko) | 2008-09-03 | 2011-07-11 | 한국과학기술원 | 로봇의 경로계획 장치 및 방법 |
US8543265B2 (en) | 2008-10-20 | 2013-09-24 | Honeywell International Inc. | Systems and methods for unmanned aerial vehicle navigation |
ATE545924T1 (de) | 2008-11-04 | 2012-03-15 | Saab Ab | Vermeidungsmanöver-generator für ein flugzeug |
US8698612B2 (en) | 2009-01-05 | 2014-04-15 | Gordon Toll | Apparatus and method for defining a safety zone using a radiation source for a vehicle |
EP2504227A4 (en) | 2009-11-25 | 2015-09-09 | Aerovironment Inc | AUTOMATIC CONFIGURATION CONTROL OF A DEVICE |
GB2483881B (en) | 2010-09-22 | 2017-04-26 | Irps Thomas | A dual-function landing gear and rotor protector for a UAV |
US9511751B2 (en) * | 2011-07-22 | 2016-12-06 | GM Global Technology Operations LLC | Object identification and active safety control for vehicles |
US8761991B1 (en) | 2012-04-09 | 2014-06-24 | Google Inc. | Use of uncertainty regarding observations of traffic intersections to modify behavior of a vehicle |
WO2014027945A1 (en) | 2012-08-14 | 2014-02-20 | Husqvarna Ab | Mower with object detection system |
US9139383B2 (en) * | 2012-09-13 | 2015-09-22 | Translogic Corporation | Control of pneumatic carrier system based on carrier or payload identification |
US9633565B2 (en) | 2012-11-15 | 2017-04-25 | GM Global Technology Operations LLC | Active safety system and method for operating the same |
US20160247115A1 (en) | 2013-07-02 | 2016-08-25 | Jasper Mason PONS | Airborne scanning system and method |
DE202013006196U1 (de) | 2013-07-09 | 2014-10-13 | GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) | Fahrerassistenzsystem für ein Kraftfahrzeug und Kraftfahrzeug |
JP6175379B2 (ja) * | 2014-02-19 | 2017-08-02 | 日立建機株式会社 | 電気駆動鉱山ダンプトラック、及びその操作ガイド方法 |
JP2015168386A (ja) * | 2014-03-10 | 2015-09-28 | トヨタ自動車株式会社 | 歩行者衝突判定装置 |
FR3020763B1 (fr) | 2014-05-06 | 2016-06-03 | Parrot | Drone a voilure tournante de type quadricoptere, pourvu de pare-chocs amovibles de protection des helices |
US9875661B2 (en) | 2014-05-10 | 2018-01-23 | Aurora Flight Sciences Corporation | Dynamic collision-avoidance system and method |
US20160016664A1 (en) | 2014-07-19 | 2016-01-21 | Umm Al-Qura University | Unmanned aerial delivery device |
US10561956B2 (en) | 2014-07-25 | 2020-02-18 | University Of Kansas | Moveable member bearing aerial vehicles and methods of use |
US10780988B2 (en) | 2014-08-11 | 2020-09-22 | Amazon Technologies, Inc. | Propeller safety for automated aerial vehicles |
CA2971747C (en) * | 2014-12-24 | 2022-03-01 | Cqms Pty Ltd | A system and method of calculating a payload weight |
US10563379B2 (en) * | 2014-12-24 | 2020-02-18 | Cqms Pty Ltd | System and method of identifying a payload destination |
JP6126573B2 (ja) | 2014-12-25 | 2017-05-10 | 本田技研工業株式会社 | 衝突回避支援装置 |
US20160200437A1 (en) | 2015-01-12 | 2016-07-14 | Mark Andrew Ryan | Tethered Flight Control System for Small Unmanned Aircraft |
GB201509509D0 (en) | 2015-06-01 | 2015-07-15 | Imp Innovations Ltd | Aerial devices capable of controlled flight |
CN205989812U (zh) | 2015-06-25 | 2017-03-01 | 瑞德利斯技术公司 | 多旋翼无人机 |
CN204776022U (zh) | 2015-07-03 | 2015-11-18 | 安徽泽众安全科技有限公司 | 旋翼飞行器可拆卸防护装置 |
US9927807B1 (en) * | 2015-07-13 | 2018-03-27 | ANRA Technologies, LLC | Command and control of unmanned vehicles using cellular and IP mesh technologies for data convergence |
US10586464B2 (en) | 2015-07-29 | 2020-03-10 | Warren F. LeBlanc | Unmanned aerial vehicles |
US20170043869A1 (en) | 2015-08-11 | 2017-02-16 | Intellitrax, Inc. | Protection element and device for camera drone |
WO2017035590A1 (en) * | 2015-09-03 | 2017-03-09 | Commonwealth Scientific And Industrial Research Organisation | Unmanned aerial vehicle control techniques |
US10019907B2 (en) | 2015-09-11 | 2018-07-10 | Qualcomm Incorporated | Unmanned aerial vehicle obstacle detection and avoidance |
KR101585650B1 (ko) | 2015-09-11 | 2016-01-14 | 주식회사 나라항공기술 | 무인 비행체 보호 장치와 그의 장애물 감지 및 회피 방법 |
US20170158320A1 (en) | 2015-09-20 | 2017-06-08 | Daniel Bosch | Unmanned aerial system |
US10139828B2 (en) | 2015-09-24 | 2018-11-27 | Uber Technologies, Inc. | Autonomous vehicle operated with safety augmentation |
US9421869B1 (en) | 2015-09-25 | 2016-08-23 | Amazon Technologies, Inc. | Deployment and adjustment of airborne unmanned aerial vehicles |
US20180297695A1 (en) | 2015-10-16 | 2018-10-18 | 4Front Robotics Ltd. | Rotary wing aircraft |
EP3368957B1 (en) * | 2015-10-30 | 2022-02-09 | SZ DJI Technology Co., Ltd. | Systems and methods for uav path planning and control |
US10496766B2 (en) | 2015-11-05 | 2019-12-03 | Zoox, Inc. | Simulation system and methods for autonomous vehicles |
JPWO2017086234A1 (ja) | 2015-11-20 | 2017-12-28 | 株式会社プロドローン | 無人航空機 |
US9914538B2 (en) | 2015-11-20 | 2018-03-13 | ZEROTECH (Shenzhen) Intelligence Robot Co., Ltd. | Rotor shrouding apparatus, supporting assembly, and unmanned aerial vehicle using the same |
US10242455B2 (en) | 2015-12-18 | 2019-03-26 | Iris Automation, Inc. | Systems and methods for generating a 3D world model using velocity data of a vehicle |
WO2017120571A1 (en) | 2016-01-08 | 2017-07-13 | Pictometry International Corp. | Systems and methods for taking, processing, retrieving, and displaying images from unmanned aerial vehicles |
US9632507B1 (en) | 2016-01-29 | 2017-04-25 | Meritor Wabco Vehicle Control Systems | System and method for adjusting vehicle platoon distances based on predicted external perturbations |
CN107170298A (zh) * | 2016-03-07 | 2017-09-15 | 群光电子股份有限公司 | 无人飞行器的防碰撞系统及其方法 |
US20170267234A1 (en) * | 2016-03-18 | 2017-09-21 | Soterea, Inc. | Systems and methods for providing collision avoidance or mitigation |
US9969495B2 (en) | 2016-04-29 | 2018-05-15 | United Parcel Service Of America, Inc. | Unmanned aerial vehicle pick-up and delivery systems |
US20170323256A1 (en) | 2016-05-06 | 2017-11-09 | Elwha Llc | Systems and methods for adjusting freight charges for an unmanned aerial vehicle |
US10362392B2 (en) * | 2016-05-18 | 2019-07-23 | Georgia Tech Research Corporation | Aerial acoustic sensing, acoustic sensing payload and aerial vehicle including the same |
CN106044281B (zh) * | 2016-07-08 | 2019-05-10 | 长沙理工大学 | 一种包装箱自动装车系统及装车方法 |
CN106240811A (zh) | 2016-08-18 | 2016-12-21 | 上海未来伙伴机器人有限公司 | 无人机安全防护装置以及无人机安全防护方法 |
CN106347656A (zh) | 2016-10-31 | 2017-01-25 | 上海未来伙伴机器人有限公司 | 一种可拆卸螺旋桨保护罩 |
US10328934B2 (en) | 2017-03-20 | 2019-06-25 | GM Global Technology Operations LLC | Temporal data associations for operating autonomous vehicles |
US20180290748A1 (en) | 2017-04-03 | 2018-10-11 | Versatol, Llc | Autonomous in-tunnel intelligence, surveillance, and reconnaissance drone |
US10803759B2 (en) | 2018-01-03 | 2020-10-13 | Qualcomm Incorporated | Adjustable object avoidance proximity threshold based on presence of propeller guard(s) |
US10719705B2 (en) | 2018-01-03 | 2020-07-21 | Qualcomm Incorporated | Adjustable object avoidance proximity threshold based on predictability of the environment |
US10636314B2 (en) | 2018-01-03 | 2020-04-28 | Qualcomm Incorporated | Adjusting flight parameters of an aerial robotic vehicle based on presence of propeller guard(s) |
US10717435B2 (en) | 2018-01-03 | 2020-07-21 | Qualcomm Incorporated | Adjustable object avoidance proximity threshold based on classification of detected objects |
US10766610B2 (en) | 2018-01-22 | 2020-09-08 | Mattel, Inc. | Unmanned aerial vehicle with propeller guard |
-
2018
- 2018-01-03 US US15/860,897 patent/US10720070B2/en active Active
- 2018-12-04 WO PCT/US2018/063760 patent/WO2019135849A1/en unknown
- 2018-12-04 EP EP18830072.7A patent/EP3735622B1/en active Active
- 2018-12-04 ES ES18830072T patent/ES2907503T3/es active Active
- 2018-12-04 CN CN201880085036.0A patent/CN111542794B/zh active Active
- 2018-12-11 TW TW107144445A patent/TWI804538B/zh active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010135727A1 (en) * | 2009-05-22 | 2010-11-25 | Heliplane, Llc | Unmanned autogyro |
US20120025964A1 (en) * | 2010-07-27 | 2012-02-02 | Beggs Ryan P | Methods and apparatus to detect and warn proximate entities of interest |
US20150269847A1 (en) * | 2011-10-27 | 2015-09-24 | Gulfstream Aerospace Corporation | Systems for avoiding a collision between an aircraft on a ground surface and an obstacle |
CN106462161A (zh) * | 2014-03-31 | 2017-02-22 | 美国iRobot公司 | 自主型移动机器人 |
CN106457569A (zh) * | 2014-04-10 | 2017-02-22 | 宽射咨询公司 | 机器人系统及操作机器人系统的方法 |
US9613539B1 (en) * | 2014-08-19 | 2017-04-04 | Amazon Technologies, Inc. | Damage avoidance system for unmanned aerial vehicle |
US20160075332A1 (en) * | 2014-09-17 | 2016-03-17 | Magna Electronics Inc. | Vehicle collision avoidance system with enhanced pedestrian avoidance |
WO2016053194A1 (en) * | 2014-10-03 | 2016-04-07 | Infinium Robotics Pte Ltd | System for performing tasks in an operating region and method of controlling autonomous agents for performing tasks in the operating region |
US20170267347A1 (en) * | 2015-10-14 | 2017-09-21 | Flirtey Holdings, Inc. | Package delivery mechanism in an unmanned aerial vehicle |
US9609288B1 (en) * | 2015-12-31 | 2017-03-28 | Unmanned Innovation, Inc. | Unmanned aerial vehicle rooftop inspection system |
WO2017168423A1 (en) * | 2016-03-30 | 2017-10-05 | Aerialguard Ltd | System and method for autonomous guidance of vehicles |
Also Published As
Publication number | Publication date |
---|---|
CN111542794A (zh) | 2020-08-14 |
ES2907503T3 (es) | 2022-04-25 |
US20190206268A1 (en) | 2019-07-04 |
TW201939188A (zh) | 2019-10-01 |
EP3735622B1 (en) | 2022-01-26 |
CN111542794B (zh) | 2023-06-30 |
US10720070B2 (en) | 2020-07-21 |
EP3735622A1 (en) | 2020-11-11 |
WO2019135849A1 (en) | 2019-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI804538B (zh) | 基於偵測到的有效負荷的存在性的、機器人式運載工具的可調整的物件迴避接近度閾值 | |
EP3735621B1 (en) | Adjustable object avoidance proximity threshold based on classification of detected objects | |
TWI817962B (zh) | 基於環境的可預測性的可調整的物件避開接近度閾值的方法、機器人式運載工具及處理設備 | |
TWI817961B (zh) | 具有可調整的物件避開接近度閥值的空中機器人式運載工具及用於其之方法和處理設備 | |
TWI731283B (zh) | 空中機器人式運載工具、處理設備及其操作方法 | |
US20190072985A1 (en) | Personal Security Robotic Vehicle | |
CN111801717A (zh) | 机器人式运载工具的自动探索控制 | |
TW201931333A (zh) | 機器車輛之碰撞管理 | |
US20190066522A1 (en) | Controlling Landings of an Aerial Robotic Vehicle Using Three-Dimensional Terrain Maps Generated Using Visual-Inertial Odometry |