用于控制机器人和/或自主无人驾驶运输系统的方法技术方案

本发明专利技术涉及一种用于控制机器人和/或自主无人驾驶运输系统的方法，该方法以基于传感器的对象识别为基础。在此，基于待识别对象的2D表面轮廓生成2D表面轮廓的点对特征。借助于距离传感器来检测环境的点云，并且推测出每个点的表面法线，并且相应地生成环境的点对特征。在投票方法中，将环境特征与模型特征进行比较，以便高效地生成姿态假设，然后在接下来的步骤中对姿态假设进行优化和一致性检查，以便最终作为探测被接受或拒绝。

【技术实现步骤摘要】
【国外来华专利技术】用于控制机器人和/或自主无人驾驶运输系统的方法
本专利技术涉及一种用于控制机器人和/或自主无人驾驶运输系统的方法以及一种相应的运输系统。
技术介绍
根据现有技术已知各种借助于传感器来识别对象的装置和方法。这种基于传感器的对象识别可以应用于各种用途。例如，在批量生产过程中可以自动地检查所制造的零件的某些特征，以探测偏差或缺陷。基于传感器的对象识别对于诸如工业机器人之类的操纵器而言也是有用的，例如能够借助于操纵器自动地抓取或处理对象。在对自主无人驾驶运输系统的控制中，安全的、基于传感器的对象识别也是重要的。在这里，这种对象识别例如可以用于在物流场景中查找要运输的货物，或者能够有针对性地和自主地操控对象。由专利文献DE102014211948已知一种光学检查系统，通过该系统可以检查所制造的对象(例如构件)的偏差和缺陷。例如，将相机用于对象识别，其负责提供待识别对象的三维点云。这种点云是体积对象(Volumenobjekts)表面上的一组三维的点，并且例如也可以由CAD体积模型导出。为了能够识别环境中的对象，将相机所提供的三维点云与之前已知的点云模板进行比较，以便能够识别例如事先存储的对象。由BertramDrost等人发表的文献“全球模型，本地匹配：3D对象识别的有效性和鲁棒性(ModelGlobally,MatchLocally:EfficientandRobust3DObjectRecognition)”同样已知一种基于传感器地识别三维对象的方法。在该现有的方法中，同样生成三维点云，并且点云表面上的每两个点联合成点对特征(Punktpaar-Features)。这些点对特征由所选出的两个点的某些几何参数形成，例如，这两个所选出的点之间的距离，和法线与这两点之间的距离线的角度。但是这种方法是相对昂贵的，因为其除此之外还以三维图像处理为先决条件，并且必须考虑大量的点对特征。另外，关于是否接受或拒绝探测假设(Detektionshypothese)的最终判断仅仅是基于一种投票和聚类方法，这对于本专利技术的应用场景来说被认为是不够稳健的。
技术实现思路
因此，本专利技术的目的在于提出一种更好的用于控制机器人和/或自主无人驾驶运输系统的方法，利用该方法能够以尽可能少的费用更安全和更容易地识别对象，以便能够实现合适的操控。本专利技术还提出了一种用于判断是否接受或拒绝探测假设的新方法。该方法在考虑到测量过程的物理和几何特性的情况下检查探测假设是否与所获取的测量数据一致。此外，这里所给出的投票方法不同于Drost等人在上述出版物中提出的方法。本专利技术的目的通过一种根据权利要求1所述的用于控制机器人和/或自主式无人驾驶运输系统的方法以及一种根据权利要求16所述的相应的运输系统来实现。上述目的特别是通过一种用于控制机器人和/或自主无人驾驶运输系统的方法来实现，通过这种方法能够更好地进行基于传感器的对象识别。在第一步骤中，以2D表面轮廓的形式提供待识别对象的对象模型。这可以优选通过手动或自动处理待识别对象的CAD模型来完成。例如，对象模型可以是具有限定的内部和外部的几何图元(Primitiven)(例如圆形、多边形等)的集合。因此，对象模型有利地相应于将待识别对象缩小到一代表，该代表例如能够被随后待使用的传感器识别。例如，这在水平地安装有2D激光扫描仪的情况下可以是对象在激光扫描仪的高度上的水平截面。另外优选地，针对对象的对象模型提供任意限定的对象参考姿态，该对象参考姿态例如可以但并非必须相应于在CAD模型中所使用的方位为0的坐标原点。呈2D表面轮廓形式的对象模型可以例如存储在数据库中，该数据库例如能够被远程设置，或者与远程设置的数据库同步，因此该数据库能够向很多用户或应用程序提供数据。例如，如果该方法与自主无人驾驶运输系统结合使用，则运输系统或运输系统的控制装置例如能够无线地访问例如位于计算中心的数据库并查询所需要的数据。通过这种方式，可以使多个运输系统访问相同的数据，这大大简化了例如所用数据的更新。例如，通过在对象模型的二维表面轮廓(或二维轮廓)上以可配置的、有规律的间隔来放置点(模型点)的方式，基于对象模型来创建模型点云。这些点中的每一个都与一表面法线相关联，该表面法线相应于在该位置处的2D表面轮廓的表面法线。模型点云相应于这样创建的定向点的集合。在下一个步骤中，基于模型点云(即，基于2D表面轮廓)形成点对特征。为此需要例如考虑模型点的所有可能的点对的子集。这个子集例如可以随机地或系统地被选择。为这个子集的每一个点对形成一个点对特征f＝(d12，α1，α2)。在此，点对特征至少基于点对的点P1和P2之间的距离d12和每个点的表面法线相对于两个点之间的距离线的两个角度α1和α2。因此，根据待识别对象的复杂性而定，例如可以形成2D表面轮廓的数千个或数万个点对特征。此外，在点对特征的基础上优选如下地对应(zugeordnet)特征姿态：限定一个点M，其例如位于点对的点之间的连线的中间。此外，在M与该点对中的一个点之间限定一方向矢量。该特征姿态的位置分量为该点M，该特征姿态的方向分量为该方向矢量的方向。此外，针对每个点对特征还限定了待识别对象相对于特征姿态的相对的对象姿态(即，对象参考姿态)。通过这种方式将待识别对象的2D表面轮廓的点对特征(在本文中也被称为“模型特征”)与相对的对象姿态关联起来。可选地，模型特征(包括相对的对象姿态)也可以被预先计算，并如同2D表面轮廓一样存储在数据库中，该数据库例如可以被远程设置或者可以与远程设置的数据库同步。在下一步骤中，借助于距离传感器检测环境的至少一个2D点云(环境点云)，并形成相应的所检测到的环境的2D点云的点对特征，即，这种点对特征类似于模型特征地被形成。类似于点对特征，为每个点估计一表面法线。因此，环境点云例如由被定向的点的集合组成。原则上，距离传感器优选为激光扫描仪，并且最优选为2D激光扫描仪。将由此形成的环境的2D点云的点对特征与2D表面轮廓的点对特征(模型特征)进行比较，并确定相似的点对特征。然后，在被确定为相似的点对特征的基础上，优选根据投票法确定是否已经识别出了待识别的对象，并相应地操控机器人和/或自主无人驾驶运输系统以便例如抓住或驶向所识别的对象。比较点对特征的这一步骤优选地包括：基于被确定为相似的点对特征，确定待识别对象的姿态假设(Posenhypothesen)。例如，基于环境点云或者说基于在环境点云基础上所形成的点对特征，在投票法的过程中生成关于待识别对象的姿态的假设(所谓的姿态假设)。投票法可以优选如下地进行：在第一步骤中产生或确定环境的2D点云的点对特征，这些点对特征全部恰好以一个点(基准点)为出发点。为此，例如，选出环境点云的一个子集，并且该子集的每个点都作为基准点参与到投票法中，以便生成姿态假设。各个基准点在此优选与环境点云的其它的点配对，并以与用于比较的模型点云的点对特征相同的方式为每个这样的点对计算点对特征。在下文中这些点对特征也被称为环境特征。但是，与模型特征相反，该环境特征与相对的对象姿态无关，因为确定对象姿态恰恰是投票方法的目标。为此，为每个以投票方法生成的环境特征搜索类似的模型特征，并为每个所找到的类似的模型特征确定一变换关系，其能够将模型特征的特征本文档来自技高网...

【技术保护点】
一种用于控制机器人和/或自主无人驾驶运输系统(10)的方法，该方法包括以下步骤：‑以2D表面轮廓的形式提供待识别对象的对象模型；‑基于所述2D表面轮廓形成点对特征，其中，所述点对特征至少基于一个点对的两个点(P1，P2)之间的距离(d12)和每个所述点(P1，P2)的法线(n1，n2)相对于所述两个点(P1，P2)之间的距离线的两个角度(α1，α2)；‑借助于距离传感器(20)检测环境的至少一个2D点云，并形成所检测到的环境的2D点云的相应的点对特征；‑将所述2D表面轮廓的点对特征与所述环境的2D点云的点对特征进行比较，并确定相似的点对特征；和‑基于被确定为相似的点对特征：确定所述待识别对象(31，32，33，34)是否已经被识别，并且‑操控所述机器人和/或自主无人驾驶运输系统(10)。

【技术特征摘要】
【国外来华专利技术】2015.07.10 DE 102015212932.21.一种用于控制机器人和/或自主无人驾驶运输系统(10)的方法，该方法包括以下步骤：-以2D表面轮廓的形式提供待识别对象的对象模型；-基于所述2D表面轮廓形成点对特征，其中，所述点对特征至少基于一个点对的两个点(P1，P2)之间的距离(d12)和每个所述点(P1，P2)的法线(n1，n2)相对于所述两个点(P1，P2)之间的距离线的两个角度(α1，α2)；-借助于距离传感器(20)检测环境的至少一个2D点云，并形成所检测到的环境的2D点云的相应的点对特征；-将所述2D表面轮廓的点对特征与所述环境的2D点云的点对特征进行比较，并确定相似的点对特征；和-基于被确定为相似的点对特征：确定所述待识别对象(31，32，33，34)是否已经被识别，并且-操控所述机器人和/或自主无人驾驶运输系统(10)。2.根据权利要求1所述的用于控制机器人和/或自主无人驾驶运输系统(10)的方法，其中，所述2D表面轮廓的点对特征分别对应一个特征姿态，该特征姿态将各个点对特征与所述待识别对象的相对的姿态相关联。3.根据权利要求1或2所述的用于控制机器人和/或自主无人驾驶运输系统(10)的方法，其中，比较所述点对特征的步骤还包括：根据被确定为相似的点对特征，确定所述待识别对象的姿态假设。4.根据权利要求3所述的用于控制机器人和/或自主无人驾驶运输系统(10)的方法，其中，确定姿态假设包括：将所述2D表面轮廓的点对特征的特征姿态变换为所述环境的2D点云的点对特征的特征姿态。5.根据权利要求3或4所述的用于控制机器人和/或自主无人驾驶运输系统(10)的方法，还包括以下步骤：将所述姿态假设记入到投票网格中，所述投票网格优选被实现为散列表；并且选出至少一个姿态假设。6.根据权利要求5所述的用于控制机器人和/或自主无人驾驶运输系统(10)的方法，其中，所述至少一个姿态假设是从具有最多数量的所记入的姿态假设的网格单元中选出的。7.根据权利要求6所述的用于控制机器人和/或自主无人驾驶运输系统(10)的方法，其中，基于所选出的姿态假设来确定是否已识别出所述待识别对象，并且同一投票网格中的其他姿态假设不予考虑。8.根据权利要求5至7中任一项所述的用于控制机器人和/或自主无人驾驶运输系统(10)的方法，其中，被记入所述投票网格中的姿态假设以所述环境的2D点云的全部从正好一个点出发的点对特征为基础。9.根据权利要求8所述的用于控制机器人和/或自主无人驾驶运输系统(10)的方法，还包括以下步骤：确定姿态假设，所述姿态假设基于所述环境的2D点云的从另一个点出发的点对特征；并重复投票方法。10.根据前面权利要求中任一项所述的用于控制机器人和/或自主无人驾驶运输系统(10)的方法，其中，比较所述点对特征的步骤还包括：根据被确定为相似的点对特征来确定所述待识别对象的姿态假设，并且使用迭代最近点(IPC)算法对所确定的姿态假设进行优化。11.根据前面权利要求中任一项所述的用于控制机器人和/或自主无人驾驶运输系统(10...

【专利技术属性】
技术研发人员：D·约霍，D·迈耶德利乌斯，
申请(专利权)人：库卡罗伯特有限公司，
类型：发明
国别省市：德国,DE