机器人感测装置和传感器规划方法制造方法及图纸

本公开指向一种用于经由包括一个或多个传感器的装置获取样本的传感器规划的计算机实施的方法。该计算机实施的方法包括：通过一个或多个计算设备限定感兴趣的区域；通过一个或多个计算设备识别一个或多个传感器的一个或多个感测参数；通过一个或多个计算设备至少部分地基于一个或多个感测参数确定用于由一个或多个传感器获取多个样本的采样组合；通过一个或多个计算设备向包括一个或多个传感器的装置提供一个或多个命令控制信号，以至少基于采样组合使用一个或多个传感器获取感兴趣的区域的多个样本。

Robot Sensing Device and Sensor Planning Method

【技术实现步骤摘要】
【国外来华专利技术】机器人感测装置和传感器规划方法
本公开大体涉及机器人感测装置和传感器规划方法。
技术介绍
传感器规划是检查，测量和机器人定位，导航或相对于感兴趣的区域的映射中的一般要求。感兴趣的区域可以包括部件，部分，细节，组件或空间区域，诸如地理区域或其他2D或3D空间。另外，检查和测量方法以及自主机器人的一般要求是采用传感器以足够的细节和期望的完整性水平捕获感兴趣的区域的样本(例如图像或测量值)。用于传感器规划的已知解决方案是利用手动编程的传感器规划，例如坐标系，路线或路径来捕获期望的感兴趣的区域。然而，手动编程的传感器规划通常需要不变的和/或基本上确定的感兴趣的区域。因此，偏离预编程规划的感兴趣的区域经常导致采样错误，遗漏或其他失败。用于传感器规划的另一种已知解决方案可以包括对机器人编程以捕获大量样本，以确保以足够的细节和期望的完整性水平捕获感兴趣的区域。然而，捕获大量样本同样昂贵，耗时，并且导致冗余样本的数量低效。另外，未知的标称的感兴趣的区域或相对于标称的感兴趣的区域的变化，可能类似地导致捕获期望的感兴趣的区域的错误，遗漏或失败。因此，存在对机器人感测系统和传感器规划方法的需求，该机器人感测系统和传感器规划方法可以以足够的细节和完整性捕获期望的和/或可能未知的或改变的感兴趣的区域的样本，同时最小化冗余和时间。
技术实现思路
本专利技术的方面和优点将部分地在以下描述中阐述，或者可以从描述中显而易见，或者可以通过实践本专利技术来学习。本公开指向一种用于经由包括一个或多个传感器的装置获取样本的传感器规划的计算机实施的方法。该计算机实施的方法包括：通过一个或多个计算设备限定感兴趣的区域；通过一个或多个计算设备识别一个或多个传感器的一个或多个感测参数；通过一个或多个计算设备至少部分地基于一个或多个感测参数确定用于由一个或多个传感器获取多个样本的采样组合；以及通过一个或多个计算设备向包括一个或多个传感器的装置提供一个或多个命令控制信号，以至少基于采样组合使用一个或多个传感器获取感兴趣的区域的多个样本。本公开的另一方面指向一种用于传感器规划的机器人感测装置。该装置包括一个或多个传感器和计算设备，其中计算设备包括一个或多个处理器和一个或多个存储器设备。一个或多个存储器设备存储指令，当该指令由一个或多个处理器执行时使得一个或多个处理器执行操作。该操作包括：接收感兴趣的领域；接收一个或多个传感器的一个或多个传感参数；确定用于由一个或多个传感器获取多个样本的采样组合；和至少基于采样组合使用一个或多个传感器获取多个样本。本公开的又一方面指向一种用于传感器规划的装置。该装置包括平移机器人装置，安装到平移机器人装置的一个或多个传感器，和构造成操作平移机器人装置和一个或多个传感器的一个或多个计算设备。参考以下描述和所附权利要求，将更好地理解本专利技术的这些和其他特征，方面和优点。包含在本说明书中并构成其一部分的附图示出了本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。附图说明在说明书中阐述了指向本领域普通技术人员的本专利技术的完整且可行的公开，包括其最佳模式，其参考附图，其中：图1是机器人感测装置的示例性实施例；图2是另一机器人感测装置的示例性实施例；图3是概述示例性传感器规划方法的流程图；和图4是又一机器人感测装置的示例性实施例。在本说明书和附图中重复使用的参考标记旨在表示本专利技术的相同或类似的特征或元件。具体实施方式现在将详细参考本专利技术的实施例，其一个或多个示例在附图中示出。提供每个实施例是为了解释本专利技术，而不是限制本专利技术。事实上，对于本领域技术人员来说显而易见的是，在不脱离本专利技术的范围或精神的情况下，可以在本专利技术中进行各种修改和变化。例如，作为一个实施例的一部分示出或描述的特征可以与另一个实施例一起使用，以产生又一个实施例。因此，本专利技术旨在覆盖落入所附权利要求及其等同物的范围内的这些修改和变化。如本文所使用的，术语“第一”，“第二”和“第三”可以互换使用以将一个部件与另一个部件区分开，并且不旨在表示各个部件的位置或重要性。大体提供一种机器人感测装置和传感器规划方法，其可以捕获感兴趣的区域的样本，同时最小化冗余和时间。本文描述的方法和系统可以包括步骤或操作，该步骤或操作可以以期望的分辨率和完整性水平捕获感兴趣的区域(例如部件，组件或地理区域)的样本，同时最小化用于捕获感兴趣的区域的样本(例如图像或测量值)数量。本文描述的机器人感测装置和方法的各种实施例可以利用深度学习方法与传感器规划结合。此外，本文描述的系统和方法通常可以自主地规划和捕获最小的样本数量，以在期望的完整性水平上捕获感兴趣的区域。现在参考图1和图2，用于传感器规划的机器人感测装置90(本文称为“装置90”)包括获取感兴趣的区域130的样本的一个或多个传感器110。一个或多个传感器110可包括成像设备，接近传感器或其组合。在一个实施例中，成像设备通常可包括相机。在另一实施例中，成像设备可具体地包括干涉仪，例如但不限于光学相干断层扫描(例如，白光扫描仪或蓝光扫描仪)。在其他实施例中，一个或多个传感器110包括接近传感器，其中接近传感器通常可以包括可以发射和/或检索电磁信号并处理所述电磁信号的变化的传感器。例如，接近传感器可以包括，但不限于电容式，红外线，感应式，磁性，声波或超声波接近传感器，雷达，LIDAR或激光测距仪。在各种实施例中，一个或多个传感器110可包括成像设备和/或接近传感器的组合。在各种实施例中，一个或多个传感器110以各种分辨率，角度，距离，取向，采样或测量速率，频率等获取样本，该样本包括图像或测量值。在一个实施例中，装置90包括可平移机器人装置100(本文称为“机器人100”)。机器人100可包括可移动固定装置，例如图1和图2中所示的机械臂，或自主移动航行器，例如图4中所示的无人机。机器人100，一个或多个传感器110和/或感兴趣的区域130的平移可以包括，但不限于，以恒定或可变的运动速率的六轴运动(例如，上/下，左/右，前/后等)，枢转，转动，旋转和/或位移。在图1和图2所示的实施例中，传感器110可以安装到机器人100，其中机器人100以相对于感兴趣的区域130的各种角度或距离将传感器110平移到感兴趣的区域130的各个部分131。在装置90的其他实施例中，机器人100可以相对于一个或多个传感器110平移感兴趣的区域130。例如，机器人100(例如机械臂)可以相对于一个或多个固定传感器110平移感兴趣的区域130。机器人100可以将感兴趣的区域130平移到相对于一个或多个传感器110的各种距离，角度和/或取向。现在参考图3，大体提供概述传感器规划方法300(本文称为“方法300”)的示例性实施例的步骤的流程图。图3中示出的方法300可以由关于图1和图2示出和描述的装置90实施。方法300还可以由一个或多个计算设备(诸如关于图4描述的计算设备120)实施。图3描绘了出于说明和讨论的目的以特定顺序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，在不偏离本公开的范围的情况下，可以以各种方式修改，调整，扩展，重新布置和/或省略本文公开的任何方法的各个步骤。方法300可以包括，在(310)处通过一个或多个计算设备限定感兴趣的区域，在(320)处通过一个本文档来自技高网...

【技术保护点】
1.一种用于经由包括一个或多个传感器的装置获取样本的传感器规划的计算机实施方法，其特征在于，所述计算机实施方法包括：通过一个或多个计算设备，限定感兴趣区域；通过所述一个或多个计算设备，识别所述一个或多个传感器的一个或多个感测参数；通过所述一个或多个计算设备，至少部分地基于所述一个或多个感测参数，确定用于由所述一个或多个传感器获取多个样本的采样组合；和通过所述一个或多个计算设备，向包括所述一个或多个传感器的所述装置提供一个或多个命令控制信号，以至少基于所述采样组合，使用所述一个或多个传感器获取所述感兴趣区域的所述多个样本。

【技术特征摘要】
【国外来华专利技术】2016.11.03 US 15/342,5001.一种用于经由包括一个或多个传感器的装置获取样本的传感器规划的计算机实施方法，其特征在于，所述计算机实施方法包括：通过一个或多个计算设备，限定感兴趣区域；通过所述一个或多个计算设备，识别所述一个或多个传感器的一个或多个感测参数；通过所述一个或多个计算设备，至少部分地基于所述一个或多个感测参数，确定用于由所述一个或多个传感器获取多个样本的采样组合；和通过所述一个或多个计算设备，向包括所述一个或多个传感器的所述装置提供一个或多个命令控制信号，以至少基于所述采样组合，使用所述一个或多个传感器获取所述感兴趣区域的所述多个样本。2.根据权利要求1所述的计算机实施方法，其特征在于，其中确定由所述一个或多个传感器获取的采样组合包括：通过一个或多个计算设备，至少基于强化学习算法确定重叠指数的组合；通过一个或多个计算设备，至少基于由所述一个或多个传感器覆盖的总区域、重叠边缘和所述一个或多个重叠指数，计算一个或多个采样组合的计分函数；和通过一个或多个计算设备，选择对应于最大计分函数的所述采样组合。3.根据权利要求2所述的计算机实施方法，其特征在于，其中所述强化学习算法包括使用SARSA、Q-学习和策略梯度强化学习算法中的至少一个。4.根据权利要求2所述的计算机实施方法，其特征在于，其中至少基于强化学习算法确定重叠指数的组合包括确定零和非零重叠指数的组合。5.根据权利要求1所述的计算机实施方法，其特征在于，其中确定用于由所述一个或多个传感器获取多个样本的采样组合至少基于计分函数，其中所述计分函数是覆盖的总区域、重叠边缘和重叠指数中的至少一个的函数。6.根据权利要求1所述的计算机实施方法，其特征在于，其中识别一个或多个感测参数包括计算所述感兴趣区域的至少一部分的曲率和/或法向矢量。7.根据权利要求1所述的计算机实施方法，其特征在于，其中识别一个或多个感测参数包括限定由所述一个或多个传感器覆盖的总区域。8.根据权利要求1所述的计算机实施方法，其特征在于，其中识别一个或多个感测参数包括限定测量分辨率、视场和/或景深中的一个或多个。9.根据权利要求1所述的计算机实施方法，其特征在于，其中限定感兴趣区域包括接收点云。10.根据权利要求1所述...

【专利技术属性】
技术研发人员：谢尔·南·林，大卫·斯科特·迪温斯基，边霄，韦恩·雷·格雷迪，穆斯塔法·戈卡恩·乌尊巴斯，穆斯塔法·德夫里姆·卡巴，
申请(专利权)人：通用电气公司，
类型：发明
国别省市：美国,US