CN104699099A - 移动机器人环境的同时定位和地图绘制的方法和设备 - Google Patents

移动机器人环境的同时定位和地图绘制的方法和设备 Download PDF

Info

Publication number
CN104699099A
CN104699099A CN201510047904.4A CN201510047904A CN104699099A CN 104699099 A CN104699099 A CN 104699099A CN 201510047904 A CN201510047904 A CN 201510047904A CN 104699099 A CN104699099 A CN 104699099A
Authority
CN
China
Prior art keywords
mobile device
particle
unit
robot
physical environment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510047904.4A
Other languages
English (en)
Other versions
CN104699099B (zh
Inventor
B·索夫曼
V·俄马科夫
M·埃莫里奇
N·D·蒙森
S·亚历山大
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Neato Robotics Inc
Original Assignee
Neato Robotics Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Neato Robotics Inc filed Critical Neato Robotics Inc
Publication of CN104699099A publication Critical patent/CN104699099A/zh
Application granted granted Critical
Publication of CN104699099B publication Critical patent/CN104699099B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D3/00—Control of position or direction
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/008—Manipulators for service tasks
    • B25J11/0085—Cleaning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/0003—Home robots, i.e. small robots for domestic use
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • 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
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S901/00—Robots
    • Y10S901/01—Mobile robot
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S901/00—Robots
    • Y10S901/46—Sensing device
    • Y10S901/47—Optical

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Optics & Photonics (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本发明提供了优化移动装置(通常，移动机器人)的同时定位和地图绘制(SLAM)处理的性能的技术。在一个实施例中，错误粒子被引入定位的粒子滤波处理中。监视错误粒子相对于为SLAM保持的粒子的权重提供了机器人被定位的校验和不再被定位的检测。在另一个实施例中，移动机器人的环境的基于单元的网格地图绘制还监视单元的占据概率的变化。占据概率变化的单元被标记为动态并且这些单元对地图的更新被暂停或修改直到它们的各个占据概率稳定。在另一个实施例中，当确定装置正以如下方式获取关于它的物理环境的数据时地图绘制被暂停，即例如当机器人装置倾斜时使用数据进行地图绘制将向地图中引入失真。

Description

移动机器人环境的同时定位和地图绘制的方法和设备
本申请是申请号为201080045901.2、PCT国际申请日为2010年8月31日、发明名称为“移动机器人环境的同时定位和地图绘制的方法和设备”的发明专利申请的分案申请。
相关申请交叉引用
本申请要求于2009年8月31日提交的题目为“ComputationOptimization Techniques for Simultaneous Localization and Mapping”的共同未决美国临时申请序列号No.61/238,597的利益，该美国临时申请的全部内容以引用方式并入本文。
技术领域
本发明的多个方面涉及移动机器人，更具体地讲，涉及移动机器人在其中进行操作的环境的地图绘制，以有利于移动机器人在这些环境内的移动。
背景技术
作为使得移动机器人绘制它的环境的地图并且保持它在该地图内的位置的工作数据的***，同时定位和地图绘制(SLAM)既准确又通用。它的针对各种应用的适应性和可靠性使得它成为用于给予机器人一定级别的自主性的可用部件。
然而，通常，SLAM技术趋向于计算密集并且由此它们的有效执行常常需要一定级别的处理能力和存储容量，这对于一些消费产品应用来讲性价比不高。
针对面对在消费市场中竞争所需的低成本产品目标的那些人，经济的硬件环境不可能包括能够充分支持健壮SLAM***的处理和存储容量。因此，需要开发者寻求有利于在它们具有的计算能力的限度内有效执行核心SLAM算法的方法。通常，这些最佳方案将谋求明智使用处理能力和***带宽，这可能意味着以不会严重妥协它们性能的方法简化一些SLAM算法或者减少输入数据大小或带宽。
发明内容
这里列出了四个概念，每个概念意图使得当SLAM***在提供有限处理器能力和/或存储容量的平台上操作时可以保持高效。这些最佳方法中的一些方法可以全部驻留在软件中或者可以要求一些硬件部件的支持以正确工作。
附图说明
图1是示出根据本发明的一些特征的框图。
图2是示出与图1的某些方面对应的根据本发明的一些特征的流程图。
图3是示出与图1的一些方面对应的根据本发明的一些其它特征的另一个流程图。
图4是示出根据本发明的一些其它特征的框图。
图5是针对定位迭代处理的粒子权重分布的例子。
图6是针对定位迭代处理的粒子权重分布的另一个例子。
图7是针对定位迭代处理的粒子权重分布的另一个例子。
图8是基于校验的粒子分布数据的定位和移位状态。
图9是示出根据本发明的一些其它特征的框图。
图10是示出与图6的某些方面对应的本发明的一些其它特征的流程图。
图11是移动机器人在它的物理环境的定内的例子。
图12是移动机器人在它的物理环境内的定向的另一个例子。
图13是示出与图1的某些方面对应的本发明的一些其它特征的流程图。
图14是移动机器人在它的物理环境内的移动和定向的一个场景。
图15是移动机器人在它的物理环境内的移动和定向的另一个场景。
图16是移动机器人在它的物理环境内的移动和定向的另一个场景。
具体实施方式
1.移位期间暂停机器人姿态更新
定位需要有规律地更新机器人在它的环境内的姿态(位置和角度)。执行这个操作的频率能够影响整体***性能，这取决于作为更新操作的结果必须多么频繁地处理数据。对于提供能够在低成本硬件环境内有效工作的SLAM***而言，最小化计算负载是重要的。
根据本发明的一个特征，可以通过当出现机器人已经变为移位时(在这种情况下，更新可能总是错误的)消除机器人位置更新来降低计算负载。
图1示出了移动机器人***100内的上述特征的多个方面。在图1中，数据采集***110产生关于移动机器人120的环境的数据。这个数据变成对处理设备130的输入数据。基于这个数据，处理设备130产生移动机器人的环境的地图或模型(块132)。处理设备130还可以包含单独的功能(块134)，用于监视针对地图元素中超过阈值限制的任何移动的地图的产生或更新。如果检测到发生这种情况，则处理设备(块136)通过执行暂停或修改来自数据采集***110的数据的使用的指令进行响应。感测单元140还可以监视数据采集***110在数据采集***110的优选定向中的缺失，以用于数据产生。如果感测单元140检测到定向缺失，则处理设备130将通过执行暂停或修改由数据采集***110产生的数据的使用的指令进行响应。移动机器人120可以连接到处理设备130。如果存在，感测单元140可以附连到移动机器人120。数据采集***110也可以附连到移动机器人120，或者可以是分开的。
图2示出了图1中描述的***的操作的流程。在图2中，在块201，数据采集***产生关于机器人的物理环境的数据，在块202生成产生的数据。在块203，数据采集***的定向受到监视以查看数据采集***是否相对机器人的物理环境保持它的优选定向(例如，数据采集***是否倾斜，倾覆，或者另外看起来显示与机器人能够在其物理环境内工作的定向不同的定向)。在块204，如果优选定向没有缺失，则在块205，产生的数据用于产生或更新机器人的物理环境的地图。另一方面，如果在块204优选定向缺失，则在块206，地图产生被暂停或者地图被修改。在块205或块206以后，流程返回图1的顶部以产生数据并且监视数据采集***的定向。
图3是示出了本发明的其它特征的图。在图3中，地图产生设备310提供移动装置的环境的地图以用于移动装置在该环境内的定位。移位检测设备320使用地图信息确定装置的位置。粒子产生设备322产生表示移动装置的可能姿态的粒子。粒子权重分配设备324向每个粒子分配表示它相对于其它粒子的准确度的相对似然性的权重。独立地，错误粒子产生设备326产生粒子从而使得由粒子权重分配设备324产生的它们的对应权重将是较低的，这表示正确指示移动装置的位置的较低概率。粒子权重比较设备328将错误粒子的权重与由粒子产生设备322产生的粒子的权重进行比较并且确认该装置被正确定位或者确定是否发生移位。
该方法可以如下操作：
1)错误位置和倾斜粒子可以被引入到跟踪粒子组。可以按照错误粒子(以后还称作校验粒子)不会向机器人的位置和倾斜度的当前估计引入附加误差的方式选择错误粒子。
2)通常，错误粒子具有低权重，这通常对应于它们准确表示机器人的当前位置的概率较低。如果错误粒子的权重不是一致较低而是高和低权重的某种组合或者一种分布，则这可以暗示机器人已经变得移位。
3)如果确定机器人可能移位，则可以暂停在它的环境的地图内更新其位置直到错误粒子的权重返回到更加一致的低值分布。
图4示出了图3所示的***的操作流程。在图4中，在块401，可以恰当使用或更新现有地图。在块402，或者重新或者迭代产生粒子，迭代产生的粒子被添加到现有粒子组。在块403，向每个粒子分配权重。在块404产生错误粒子，在块405错误粒子具有分配给它们的权重。在块406，错误粒子的权重与原始粒子组的权重进行比较以确定是否发生移位。在块407，执行移位的检查。如果没有发生移位，则与图2中的块205类似，继续地图产生和更新。如果发生了移位，则与图2中的块206类似，地图产生被暂停或修改。
存在为何这个程序在SLAM***中实现以及它可以提供除计算负载下降以外的其它优点的防范原因。当检测到移位时暂停地图绘制可以避免破坏地图。另外，一旦检测到移位，能够执行附加行动以提高机器人将重新定位的可能性(例如，增加组中粒子的数目或者采用更宽松的误差模型)。根据移位的严重性，除了与恢复有关的动作以外还可以采取其它动作。例如，机器人可以停止或重启它的运行。
例子：通过引入错误粒子确定移位
在SLAM方案之下进行定位的典型方法可以包括下面步骤：
1)针对每个粒子：
a)应用理想运动模型(例如，测程法)。
b)应用从误差模型分布得到的位置和角度(x，y，θ)调整。
c)关于当前地图进行评估以计算权重。
2)重新采样与计算的权重成比例的粒子。
基于以上处理的典型定位迭代可以生成图5所示的粒子权重分布。
在图5中，按照权重进行分类的粒子的分布显现为指示低、中、高权重的粒子的混合的曲线。相对于分类的权重分布上更低的另外粒子，具有更高权重的粒子(即，在分布的左上侧的粒子)具有准确表示机器人的姿态的成比例的更高概率。当通过它们的权重对粒子进行索引时，粒子的索引号可以指示在它准确表示机器人的姿态(位置和角度)的概率方面该粒子相对于其它粒子的相对位置。在这个框架内，粒子1的准确度的概率最高，所有接下来的粒子(即，粒子2、3、4、等等)的它们姿态的准确度的概率连续下降。
值得注意的是，权重的量级(曲线图中的垂直轴)可高度取决于环境条件(例如，与墙壁的距离、来自例如激光测距仪的空间传感器的有效距离读数的数目、等等)。经由引入错误粒子确定移位的方案通常应该独立于环境条件。
引入错误粒子的目的在于识别何时具有表示机器人的姿态的更高概率的粒子不比具有表示机器人姿态的最低概率的粒子好。在这种情况下，意味着大部分或全部可能的姿态是坏的，并且由此，机器人具有很少或者没有关于在它的环境内的它的实际位置的可靠信息。
评估定位的状态的处理包括引入姿态故意错误的附加测试粒子以建立与更好粒子进行比较的基线权重。
常常观察到粒子评估对于角度误差更加敏感。随着从机器人到它的周围环境内的物体的距离增加，机器人角度的小变化例如能够变成距离测量的大误差。大角度误差能够具有在距离方面激光读数的类似分布，但是它们可以显著地降低全粒子组的整体权重。
通常，具有最高权重表示候选定位角度的粒子相当靠近理想运动模型。认识到这一点，移位检测的一种通常有效方案在于以大的角度偏移(例如，±30°、40°、50°、60°、等等)在理想运动模型的中心引入错误粒子。
如果机器人被正确定位，则错误粒子将一起相对靠近驻留在包含最低权重粒子的分类的分布曲线的端部，如图6所示。
在图6中，错误粒子(这里因为它们的目的而称作校验粒子)一起聚集在曲线的右下端，每个粒子的权重比包括其余的分类分布的粒子更加接近0。
如果机器人被移位，则许多普通粒子将具有低权重，并且这些普通粒子中的许多的权重可能低于一些错误粒子或校验粒子的权重，如图7所示。
在图7中，一些错误(校验)粒子驻留在分布的最右侧，而其它错误粒子分散到其余粒子组内。随着已知为错误的更多粒子的权重超过其它非校验粒子，机器人已经被移位就越发变得可能。
识别移位
能够通过多种方法中的任何方法(包括检查错误(校验)粒子的平均索引值)执行移位的实际确定。在定位的情况中，大部分或所有的错误粒子将一起相对靠近地驻留在索引的底部，这是因为它们通常具有最低权重。对在定位情况下的错误粒子的索引进行平均化处理将会生成相对于包括错误粒子和非错误粒子的总粒子组的尺寸而言的较大数字。
然而，在移位的状态下，错误粒子散布在分布曲线上，并且按照权重的顺序的粒子的索引将生成平均索引相对于总粒子组的尺寸而言不必较高的一组错误粒子。通常，保持恒定和相对于总粒子组的尺寸为较高值的校验粒子索引的均值反映了定位的情况。值下降或值开始波动的均值可以指示移位的情况。
在图8中的平均的校验粒子数据的图表中示出了这些状态即定位和移位。在这个图表中，绘制的数据是平均的校验粒子索引。对于定位迭代1到600，平均的数据较高并且相对恒定，这与定位的状态一致。在迭代600后不久，平均值显著下降并且然后恢复；在这种特定数据组中，这种下降对应于工程师从地面上拾起机器人并且将它移至不同位置。与索引平均的先前下降一样，均值返回到较高的稳定数字表示机器人可能从该事件恢复。
在800与1000定位迭代之间的曲线上的一点处，数据开始大幅波动。该均值的一致性的缺失和它的变化范围表示移位的情况。与先前较大的移位不同，机器人可能不能够从这个移位进行恢复，这如整个数据组的端部的数据的连续不稳定性所示。
确定机器人已经被移位依赖于将平均的错误粒子索引与阈值进行比较。该阈值能够在编码过程中进行预先确定，但是在评估机器人是否被定位过程中包括一些滞后通常是有利的。例如，观看图8所示的数据组的后部，平均的校验粒子索引的变化多次到达较高数字，但是在每次这种情况下，在仅仅几次迭代以后它再次下降。机器人是否已经从移位事件进行恢复的正确评估不仅应该观看即时值还应该评估是否平均的索引返回到较高值并且在足以证明机器人可能已经被成功再定位的时间段内稳定保持在较高值。
2.地图的动态区域的处理
从事机器人的环境的地图的建立和更新的机器人面对的挑战之一是它的环境内的静态和动态元素的可能的混合。尽管通常期待大多数的机器人的环境将保持固定，但是机器人应该准备在人、宠物等进行移动的环境下工作。
新遇到的未绘制地图的空间可以包含动态和静态元素的混合。对于建立机器人使用的可用和准确地图，在地图的可能的动态区域的机器人识别与静态区域的机器人识别之间进行区分是重要的。
在一个实施例中，可以通过下面方法解决在机器人的环境的静态(永久)元素与动态(瞬时)元素之间进行区分的问题。
1)机器人可以在存储器中可用的单元的网格空间内建立它的环境(地图)的摘要，每个单元包含指示单元内的空间是空闲还是被占据的相对概率的数字。这些值例如可以在0(空闲)到254(被占据)的范围内，每个单元内的初始条件值是127(即，频谱的中间的值)。
2)空间传感器(最常见的是激光测距仪)可以扫描机器人的四周，测量到边界和其它物体的距离。这个数据流可以提供基础信息，机器人基于该基础信息可以确定单元是否被占据的概率。例如，如果空间传感器测量与墙壁的距离，则机器人产生的地图上沿墙壁与那个点对应的单元被占据的占据概率增加而沿机器人与墙壁之间的测量矢量的所有单元的占据概率下降(由于墙壁是检测的第一物体)。通过空间传感器的重复测量，概率可以变得更加确定。
3)如果当前被识别为空闲的单元具有正在变化的占据概率(例如，表现为突然被占据)，则它可以表示地图的可能的动态区域。
4)如果检测到这些单元，则它们可以被标记，从而在它们是动态时不对关于它们的包含障碍的似然性进行更新。类似的是，这还可以扩展到包围这些单元的任意区域。
图9是包含本发明的其它特征的***图。在图9中，数据采集***910产生关于例如机器人的移动装置的物理环境的数据。由数据采集***产生的数据向地图/模型处理设备920提供输入。地图/模型处理设备920以基于单元的网格形式产生并保持地图(块922)并且基于从数据采集***接收的数据向每个单元分配占据概率(块924)。此外，地图/模型处理单元针对各个单元的占据概率的变化监视各个单元(块926)。基于这些变化的检测，处理单元确定是否任何单元是动态的。如果单元被确定为动态，则它们被相应地进行标记(块928)。在这些单元处于动态状态的时间内，这些单元的地图绘制或更新被暂停。
图10示出了图9所示的实施例的操作的流程。在图10中，在块1001中，数据采集***产生关于机器人的物理环境的数据，在块1002得到产生的数据。在块1003，产生的数据用于产生或更新机器人的物理环境的地图。在块1004，分配或更新网格地图的每个单元的占据概率。在块1005，确定是否任何单元的占据概率正在变化。如果没有变化，则流程返回到块1001。如果有变化，则在块1006，占据概率正在变化的单元被标记为动态，从而在占据概率正在改变时不对它们进行更新。流程然后返回到块1001。
解决用于收集关于机器人的周围的空间数据的传感器的倾斜
作为地图绘制和定位的一部分的机器人的周围环境的准确描绘需要保持产生空间数据的传感器的定向与周围几何形状的主持表面相一致。对于在建筑物或类似封闭环境内部进行工作的机器人，这意味着收集两维信息的传感器将优选保持它的检测平面与地面平行，这是因为地面将定义机器人可以在它上面进行行走的运动的主要平面。
由于地面可能具有表面不平坦的区域或者表面不连续，或者由于地面上的物体可以在机器人可用行走表面上引入非均匀性，所以收集空间数据的传感器可能不会保持与周围几何形状的主持表面一致的定向，这能够导致机器人周围的错误描绘。
图11到图12示出了在不具有检测何时它的传感器失去与地面的平行定向的能力的收集空间数据的机器人遇到的可能的问题。在上面图示中，机器人从A处的物理边界向B处的物理边界行走。在这个例子中，安装在机器人上的传感器在由位于接近机器人的顶部的高度的细线指示的水平平面内收集空间数据。在下面图示中，机器人开始通过障碍物，这使得机器人向后倾斜。如果机器人没有认识到它不再在与周围几何形状一致的平面内收集数据，则从传感器数据得到的空间构造将不与由机器人的周围环境定义的实际几何形状匹配。在这种情况下，数据收集平面的前倾将B处墙壁的先前确定的位置歪曲到B′处的更远的位置。数据收集平面上的后倾导致它与地面相交，形成边界存在于机器人之后的A′处而非更远位置A处的印象。
通常，当机器人通过地面表面上的实质不规则地方时，轮子滑动伴随倾斜。如果当机器人在新的区域上收集它的第一数据时(例如，当机器人转过角进入未绘制地图的空间时)它发生，则这会特别成为一个问题，这是因为失真的图像可以被并入地图中。
对于使用空间边界信息的连续生成以向地图提供更新的机器人，在倾斜事件期间产生的错误数据能够传播进入地图绘制或定位算法。可能的结果可以包括一定程度的地图绘制破坏，这经常会导致移位。
因此，提供一种在正常操作过程中识别并解决倾斜情况的策略是重要的，并且在下文描述对其的两个方案。这些方案被设计为它们能够单独使用或者以可能增强的方式一起使用。
3.在软件中检测并解决倾斜
通常，由人、宠物或者由人移动或使用的物体建立的动态区域将呈现进行标记的动态区域，其通常受限于它的脚印内。然而，如果动态区域沿相对宽区域扩展，则这可以表现为不同情境。例如，如果地图边界区域突然偏移或者以许多可能邻近单元被标记为活跃的方式进行移动，则机器人可能出现倾斜。在这种情况下，空间传感器的检测平面可以成一定角度从而靠近机器人的地面的一部分被读取为边界，这如在先前描述的例子中所示。当机器人识别动态区域包括比由人、宠物或运动物体建立的区域大的区域时(与前者成相对比例)，地图的更新可以被暂停。
图13示出了图1所示的***的操作的流程，不同之处在于，在软件中检测并解决机器人的倾斜。在块1301中，数据采集***产生关于机器人的物理环境的数据，在块1302得到产生的数据。在块1303，产生的数据用于产生或更新机器人的物理环境的地图。在块1304，进行检查以查看是否地图的任何元素(例如，地图边界区域)已经偏移超过阈值限制。如果没有，则在块1305中，继续地图产生或更新。然而，如果在块1304中偏移超过阈值限制，则在块1306中，地图产生被暂停或者地图被修改。在这个方面中，在处理设备内产生暂停或修改的指令，并且指令没有源于感测单元。在块1305或块1306以后，流程返回到数据产生，从而能够进行进一步检查以查看地图元素是否已经返回到阈值限制内。
应该注意：暂停或修改用于地图绘制的产生的数据的使用的指令不必仅来自感测单元或者来自处理设备内部。图1中所示的***的这些各个特征可以同时进行操作。
运动的检测可以依赖于例如由激光测距仪执行的空间扫描，该激光测距仪可以连续扫描机器人的周围环境。当扫描指示连续距离读数显示“动态”移动时，由总计距离或由距离差分表示的空间距离可与预定阈值进行比较。如果第一次到最后一次距离测量之间的差大于阈值，则可以得出结论：机器人倾斜。图14提供了这个场景的例子。考虑位置A处的机器人在一个房间内进行移动并且通过门口进入邻接房间。假设机器人采用平面空间传感器，从而能够描绘它的周围的物理限制。这个传感器可以通过打开的门口检测邻接房间的墙壁的某部分，这在该例子情况下可以生成墙壁段B的检测长度。如果前进机器人的一侧遇到障碍物(例如，厚垫子)以导致机器人跨骑在物体上(例如，左轮由垫子升高而右轮继续在地面上滚动)，则机器人的检测平面可能朝向它的右侧倾斜。根据房间几何形状以及倾斜角度，可能的是，已经在B处检测到邻近房间的墙壁的感测平面的部分现在将在近得多的位置B′与邻接房间的地面进行相交。在这种情况下，由于机器人更新它的周围的地图，所以数据可以显示墙壁边界突然从B移至B′而其它边界可以显示较少或没有位置变化。对于监视连续单元的突然变化(从水平操作期间的B′处的空闲单元到当机器人倾斜时的B′处被占据单元)的机器人，可以基于由连续新占据的单元表示的物理长度与预定阈值之间的比较确定已经发生倾斜事件。如果表示的距离或者距离差满足或超过阈值，则可以得到结论：机器人已经倾斜并且地图更新可被暂停。
4.在硬件中检测并解决倾斜
硬件中倾斜的检测可以涉及使用可以检测部件的安装表面的定向的变化的加速度计或类似部件。
基于这种方案，由空间扫描仪产生的数据可以通过关于定向变化的数据进行补充。通过为空间传感器的数据进行语境校验的这个后者数据组，在倾斜检测部件指示空间传感器已经失去它的优选定向时收集的信息可以被丢弃。在一个典型实施例中，可以在由任何定位或地图绘制软件进行处理之前丢弃这个数据。
如图15所示，机器人使用传感器从机器人的周围产生水平平面的2D空间信息。虚线指示由空间感测平面与包围机器人的物体相交建立的感测周界。这个周界向机器人通知附近障碍物和由墙壁和门呈现的边界。
如图16中所示，如果机器人通过低障碍物(例如，图16所示的门框)或者不平坦表面，则机器人可能失去相对于地面的平行性质。结果，固定到机器人的收集关于机器人的四周的空间信息的传感器能够以偏离水平成一定角度收集数据。图16中的虚线显示了空间传感器的检测平面与包围机器人的物体表面的相交。由于机器人倾斜，所以所产生的空间数据变得错误。由于B′处的检测平面在更高点与机器人前方的墙壁相交所以计算的到该墙壁的距离变得失真，但是更加严重的是，检测平面与机器人后方的地面相交将不正确地报告A′处的线性边界。
已经仅仅举例而非限制性参照特定实施例详细示出和描述本发明的几个特征和方面。这里引用的“一个实施例”或“一种实施例”是指结合该实施例描述的特定特征、结构、操作或其它特性可以包括在本发明的至少一个实施方式中。然而，说明书中的多个地方出现的短语“在一个实施例中”或“在一种实施例中”不需要一定指定同一实施例。可以想象，普通技术人员可以独立或者以任何兼容组合或者排列使用任何或全部以上实施例。本领域技术人员应该明白，其它实施方式和公开的实施例的各种变型在本发明的范围和预期内。因此，本发明被认为仅仅受到所附的权利要求的范围的限制。

Claims (30)

1.一种移动装置跟踪***，包括：
a.产生装置的物理环境的地图的设备，与跟踪装置的位置同时或者在此之前进行所述产生，所述产生设备与跟踪装置的位置同时或者在此之前更新所述地图；以及
b.处理设备，通过产生粒子来确定装置在所述地图内的当前位置，所述粒子的每一个表示装置在其物理环境内的可能的位置和/或定向，其中，可以迭代产生并保持所述粒子的数据组以跟踪该装置在其物理环境内的变化位置，
c.处理设备包括：
i.向每个粒子分配权重的设备，粒子权重是相对于其它粒子的、准确表示机器人的位置的粒子的似然性的相对测度；
ii.引入错误粒子的设备，选择错误粒子的可能的位置以使得分配给它们的权重应该一致低于在(b)中描述的粒子的权重；以及
iii.确定移动装置是否已经移位的设备，当大量错误粒子的权重不再一致低于在(b)中描述的粒子的权重时将错误粒子的权重与在(b)中描述的粒子的权重进行比较以确定移动装置是否已经移位。
2.根据权利要求1所述的移动装置跟踪***，其中，选择错误粒子以避免向移动装置的位置的当前估计引入附加误差。
3.根据权利要求1所述的移动装置跟踪***，其中，移动装置是机器人。
4.根据权利要求1所述的移动装置跟踪***，其中，确定移动装置是否已经移位包括计算并监视通过多次迭代的错误粒子的平均权重或者中值权重。
5.根据权利要求1所述的移动装置跟踪***，其中所述错误粒子包括错误位置粒子。
6.根据权利要求5所述的移动装置跟踪***，其中确定移动装置是否已经移位包括确定移动装置在物理环境中的位置是否是错误的。
7.根据权利要求1所述的移动装置跟踪***，其中所述错误位置粒子包括错误倾斜粒子。
8.根据权利要求7所述的移动装置跟踪***，其中确定移动装置是否已经移位包括确定移动装置在物理环境中的倾斜度是否是错误的。
9.根据权利要求8所述的移动装置跟踪***，其中确定移动装置在物理环境中的倾斜度是否是错误的包括确定是否已经发生倾斜。
10.一种控制移动装置的移动的方法，该方法包括：
a.产生移动装置的物理环境的地图，与跟踪移动装置的位置同时或者在此之前进行所述产生；
b.与跟踪移动装置的位置同时或者在此之前更新所述地图；
c.通过产生粒子确定在所述地图内移动装置的当前位置，所述粒子的每一个表示移动装置在其物理环境内的可能的位置和/或定向，其中，可以迭代产生并保持所述粒子的数据组以跟踪装置在其物理环境内的变化位置，确定的过程包括：
i.向每个粒子分配权重，粒子权重是相对于其它粒子的、准确表示移动装置的位置的粒子的似然性的相对测度；
ii.引入错误粒子，选择所述错误粒子的可能的位置以使得分配给它们的权重应该一致低于表示移动装置的可能的位置和/或定向的粒子的权重；以及
iii.当大量错误粒子的权重不再一致低于表示移动装置的可能的位置和/或定向的粒子的权重时，将错误粒子的权重与表示移动装置的可能的位置和/或定向的粒子的权重进行比较以确定移动装置是否已经移位；
d.该方法还包括根据(a)到(c)控制移动装置的移动。
11.根据权利要求10所述的方法，其中，选择错误粒子以避免向移动装置的位置的当前估计引入附加误差。
12.根据权利要求10所述的方法，其中，移动装置是机器人。
13.根据权利要求10所述的方法，其中，确定移动装置是否已经移位包括计算并监视通过多次迭代的错误粒子的平均权重或者中值权重。
14.根据权利要求10所述的方法，其中所述错误粒子包括错误位置粒子。
15.根据权利要求14所述的方法，其中确定移动装置是否已经移位包括确定移动装置在物理环境中的位置是否是错误的。
16.根据权利要求10所述的方法，其中所述错误位置粒子包括错误倾斜粒子。
17.根据权利要求16所述的方法，其中确定移动装置是否已经移位包括确定移动装置在物理环境中的倾斜度是否是错误的。
18.根据权利要求17所述的方法，其中确定移动装置在物理环境中的倾斜度是否是错误的包括确定是否已经发生倾斜。
19.一种识别并标记移动装置的物理环境的地图的动态区域的***，该***包括：
a.数据采集***，用于产生识别移动装置的物理环境的数据；以及
b.处理设备，响应于数据采集***，在基于单元的网格中对移动装置的物理环境和在移动装置的物理环境内数据采集***的位置绘制地图或建模，在基于单元的网格中，向各个单元分配指示关于与单元对应的物理空间是否由物体占据或者包含空闲空间的确定度的概率；
c.其中，处理设备包括如下设备：
i.根据由数据采集***产生的数据向网格地图内的每个单元分配并更新概率；
ii.确定单元的占据概率的变化是指示当前被识别为空闲的单元已经变成被占据还是指示当前被识别为被占据的单元已经变成空闲；以及
iii.对这些单元进行标记从而不对它们包含障碍物的概率进行更新或者在所述概率正在变化时不进行更新。
20.根据权利要求19所述的***，其中，标记的单元还包括包围标记的单元的预定尺寸的区域。
21.根据权利要求19所述的***，其中，移动装置是机器人，***还包括距离测量装置，所述距离测量装置包括发光以基于反射光测量距离的光发射和光接收设备，所述数据采集***响应于所述距离测量装置以产生识别移动装置的物理环境的所述数据。
22.根据权利要求21所述的***，其中，距离测量装置包括激光测距仪。
23.根据权利要求19所述的***，其中对单元进行标记的设备包括在这些单元的各个占据概率稳定之前暂停基于单元的网格中的这些单元的更新。
24.根据权利要求19所述的***，其中所述处理设备还包括监视连续单元的突然变化以确定是否已经发生倾斜事件的设备。
25.根据权利要求23所述的***，其中所述处理设备还包括把连续单元表示的物理长度与预定阈值进行比较以确定是否已经发生倾斜事件的设备。
26.一种控制移动装置的移动的方法，该方法包括：
a.产生识别移动装置的物理环境的数据；
b.在基于单元的网格中对移动装置的物理环境和在移动装置的物理环境内的位置绘制地图或建模，在基于单元的网格中，向各个单元分配指示关于与单元对应的物理空间是否由物体占据或者包含空闲空间的确定度的概率；
c.根据产生的数据向网格地图内的每个单元分配并更新概率；
d.确定单元的占据概率的变化是指示当前被识别为空闲的单元已经变成被占据还是指示当前被识别为被占据的单元已经变成空闲；
e.对这些单元进行标记从而不对它们包含障碍物的概率进行更新或者在所述概率正在变化时不进行更新；以及
f.根据(a)到(c)控制移动装置的移动。
27.根据权利要求26所述的方法，其中所述移动装置是机器人。
28.根据权利要求26所述的方法，其中标记的过程包括在这些单元的各个占据概率稳定之前暂停这些单元的更新。
29.根据权利要求26所述的方法，还包括：监视连续单元的突然变化以确定是否已经发生倾斜事件。
30.根据权利要求28所述的方法，还包括：把连续单元表示的物理长度与预定阈值进行比较以确定是否已经发生倾斜事件。
CN201510047904.4A 2009-08-31 2010-08-31 移动机器人环境的同时定位和地图绘制的方法和设备 Active CN104699099B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US23859709P 2009-08-31 2009-08-31
US61/238,597 2009-08-31
CN2010800459012A CN102576228A (zh) 2009-08-31 2010-08-31 移动机器人环境的同时定位和地图绘制的方法和设备

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN2010800459012A Division CN102576228A (zh) 2009-08-31 2010-08-31 移动机器人环境的同时定位和地图绘制的方法和设备

Publications (2)

Publication Number Publication Date
CN104699099A true CN104699099A (zh) 2015-06-10
CN104699099B CN104699099B (zh) 2018-03-23

Family

ID=42941963

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201510047904.4A Active CN104699099B (zh) 2009-08-31 2010-08-31 移动机器人环境的同时定位和地图绘制的方法和设备
CN2010800459012A Pending CN102576228A (zh) 2009-08-31 2010-08-31 移动机器人环境的同时定位和地图绘制的方法和设备

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN2010800459012A Pending CN102576228A (zh) 2009-08-31 2010-08-31 移动机器人环境的同时定位和地图绘制的方法和设备

Country Status (10)

Country Link
US (4) US20110082585A1 (zh)
EP (1) EP2473890B1 (zh)
JP (2) JP2013503404A (zh)
KR (1) KR101362961B1 (zh)
CN (2) CN104699099B (zh)
AU (1) AU2010286429B2 (zh)
CA (2) CA2859112C (zh)
HK (1) HK1211352A1 (zh)
NZ (1) NZ598500A (zh)
WO (1) WO2011026119A2 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107209515A (zh) * 2014-09-01 2017-09-26 法雷奥开关和传感器有限责任公司 定位和地图绘制装置及方法
CN109154662A (zh) * 2017-04-21 2019-01-04 X开发有限责任公司 使用负映射的定位
CN109191027A (zh) * 2018-11-09 2019-01-11 浙江国自机器人技术有限公司 一种机器人召唤方法、***、设备及计算机可读存储介质
CN110506284A (zh) * 2017-03-30 2019-11-26 克朗设备公司 仓库绘制工具
CN110852211A (zh) * 2019-10-29 2020-02-28 北京影谱科技股份有限公司 基于神经网络的slam中障碍物过滤方法和装置
CN111047642A (zh) * 2018-10-15 2020-04-21 科沃斯机器人股份有限公司 环境地图的校正方法、设备及存储介质
CN111928866A (zh) * 2020-09-27 2020-11-13 上海思岚科技有限公司 一种机器人地图差异更新的方法及设备
CN112581613A (zh) * 2020-12-08 2021-03-30 纵目科技（上海）股份有限公司 一种栅格地图的生成方法、***、电子设备及存储介质

Families Citing this family (95)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8209143B1 (en) * 2009-09-15 2012-06-26 Google Inc. Accurate alignment of multiple laser scans using a template surface
JP5429986B2 (ja) * 2009-12-25 2014-02-26 株式会社Ｉｈｉエアロスペース 移動ロボットの遠方環境認識装置及び方法
US20120195491A1 (en) * 2010-07-21 2012-08-02 Palo Alto Research Center Incorporated System And Method For Real-Time Mapping Of An Indoor Environment Using Mobile Robots With Limited Sensing
JP5452442B2 (ja) * 2010-10-25 2014-03-26 株式会社日立製作所 ロボットシステム及び地図更新方法
US8798840B2 (en) 2011-09-30 2014-08-05 Irobot Corporation Adaptive mapping with spatial summaries of sensor data
CN108661362A (zh) 2012-06-27 2018-10-16 滨特尔水池水疗公司 具有激光测距仪***的水池清洁器和方法
KR101807484B1 (ko) 2012-10-29 2017-12-11 한국전자통신연구원 객체 및 시스템 특성에 기반한 확률 분포 지도 작성 장치 및 그 방법
US9020637B2 (en) * 2012-11-02 2015-04-28 Irobot Corporation Simultaneous localization and mapping for a mobile robot
CN103901774B (zh) * 2012-12-28 2017-02-08 联想(北京)有限公司 高效鲁棒的基于多传感器的slam协调方法及***
CN103903253B (zh) * 2012-12-28 2017-06-27 联想(北京)有限公司 一种可移动终端定位方法及***
US9677890B2 (en) * 2013-01-10 2017-06-13 Intel Corporation Positioning and mapping based on virtual landmarks
JP2014203145A (ja) * 2013-04-02 2014-10-27 パナソニック株式会社 自律移動装置
CN103412565B (zh) * 2013-05-17 2016-01-27 浙江中控研究院有限公司 一种具有全局位置快速估计能力的机器人定位方法
US9037396B2 (en) * 2013-05-23 2015-05-19 Irobot Corporation Simultaneous localization and mapping for a mobile robot
KR102096398B1 (ko) 2013-07-03 2020-04-03 삼성전자주식회사 자율 이동 로봇의 위치 인식 방법
KR101505129B1 (ko) 2013-08-19 2015-03-23 부경대학교 산학협력단 레이저 스캐너를 이용한 위치인식 및 맵핑 시스템을 이용한 위치인식 방법
KR102193768B1 (ko) 2014-01-14 2020-12-22 삼성전자주식회사 로봇 및 로봇의 제어 방법
US9886036B2 (en) * 2014-02-10 2018-02-06 John Bean Technologies Corporation Routing of automated guided vehicles
CN103984037B (zh) * 2014-04-30 2017-07-28 深圳市墨克瑞光电子研究院 基于视觉的移动机器人障碍物检测方法和装置
US9259838B1 (en) 2014-07-24 2016-02-16 Google Inc. Systems and methods for ground plane estimation
US10127667B2 (en) * 2014-08-01 2018-11-13 Locuslabs, Inc. Image-based object location system and process
EP3199083B1 (en) * 2014-09-24 2021-09-08 Samsung Electronics Co., Ltd. Cleaning robot and method for controlling cleaning robot
CN104597900A (zh) * 2014-12-02 2015-05-06 华东交通大学 一种基于类电磁机制优化的FastSLAM方法
EP3234721B1 (en) 2014-12-17 2021-11-24 Husqvarna AB Multi-sensor, autonomous robotic vehicle with mapping capability
EP3234718B1 (en) 2014-12-17 2018-10-24 Husqvarna AB Robotic vehicle learning site boundary
TWI548891B (zh) * 2015-01-12 2016-09-11 金寶電子工業股份有限公司 掃地機定位系統及其定位方法
CN104858871B (zh) * 2015-05-15 2016-09-07 珠海市一微半导体有限公司 机器人***及其自建地图和导航的方法
CN106325266A (zh) * 2015-06-15 2017-01-11 联想(北京)有限公司 一种空间分布图的构建方法及电子设备
KR101734654B1 (ko) * 2015-06-25 2017-05-11 현대자동차주식회사 레이저 스캐너를 이용한 센서 중심 좌표계의 점유 격자 지도를 작성하는 시스템 및 방법
DE102015111613A1 (de) 2015-07-17 2017-01-19 Still Gmbh Verfahren zur Hinderniserfassung bei einem Flurförderzeug
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
CN106584451B (zh) * 2015-10-14 2019-12-10 国网智能科技股份有限公司 一种基于视觉导航的变电站自动构图机器人及方法
US10093021B2 (en) * 2015-12-02 2018-10-09 Qualcomm Incorporated Simultaneous mapping and planning by a robot
WO2017116492A1 (en) * 2015-12-31 2017-07-06 Olney Guy Method for integrating parallel streams of related sensor data generating trial responses without prior knowledge of data meaning or the environment being sensed
DE102016203547A1 (de) * 2016-03-03 2017-09-07 Kuka Roboter Gmbh Verfahren zum Aktualisieren einer Belegungskarte und autonomes Fahrzeug
US9864377B2 (en) 2016-04-01 2018-01-09 Locus Robotics Corporation Navigation using planned robot travel paths
CN105892461B (zh) * 2016-04-13 2018-12-04 上海物景智能科技有限公司 一种机器人所处环境与地图的匹配识别方法及***
JP6508114B2 (ja) 2016-04-20 2019-05-08 トヨタ自動車株式会社 移動体の自動運転制御システム
US9996944B2 (en) * 2016-07-06 2018-06-12 Qualcomm Incorporated Systems and methods for mapping an environment
US10274325B2 (en) * 2016-11-01 2019-04-30 Brain Corporation Systems and methods for robotic mapping
US10120386B2 (en) * 2016-11-18 2018-11-06 Robert Bosch Start-Up Platform North America, LLC, Series 1 Robotic creature and method of operation
CN108107882B (zh) * 2016-11-24 2021-07-06 中国科学技术大学 基于光学运动跟踪的服务机器人自动标定与检测***
US10394246B2 (en) 2017-03-31 2019-08-27 Neato Robotics, Inc. Robot with automatic styles
CN106919174A (zh) * 2017-04-10 2017-07-04 江苏东方金钰智能机器人有限公司 一种智能引导机器人的引导方法
US10551843B2 (en) 2017-07-11 2020-02-04 Neato Robotics, Inc. Surface type detection for robotic cleaning device
US10918252B2 (en) 2017-07-27 2021-02-16 Neato Robotics, Inc. Dirt detection layer and laser backscatter dirt detection
GB201718507D0 (en) 2017-07-31 2017-12-27 Univ Oxford Innovation Ltd A method of constructing a model of the motion of a mobile device and related systems
US10898042B2 (en) 2017-08-16 2021-01-26 Sharkninja Operating Llc Robotic vacuum
ES2951842T3 (es) 2017-08-22 2023-10-25 Pentair Water Pool & Spa Inc Sistema de control de limpiador de piscina
DE102018121335A1 (de) 2017-08-31 2019-02-28 Neato Robotics, Inc. Robotergestützte virtuelle grenzen
US10583561B2 (en) 2017-08-31 2020-03-10 Neato Robotics, Inc. Robotic virtual boundaries
JP2019047848A (ja) * 2017-09-07 2019-03-28 パナソニックＩｐマネジメント株式会社 自律走行掃除機、および、累積床面確率更新方法
US10429847B2 (en) 2017-09-22 2019-10-01 Locus Robotics Corp. Dynamic window approach using optimal reciprocal collision avoidance cost-critic
US10386851B2 (en) 2017-09-22 2019-08-20 Locus Robotics Corp. Multi-resolution scan matching with exclusion zones
CN107728616B (zh) * 2017-09-27 2019-07-02 广东宝乐机器人股份有限公司 移动机器人的地图创建方法及移动机器人
US11687089B2 (en) 2017-10-02 2023-06-27 Sony Corporation Environmental information update apparatus, environmental information update method, and program for updating information regarding an obstacle in a space
EP3692336B1 (en) * 2017-10-06 2022-05-18 Qualcomm Incorporated Simultaneous relocation and reinitialization of vslam
US10761539B2 (en) 2017-11-22 2020-09-01 Locus Robotics Corp. Robot charger docking control
US10365656B2 (en) 2017-11-22 2019-07-30 Locus Robotics Corp. Robot charger docking localization
US10638906B2 (en) 2017-12-15 2020-05-05 Neato Robotics, Inc. Conversion of cleaning robot camera images to floorplan for user interaction
US11320828B1 (en) 2018-03-08 2022-05-03 AI Incorporated Robotic cleaner
US11254002B1 (en) 2018-03-19 2022-02-22 AI Incorporated Autonomous robotic device
US11454981B1 (en) 2018-04-20 2022-09-27 AI Incorporated Versatile mobile robotic device
US10807236B2 (en) * 2018-04-30 2020-10-20 Beijing Jingdong Shangke Information Technology Co., Ltd. System and method for multimodal mapping and localization
US11457788B2 (en) * 2018-05-11 2022-10-04 Samsung Electronics Co., Ltd. Method and apparatus for executing cleaning operation
US11243540B2 (en) 2018-05-17 2022-02-08 University Of Connecticut System and method for complete coverage of unknown environments
US11340079B1 (en) 2018-05-21 2022-05-24 AI Incorporated Simultaneous collaboration, localization, and mapping
US11548159B1 (en) * 2018-05-31 2023-01-10 AI Incorporated Modular robot
US11194335B2 (en) 2018-07-10 2021-12-07 Neato Robotics, Inc. Performance-based cleaning robot charging method and apparatus
US11157016B2 (en) 2018-07-10 2021-10-26 Neato Robotics, Inc. Automatic recognition of multiple floorplans by cleaning robot
US11199853B1 (en) 2018-07-11 2021-12-14 AI Incorporated Versatile mobile platform
US20200050205A1 (en) * 2018-08-07 2020-02-13 Cnh Industrial America Llc System and method for updating a mapped area
DE102018121365A1 (de) 2018-08-31 2020-04-23 RobArt GmbH Exploration eines robotereinsatzgebietes durch einen autonomen mobilen roboter
US11272823B2 (en) 2018-08-31 2022-03-15 Neato Robotics, Inc. Zone cleaning apparatus and method
CN109531592B (zh) * 2018-11-30 2022-02-15 佛山科学技术学院 一种基于视觉slam的图书盘点机器人
US10891769B2 (en) * 2019-02-14 2021-01-12 Faro Technologies, Inc System and method of scanning two dimensional floorplans using multiple scanners concurrently
CN109900267A (zh) * 2019-04-12 2019-06-18 哈尔滨理工大学 一种基于slam的移动机器人地图创建与自主探索***
EP3731130B1 (en) * 2019-04-23 2024-06-05 Continental Autonomous Mobility Germany GmbH Apparatus for determining an occupancy map
CN110174894B (zh) * 2019-05-27 2022-03-15 小狗电器互联网科技（北京）股份有限公司 机器人及其重定位方法
US11250576B2 (en) * 2019-08-19 2022-02-15 Toyota Research Institute, Inc. Systems and methods for estimating dynamics of objects using temporal changes encoded in a difference map
TWI736960B (zh) * 2019-08-28 2021-08-21 財團法人車輛研究測試中心 同步定位與建圖優化方法
US11327483B2 (en) * 2019-09-30 2022-05-10 Irobot Corporation Image capture devices for autonomous mobile robots and related systems and methods
WO2021125510A1 (en) * 2019-12-20 2021-06-24 Samsung Electronics Co., Ltd. Method and device for navigating in dynamic environment
US11880209B2 (en) 2020-05-15 2024-01-23 Samsung Electronics Co., Ltd. Electronic apparatus and controlling method thereof
EP4245474A1 (en) * 2020-11-12 2023-09-20 Yujin Robot Co., Ltd. Robot system
KR20220064884A (ko) * 2020-11-12 2022-05-19 주식회사 유진로봇 3d slam 데이터 편집 장치 및 방법
CN112698345B (zh) * 2020-12-04 2024-01-30 江苏科技大学 一种激光雷达的机器人同时定位与建图优化方法
KR102463725B1 (ko) * 2021-02-23 2022-11-07 현대자동차주식회사 위치 추정 장치, 그를 포함한 로봇 시스템 및 그에 관한 방법
JPWO2022190324A1 (zh) * 2021-03-11 2022-09-15
JP2024510605A (ja) * 2021-03-15 2024-03-08 オムロン株式会社 ロボットの自己位置推定に用いる環境マップの更新方法及び更新装置
CN112985417B (zh) * 2021-04-19 2021-07-27 长沙万为机器人有限公司 移动机器人粒子滤波定位的位姿校正方法及移动机器人
CN113478480B (zh) * 2021-06-22 2022-03-25 中建三局集团有限公司 一种横折臂布料机的轨迹规划方法
KR20230017060A (ko) * 2021-07-27 2023-02-03 삼성전자주식회사 로봇 및 그 제어 방법
US20230320551A1 (en) 2022-04-11 2023-10-12 Vorwerk & Co. Interholding Gmb Obstacle avoidance using fused depth and intensity from nnt training
US11511165B1 (en) * 2022-05-30 2022-11-29 Tennibot, Inc. Autonomous tennis assistant systems

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060235585A1 (en) * 2005-04-18 2006-10-19 Funai Electric Co., Ltd. Self-guided cleaning robot
CN101000507A (zh) * 2006-09-29 2007-07-18 浙江大学 移动机器人在未知环境中同时定位与地图构建的方法
CN101093503A (zh) * 2006-06-20 2007-12-26 三星电子株式会社 在移动机器人中建立网格地图的方法、设备和介质
US20080009965A1 (en) * 2006-07-05 2008-01-10 Battelle Energy Alliance, Llc Autonomous Navigation System and Method
US20080119961A1 (en) * 2006-11-16 2008-05-22 Samsung Electronics Co., Ltd. Methods, apparatus, and medium for estimating pose of mobile robot using particle filter
JP2009169845A (ja) * 2008-01-18 2009-07-30 Toyota Motor Corp 自律移動ロボット及び地図更新方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04227507A (ja) * 1990-07-02 1992-08-17 Nec Corp 移動ロボット用のマップを作成し保持する方法
US5202661A (en) * 1991-04-18 1993-04-13 The United States Of America As Represented By The Secretary Of The Navy Method and system for fusing data from fixed and mobile security sensors
DE59501570D1 (de) * 1994-06-22 1998-04-09 Siemens Ag Verfahren zur orientierung, fahrwegplanung und steuerung einer autonomen mobilen einheit
US5957984A (en) * 1994-09-06 1999-09-28 Siemens Aktiengesellschaft Method of determining the position of a landmark in the environment map of a self-propelled unit, the distance of the landmark from the unit being determined dynamically by the latter
GB0126497D0 (en) * 2001-11-03 2002-01-02 Dyson Ltd An autonomous machine
US7162056B2 (en) * 2002-08-16 2007-01-09 Evolution Robotics, Inc. Systems and methods for the automated sensing of motion in a mobile robot using visual data
US7774158B2 (en) * 2002-12-17 2010-08-10 Evolution Robotics, Inc. Systems and methods for landmark generation for visual simultaneous localization and mapping
JP2005211463A (ja) * 2004-01-30 2005-08-11 Funai Electric Co Ltd 自走式掃除機
JP2006239844A (ja) * 2005-03-04 2006-09-14 Sony Corp 障害物回避装置、障害物回避方法及び障害物回避プログラム並びに移動型ロボット装置
JP2007041657A (ja) * 2005-07-29 2007-02-15 Sony Corp 移動体制御方法および移動体
EP1920326A4 (en) 2005-09-02 2014-01-08 Neato Robotics Inc ROBOT MULTIFUNCTION DEVICE
US8577538B2 (en) * 2006-07-14 2013-11-05 Irobot Corporation Method and system for controlling a remote vehicle
EP2013671B1 (en) * 2006-03-17 2018-04-25 iRobot Corporation Lawn care robot
US7801644B2 (en) * 2006-07-05 2010-09-21 Battelle Energy Alliance, Llc Generic robot architecture
US8996172B2 (en) * 2006-09-01 2015-03-31 Neato Robotics, Inc. Distance sensor system and method
US7613673B2 (en) * 2006-10-18 2009-11-03 The Boeing Company Iterative particle reduction methods and systems for localization and pattern recognition
JP5141507B2 (ja) * 2008-08-25 2013-02-13 村田機械株式会社 自律移動装置
KR101538775B1 (ko) * 2008-09-12 2015-07-30 삼성전자 주식회사 전방 영상을 이용한 위치 인식 장치 및 방법
KR101503903B1 (ko) * 2008-09-16 2015-03-19 삼성전자 주식회사 이동 로봇의 지도 구성 장치 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060235585A1 (en) * 2005-04-18 2006-10-19 Funai Electric Co., Ltd. Self-guided cleaning robot
CN101093503A (zh) * 2006-06-20 2007-12-26 三星电子株式会社 在移动机器人中建立网格地图的方法、设备和介质
US20080009965A1 (en) * 2006-07-05 2008-01-10 Battelle Energy Alliance, Llc Autonomous Navigation System and Method
CN101000507A (zh) * 2006-09-29 2007-07-18 浙江大学 移动机器人在未知环境中同时定位与地图构建的方法
US20080119961A1 (en) * 2006-11-16 2008-05-22 Samsung Electronics Co., Ltd. Methods, apparatus, and medium for estimating pose of mobile robot using particle filter
JP2009169845A (ja) * 2008-01-18 2009-07-30 Toyota Motor Corp 自律移動ロボット及び地図更新方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107209515A (zh) * 2014-09-01 2017-09-26 法雷奥开关和传感器有限责任公司 定位和地图绘制装置及方法
CN110506284A (zh) * 2017-03-30 2019-11-26 克朗设备公司 仓库绘制工具
CN110506284B (zh) * 2017-03-30 2023-05-23 克朗设备公司 仓库绘制工具
CN109154662A (zh) * 2017-04-21 2019-01-04 X开发有限责任公司 使用负映射的定位
CN111047642A (zh) * 2018-10-15 2020-04-21 科沃斯机器人股份有限公司 环境地图的校正方法、设备及存储介质
CN111047642B (zh) * 2018-10-15 2024-04-05 科沃斯机器人股份有限公司 环境地图的校正方法、设备及存储介质
CN109191027A (zh) * 2018-11-09 2019-01-11 浙江国自机器人技术有限公司 一种机器人召唤方法、***、设备及计算机可读存储介质
CN110852211A (zh) * 2019-10-29 2020-02-28 北京影谱科技股份有限公司 基于神经网络的slam中障碍物过滤方法和装置
CN111928866A (zh) * 2020-09-27 2020-11-13 上海思岚科技有限公司 一种机器人地图差异更新的方法及设备
CN111928866B (zh) * 2020-09-27 2021-02-12 上海思岚科技有限公司 一种机器人地图差异更新的方法及设备
CN112581613A (zh) * 2020-12-08 2021-03-30 纵目科技（上海）股份有限公司 一种栅格地图的生成方法、***、电子设备及存储介质

Also Published As

Publication number Publication date
KR101362961B1 (ko) 2014-02-12
JP5837553B2 (ja) 2015-12-24
HK1211352A1 (zh) 2016-05-20
EP2473890B1 (en) 2014-03-12
WO2011026119A2 (en) 2011-03-03
CN104699099B (zh) 2018-03-23
NZ598500A (en) 2013-11-29
US8903589B2 (en) 2014-12-02
US9678509B2 (en) 2017-06-13
US20170255203A1 (en) 2017-09-07
KR20120043096A (ko) 2012-05-03
US20110082585A1 (en) 2011-04-07
CA2859112C (en) 2017-08-15
JP2013503404A (ja) 2013-01-31
US20150105964A1 (en) 2015-04-16
CN102576228A (zh) 2012-07-11
US20140058610A1 (en) 2014-02-27
WO2011026119A3 (en) 2011-06-16
CA2859112A1 (en) 2011-03-03
AU2010286429B2 (en) 2013-11-28
AU2010286429A1 (en) 2012-04-05
EP2473890A2 (en) 2012-07-11
CA2772636A1 (en) 2011-03-03
JP2014078254A (ja) 2014-05-01

Similar Documents

Publication Publication Date Title
CN104699099A (zh) 移动机器人环境的同时定位和地图绘制的方法和设备
CN111708047B (zh) 机器人定位评估方法、机器人及计算机存储介质
CN108253958B (zh) 一种稀疏环境下的机器人实时定位方法
JP2014078254A5 (zh)
Hähnel et al. Mobile robot mapping in populated environments
US10057725B2 (en) Sensor-based geolocation of a user device
Veeck et al. Learning polyline maps from range scan data acquired with mobile robots
CN104951055A (zh) 设置设备的操作模式的方法和装置
CN113721633B (zh) 一种基于行人轨迹预测的移动机器人路径规划方法
CN112344966B (zh) 一种定位失效检测方法、装置、存储介质及电子设备
Liu et al. Monte Carlo multi-robot localization based on grid cells and characteristic particles
WO2021005775A1 (ja) 物体検知装置、学習方法、及び、記録媒体
CN113347562B (zh) 一种室内位置指纹定位准确性自动验证方法及设备
Kümmerle et al. Active monte carlo localization in outdoor terrains using multi-level surface maps
CN117452429B (zh) 基于多线激光雷达的机器人定位方法及***
US20240202971A1 (en) Image recognition device, method for image recognition device, and recording medium
CN114442605B (zh) 定位检测方法、装置、自主移动设备以及存储介质
CN118293922A (zh) 地面检测方法、装置、存储介质及清洁设备
CN113160397A (zh) 一种灾害监测视频位移测量方法、设备和***
Zhang et al. Risk assessment for slope monitoring
CN117998584A (zh) 基于多用户rssi的室内定位方法、***、终端及介质
Ng A Practical Comparison of Robot Path Planning Algorithms given only Local Information
Bencúr et al. Variance and model optimization in sensor networks

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1211352

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant
REG Reference to a national code

Ref country code: HK

Ref legal event code: WD

Ref document number: 1211352

Country of ref document: HK