用于在定位平面中定位机器人的方法技术

本发明专利技术涉一种用于在与具有x和y两个轴的二维参考相关联的定位平面中定位机器人的方法，所述方法包括以下步骤：通过测距来确定(200)机器人的坐标x1和y1的估计以及机器人的取向Θ1的估计；通过使用虚拟罗盘来确定(202)机器人的取向的估计Θ2；通过使参考全景的部分与查询全景的部分相关来确定(204)机器人的取向的估计Θ3；通过使用迭代最近点技术来确定(206)机器人位置的估计x4、y4；确定前述估计的标准偏差σ_x1、σ_x2、σ_θ1、σ_θ2、σ_θ3、σ_x4、σ_y4；使用所述标准偏差来确定(220)每种可用的估计的概率分布G(x1)、G(y1)、G(Θ1)、G(Θ2)、G(Θ3)、G(x4)和G(y4)；确定(221)三个全局分布GLOB(x)、GLOB(y)和GLOB(Θ)并且通过将最大似然应用于全局分布来确定定位平面中的机器人的坐标的全局估计xg、yg以及机器人的取向的全局估计Θg。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及用于在定位平面中定位机器人的方法，并且特别但不唯一地适用于导航技术或机器人学。
技术介绍
导航和定位是机器人学的关键性问题，由于其是人与机器人之间合作的实质方面。在诸如公寓之类的人类居住的环境下，由于附加的复杂性，挑战更高。人形机器人由于它们的方面和可能性特别适应于人类环境。然而，它们存在特定的约束：行走使它们比例如轮式机器人前进更加缓慢、更加难以预测。它们能够通过执行对于标准机器人更难的动作(例如，扭头向四周看、跨越障碍物等)来弥补一些它们的限制。若干方法已经存在用于给机器人提供导航系统。在法国专利申请号1353295中，已经提出了一种用于测量并改正机器人在航向角方面的漂移的方法。这允许机器人在直线上行走或执行比开环行走准确度高得多的旋转。此处的目的在于给绝对定位的解决方案提供至少定性或部分度量的信息。机器人最丰富的传感器是单眼彩色相机。直接执行度量视觉同步定位与地图构建(SLAM)不是好主意：测距不够可靠，并且由于行走期间的运动模糊、有限的相机视场以及机器人的高度而使得准确追踪关键点非常困难。这暗示了如果我们不想用关于环境的大量假设(例如，预先构建的3D图)来弥补这些缺点，那么拓扑结构的定性表示更加适合。
技术实现思路
本专利技术涉及用于在与具有x和y两个轴的二维参考相关联的定位平面中定位机器人的方法，其包括以下步骤：-通过测距来确定定位平面中的机器人的坐标x1和y1的估计以及机器人相对于参考方向的取向θ1的估计；-通过使用识别感兴趣的至少两对点的虚拟罗盘来确定机器人的取向的估计θ2。在参考全景中识别每对的第一点并且在查询全景中识别每对的第二点，该步骤用θ1进行初始化；-通过使参考全景的部分与查询全景的部分相关并且通过识别何时此相关最大化来确定机器人的取向的估计θ3，该步骤用取向的先前估计的其中之一进行初始化；-通过使用迭代最近点技术来确定定位地点中的机器人位置的估计x4、y4，该步骤用x1和y1进行初始化；-确定前述估计的标准偏差σ_x1、σ_x2、σ_θ1、σ_θ2、σ_θ3、σ_x4、σ_y4；-使用所述标准偏差来确定每种可用的估计的概率分布G(x1)、G(y1)、G(θ1)、G(θ2)、G(θ3)、G(x4)、和G(y4)；-通过结合所述高斯概率分布来分别为沿着x和y轴的坐标以及机器人的取向θ确定三个全局分布GLOB(x)、GLOB(y)和GLOB(θ)，并且通过将最大似然的方法应用于全局分布来确定定位平面中的机器人的坐标的全局估计xg、yg以及其取向的全局估计θg。作为示例，只在由给定步骤提供的估计被认为是可靠的情况下才由后续步骤来使用由所述给定步骤提供的估计。作为示例，当估计的标准偏差比预定阈值低时，估计被认为是可靠的。作为示例，概率分布G(x1)、G(y1)、G(θ1)、G(θ2)、G(θ3)、G(x4)和G(y4)是高斯概率分布。作为示例，如下获得全局概率分布：GLOB(x)＝G(x1)×G(x4)GLOB(y)＝G(y1)×G(y4)GLOB(θ)＝G(θ1)×G(θ2)×G(θ3)作为示例，基于在图像的两个金字塔结构上执行的图像模板匹配来估计θ3的值，通过使用若干缩放步骤缩减单一参考图像的比例来由单一参考图像生成图像的第一金字塔结构，通过使用若干缩放步骤缩减单一查询图像的比例来由单一查询图像生成图像的第二金字塔结构。本专利技术还涉及人形机器人，其至少包括：-至少一个图像提取器；-适于实施根据所附权利要求中的一项所述的方法的处理能力。作为示例，人形机器人包括2DRGB相机以便于构造包括至少一个参考图像的查询全景。作为示例，人形机器人包括3D传感器，3D传感器用于计算点云以便于实施迭代最近点技术。本专利技术还涉及存储在计算机可读介质上的计算机程序产品，计算机程序产品包括用于使计算机实施上述方法的代码模块。附图说明根据结合附图的以下具体实施方式，可以得到对本专利技术的实施例的更好的理解，在附图中：-图1给出了参考全景的示例，所述参考全景可以用作根据本专利技术的方法的输入；-图2是用于定位机器人的方法的图示；-图3示出了分别属于参考图像和查询图像的两个模板的示例；-图4给出了图像的两个金字塔结构的示例；-图5显示了本专利技术的多个实施例中的人形机器人的物理架构。具体实施方式图1给出了参考全景的示例，所述参考全景可以用作根据本专利技术的方法的输入。如已经提到的，本专利技术涉及用于定位移动元件(例如机器人)的方法。该方法至少与参考全景100进行比较来定位机器人，参考全景100由多个RGB(红-绿-蓝)图像和/或3D图像组成。机器人104由于两个轴参考101、102而位于水平平面中。该参考的原点O对应于参考全景的中心。另外，可以与参考方向103进行比较从而估计机器人的取向θ。至少还有查询全景用于定位过程并且查询全景可以由较小组的图像组成。查询全景由在定位过程的时间所采集到的至少一个图像组成。图2是根据本专利技术的方法的图示。该方法使用与步骤200、202、204、206相对应的一组基本定位技术。本专利技术的关键方面在于分等级地组织对这些定位技术的使用。这意味着首先应用较不复杂且较不可靠的定位技术200。后续的定位步骤202、204、206继而是更加复杂且可靠的步骤。该分等级的组织允许降低整体运算复杂度以及误报率(falsepositiverate)。出于此目的，由每个步骤提供的估计的定位信息被用于供给接下来的步骤并且被用作初步假设。继而使用基于概率表示的一般方法来结合由每个步骤提供的估计的定位数据。更确切地说，第一估计步骤200基于测距来实施定位。该技术基于机器人位置传感器，机器人位置传感器整合机器人的位移以便于估计其位置。在单独使用时，该技术可能遭受高估计漂移。这主要是因为测距传感器不会考虑到诸如湿滑的地面或凸块之类的缺省。该估计200的结果为：·x1：x定位坐标的估计；·y1：y定位坐标的估计；·θ1：角度θ的估计。当这些中间结果可供使用时，估计201它们的不确定性。出于此目的，可以使用x1、y1和θ1估计的标准偏差σ_x1、σ_y1、σ_θ1。在优选实施例中，在估计的标准偏差低于预定阈值时，估计被认为是可靠的。作为示例，如果漂移(实验评估的)等于百分之五并且机器人沿着x轴行走了一米，那么沿着x轴的标准偏差σ_x1将等于五厘米。如果预定阈值等于6厘米，那么x1估计被认为是可靠的。在一个实施例中，仅在x1、y1和θ1被认为是可靠时发送x1、y1和θ1以供步骤202、204、206使用。步骤202实施了虚拟罗盘，虚拟罗盘提供机器人的取向的估计θ2。出于此目的，使用了嵌入在机器人上的2DRGB相机。在法国专利申请号1353295中描述了该技术。出于此目的，将一个或多个图像与一组参考图像(即，参考全景)进行比较以便于计算出机器人的theta取向。该技术允许估计相对于参考方向的角度偏差，即theta角。出于此目的，使用了代表参考方向的参考图像。继而，加载代表机器人的当前取向的当前图像。继而在这两个图像中识别多个感兴趣的点。继而识别了至少两对感兴趣的点。通过在当前图像中搜索所识别的第一感兴趣的点并且通过在其对应的参考图像中搜索第二感兴趣的点来得到这样的一对点。最后，使用至少两对点来估计移动元件的当前方向与参考方向之本文档来自技高网...

【技术保护点】
一种用于在与具有x和y两个轴的二维参考相关联的定位平面中定位机器人的方法，所述方法包括以下步骤：‑通过测距来确定(200)所述定位平面中的所述机器人的坐标x1和y1的估计以及所述机器人相对于参考方向的取向θ1的估计；‑通过使用识别感兴趣的至少两对点的虚拟罗盘来确定(202)所述机器人的取向的估计θ2，在参考全景中识别每对的第一点并且在查询全景中识别每对的第二点，该步骤用θ1进行初始化；‑通过使所述参考全景的部分与所述查询全景的部分相关并且通过识别何时此相关最大化来确定(204)所述机器人的取向的估计θ3，该步骤用所述取向的先前估计的其中之一进行初始化；‑通过使用迭代最近点技术来确定(206)定位地点中的机器人位置的估计x4、y4，该步骤用x1和y1进行初始化；‑确定前述估计的标准偏差σ_x1、σ_x2、σ_θ1、σ_θ2、σ_θ3、σ_x4、σ_y4；‑使用所述标准偏差来确定(220)每一可用的估计的概率分布G(x1)、G(y1)、G(θ1)、G(θ2)、G(θ3)、G(x4)和G(y4)；‑通过结合所述高斯概率分布来分别为沿着x轴和y轴的坐标以及所述机器人的取向θ确定(221)三个全局分布GLOB(x)、GLOB(y)和GLOB(θ)，并且通过将最大似然的方法应用于所述全局分布来确定所述定位平面中的所述机器人的坐标的全局估计xg、yg以及所述机器人的取向的全局估计θg。...

【技术特征摘要】
【国外来华专利技术】2014.04.14 EP 14305543.21.一种用于在与具有x和y两个轴的二维参考相关联的定位平面中定位机器人的方法，所述方法包括以下步骤：-通过测距来确定(200)所述定位平面中的所述机器人的坐标x1和y1的估计以及所述机器人相对于参考方向的取向θ1的估计；-通过使用识别感兴趣的至少两对点的虚拟罗盘来确定(202)所述机器人的取向的估计θ2，在参考全景中识别每对的第一点并且在查询全景中识别每对的第二点，该步骤用θ1进行初始化；-通过使所述参考全景的部分与所述查询全景的部分相关并且通过识别何时此相关最大化来确定(204)所述机器人的取向的估计θ3，该步骤用所述取向的先前估计的其中之一进行初始化；-通过使用迭代最近点技术来确定(206)定位地点中的机器人位置的估计x4、y4，该步骤用x1和y1进行初始化；-确定前述估计的标准偏差σ_x1、σ_x2、σ_θ1、σ_θ2、σ_θ3、σ_x4、σ_y4；-使用所述标准偏差来确定(220)每一可用的估计的概率分布G(x1)、G(y1)、G(θ1)、G(θ2)、G(θ3)、G(x4)和G(y4)；-通过结合所述高斯概率分布来分别为沿着x轴和y轴的坐标以及所述机器人的取向θ确定(221)三个全局分布GLOB(x)、GLOB(y)和GLOB(θ)，并且通过将最大似然的方法应用于所述全局分布来确定所述定位平面中的所述机器人的坐标的全局估计xg、yg以及所述机器人的取向的全局估计θg。2.根据权利要求1所述的方法，其中，只在由给定步骤提供的估计被认为是可靠的情况下...

【专利技术属性】
技术研发人员：E·维贝尔，A·德拉福尔泰利，
申请(专利权)人：软银机器人欧洲公司，阿米妮斯开发方法和工业过程研究协会，
类型：发明
国别省市：法国;FR