CN109791406A - 自主载体的对象感知和规避*** - Google Patents
自主载体的对象感知和规避*** Download PDFInfo
- Publication number
- CN109791406A CN109791406A CN201680089095.6A CN201680089095A CN109791406A CN 109791406 A CN109791406 A CN 109791406A CN 201680089095 A CN201680089095 A CN 201680089095A CN 109791406 A CN109791406 A CN 109791406A
- Authority
- CN
- China
- Prior art keywords
- volume
- sub
- target
- control system
- driving direction
- 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
Links
- 230000008447 perception Effects 0.000 title abstract description 5
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims description 34
- 239000012636 effector Substances 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 8
- 230000002269 spontaneous effect Effects 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 abstract description 3
- 238000003384 imaging method Methods 0.000 abstract description 3
- 230000008520 organization Effects 0.000 abstract 1
- 230000032258 transport Effects 0.000 description 29
- 238000012545 processing Methods 0.000 description 18
- 238000003860 storage Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 244000062645 predators Species 0.000 description 8
- 238000012360 testing method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 241000209094 Oryza Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000011888 foil Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/933—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
-
- 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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly 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
- G08G5/0078—Surveillance aids for monitoring traffic from the aircraft
-
- 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
- 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]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/46—Indirect determination of position data
- G01S13/48—Indirect determination of position data using multiple beams at emission or reception
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种用于确定自主载体(AV)在不使用成像***的情况下避开对象(例如障碍物)行驶到目标的行驶路径的***。对象感知和规避(OSA)***检测与AV相邻的对象范围中的对象,并且当AV行驶时动态地生成到对象的行驶路径以避开所述对象。OSA***不断地使用传感器来收集对象范围内任何对象的传感器数据。然后对象检测***检测所述对象并基于不同传感器所表示的对象的三角测量范围确定它们的位置。再然后路径规划器***规划AV的下一个行驶方向,在寻求最小化行驶距离的同时也规避检测到的对象。接着OSA***指示AV沿行驶方向行驶。
Description
关于联邦政府资助研究的声明
根据美国能源部和劳伦斯利弗莫尔国家安全有限责任公司之间用于劳伦斯利弗莫尔国家实验室的运作的合同号DE AC52-07NA27344,美国政府拥有本发明的权利。
背景技术
无人驾驶飞行器(UAVs),也称为无人驾驶飞行器***(UAS)或无人驾驶飞机,用于各种各样的应用,例如军事,科学,商业,人道主义和娱乐应用。可以以多种方式控制UAV,范围从导航***的自动控制到操作员的远程控制。提供自动控制的导航(或引导)***可以内置在UAV上或从UAV接收数据并将指令发送到UAV的地面站上。导航***可以简单地沿着由全球定位***(GPS)坐标定义的指定路线(例如,直线)将UAV导航到目的地。更复杂的导航***可以与内置成像***接口连接,该***收集UAV附近的环境图像。导航***可以处理图像以识别UAV路径中的障碍物(例如,建筑物,山脉和树木)并且将UAV引导到得以避开障碍物的路线上。当UAV处于操作员的远程控制下时,UAV可具有内置摄像***,其将环境图像流式传输给操作员。如果无人机没有内置摄像***,则操作员需要UAV的视线。操作员可以使用多种驾驶舱类型的控制来引导UAV。
处理图像以识别障碍物的导航***可能非常昂贵并且可能给UAV增加显著的重量。这些导航***包括摄像***,图像处理***,障碍物检测***,路线规划***等。费用的很大一部分由处理图像所需要的计算和存储资源所决定。每个图像可能需要几十兆字节才能存储。为了实时处理图像,导航***可能需要高端处理***,并且可能需要定制设计的处理器。除了高端军事应用之外,这种导航***的费用和重量使得它们对于UAV的使用是不现实的。因此,商业和娱乐用途的UAV的远程控制会基于其所具有的视线。
附图说明
图1示出一些实施例中的对象感知和规避(OSA)***的部件的框图。
图2A示出了从三个传感器导出的范围。
图2B示出了对象的定位。
图3A示出了具有一个发射器的传感器阵列的多种几何形状。
图3B示出了传感器收发器阵列的多种几何形状。
图4示出一些实施例中由OSA***使用的多种数据结构的框图。
图5示出一些实施例中的OSA***的部件的框图。
图6示出一些实施例中的OSA***的路径控制器***的整体处理的流程图。
图7示出一些实施例中OSA***的检测对象部件的处理流程图。
图8示出一些实施例中OSA***的计算位置部件的处理流程图。
图9示出一些实施例中的填充对象数据结构部件的处理流程图。
图10示出一些实施例中的填充运输线分数数据结构部件的处理流程图。
图11示出一些实施例中的确定行驶方向部件的处理流程图。
具体实施例
本发明提供了一种用于在不使用成像***规避对象(即障碍物)的同时确定UAV行驶到目标的行驶路径的方法和***。在一些实施例中,对象感知和规避(OSA)***检测与UAV相邻的对象范围中的对象,并在UAV行驶时动态地生成到目标的行驶路径以避开对象。OSA***包括传感器阵列,对象检测***和路径规划器***。OSA***不断地使用传感器阵列来收集对象范围中的任何对象的传感器数据。例如,传感器阵列可以发送雷达信号并接收由对象反射的返回信号。然后,对象检测***检测对象并基于传感器数据确定它们的位置。例如,对象检测***可以基于由多个传感器接收的返回信号对对象的位置进行三角测量。然后,路径规划器***计划UAV的下一个行驶方向,以规避检测到的对象,同时寻求最小化的行驶距离。例如,路径规划器***选择尽可能接近目标方向的下一个行驶方向(“目标方向”),其保持与检测到的对象的期望间隙。然后OSA***指示UAV沿行驶方向行驶,直到重复该过程并且计划考虑当前在对象范围中的对象的新行驶方向。当确定对象的位置时,OSA***使用UAV的位置和方向,其可以从UAV的内置***获取。
在一些实施例中,传感器阵列安装在UAV上,用于发送信号并接收表示对象存在的返回信号。例如,传感器阵列可以包括电磁信号的发射器(例如,雷达和激光雷达)和用于接收返回信号的多种接收器,该返回信号表示发送的信号从对象反射。对象检测***识别可以对应于对象的返回信号,并识别那些返回信号中的哪一个对应于同一对象。为了识别可能对应于对象的返回信号,对象检测***可以部分地基于返回信号的强度来确定识别。对象检测***可以基于返回信号行驶的距离确定哪些返回信号对应于同一对象,然后基于距离的三角测量确定对象的位置。由于实际对象具有范围并且在整个范围内接收返回信号,因此对象检测***使用对象分辨率来确定对象的多种位置。例如,如果分辨率是一米并且实际对象具有10平方米的范围,则对象检测***可以在内部将实际对象表示为10个对象,每个对象具有由坐标(x,y,z)给出的其自己的位置。给定对象在对象范围中的位置,路径规划器***基于从行驶方向上的行驶路径到对象的距离以及行驶方向从自UAV到目标的目标方向的偏差来确定UAV的行驶方向。例如,如果UAV附近的对象太靠近从UAV到目标的直接路径(称为目标路径),则路径规划***将选择尽可能接近目标路径的目标方向的行驶方向,并允许UAV在它和任何对象之间保持足够的距离。OSA***将行驶方向作为UAV的下一个方向。
在一些实施例中,路径规划器***基于运输线体积确定用于从UAV的当前位置行驶到目标的行驶方向。运输线体积是与UAV相邻的体积,其足够大以包围足够接近UAV的对象以影响行驶方向的选择。例如,运输线体积可以是在UAV前方延伸20米(即,UAV坐标系的y轴正方向)并且在UAV的左侧,右侧,下方和上方的每个方向上延伸20米的矩形长方体(即,UAV坐标系x轴的负方向和正方向以及z轴的负方向和正方向)。这种运输线体积的大小是32,000立方米。路径规划器***基于期望的对象分辨率将运输线体积划分为子体积。例如,如果所需的对象分辨率是一米,则矩形立方体将被分成32,000个一米立方体。对象分辨率可以基于各种因素而变化,例如传感器阵列的分辨率,对象所需的间隙以及OSA***的计算资源。路径规划器***识别包含对象的运输线体积的子体积。例如,路径规划器***可以使用对象数据结构,该对象数据结构是具有每个子体积的元素的三维阵列。因此,拥有32,000个子体积的运输线体积的对象数据结构将具有32,000个通过坐标(i,j,k)索引的元素,其中i的范围从–20到20,j的范围从0到20,k范围从-20到20,UAV被认为是在对应于元素(0,0,0)的子体积处。对于对象的每个位置,路径规划器***在对象数据结构中设置与包含对象的子体积相对应的标志。
在识别出包含对象的子体积之后,路径规划器***计算每个子体积的运输线分数。子体积的运输线分数表示基于子体积与对象的接近程度以及子体积方向与目标方向的偏差所述行驶路径在子体积方向(即,从UAV到子体积的方向)上的适合性。例如,不在对象附近并且具有接近目标方向的子体积方向的子体积具有高的运输线分数。作为另一示例,包含对象的子体积而不管子值方向是否与目标方向相同将具有低的运输线分数。路径规划器可以使用运输线分数数据结构,其与对象数据结构一样,具有用于每个子体积的元素,以存储每个子体积的运输线分数。在一些实施例中,路径规划器***可以使用距离数据结构,其具有用于每个子体积的元素,以存储每个子体积到最近对象的距离。距离可以是欧几里德或曼哈顿(即城市街区)距离。路径规划器***可以使用这些距离来生成运输线分数。
尽管子体积可能具有高传输分数,但是可能存在太靠近子体积的子体积路径的对象导致在子体积方向上的行驶不可行。因此,在计算运输线分数之后,路径规划器***基于子体积的运输线分数和满足间隙标准的子体积路径,为行驶方向选择子体积的子体积方向。间隙标准可以指定对象和子体积路径之间的最小所需距离,以使子体积方向被限定为行驶方向。规划***可以识别具有最高运输线分数并且其子体积路径满足间隙标准的子体积,并选择所确定的子体积的子体积方向作为行驶方向。路径规划器***可以使用距离数据结构的距离来确定是否满足子体积路径的间隙标准。然后,路径规划器***将行驶方向提供为UAV的下一个方向。
尽管主要在UAV的情境下描述OSA***,但OSA***可用于控制自动驾驶的多种交通工具(AV)。AV可以包括UAV,无人驾驶地面车辆(UGV),无人驾驶水下航行器(UUV)和无人驾驶空间交通工具(USV)。这些交通工具是“无人驾驶的”,即不管人是否在交通工具上都不控制交通工具的引导。例如,UGV可以在OSA***的单独控制下以UGV的指导运送几个人。对于UGV,运输线体积可能仅需要略高于车辆,并且可以有效地被认为是在z轴方向(垂直)中具有高度为1的平面或体积。如果UGV在例如停车场中操作,则可以通过平面堆栈来表示运输线体积——一个为每个级别的停车场。对于UUV,传感器阵列可以是基于声纳的,但OSA***将以与UAV类似的方式操作。对于USV,OSA***在帮助卫星规避与空间碎片或其他卫星发生碰撞方面可能特别有用。USV的OSA***可以使用更大的运输线体积来包含更广泛的对象的方法。另外,可以利用从空间对象的轨道参数(例如,开普勒元素)确定的已知空间对象的估计位置来增强OSA***,以帮助确定返回信号是否对应于对象。在一些实施例中,OSA***甚至可以不使用传感器阵列,而是可以仅依赖于从轨道参数确定的已知空间对象的估计位置。而且,尽管OSA***主要基于AV前面的运输线体积来描述,但是运输线体积可以围绕AV。在这种情况下,AV可以包括多个传感器阵列以感知车辆周围的整个区域。这样周围运输线体积可以是有用的,例如,用于感知和规避从后方朝向AV行驶的对象(例如,空间碎片)。
路径规划器***可以选择行驶方向,使得UAV采取规避操作以规避与对象即将发生的碰撞。例如,捕食者UAV可能试图通过与猎物UAV碰撞而在其到达目标之前拦截猎物UAV。在这种情况下,猎物UAV的OSA***可以计算远离目标方向90°角以上的新行驶方向,因为捕食者UAV在猎物UAV的前方从左侧移动到右侧。如果猎物UAV之前在目标方向上行驶,则猎物UAV在行驶方向上的突然且显着的变化实际上是规避与捕食者UAV碰撞的规避操作。新的行驶方向可能导致猎物UAV快速上升或下降或甚至反转方向。如果猎物UAV具有环绕的运输线体积,那么即使捕食者无人机从后方接近,OSA***也可以采取规避动作。在这种情况下,OSA***可以选择接近目标方向的行驶方向,但是由于捕食者UAV太近而将覆盖该选择。OSA***可以基于连续的位置确定来确定捕食者UAV的行驶方向,并且将覆盖的行驶方向设置为例如垂直于捕食者UAV的行驶方向。如果运输线体积仅在猎物UAV前面,则猎物UAV可能进入规避操纵模式。当处于规避操作模式时,当捕食者UAV位于运输线体积的范围内的同时,猎物UAV可以连续地定向自身以试图将捕食者UAV保持在运输线体积内。
OSA***还可用于控制例如固定底座机器人***和自由移动机器人***中的移动。固定基座***,例如在生产线上使用的***,通常包括机器人操纵器,末端效应器(例如,工具或夹具)和安全互锁***。固定底座机器人***可以使用教导器来教导其运动,教导器通常是用于对机器人的轨迹进行编程的手持单元。安全互锁***可包括用于检测碰撞的力传感器或用于在人位于固定底座机器人***的工作空间附近时禁用机器人操纵器的光幕传感器。OSA***允许固定底座机器人***检测入侵并改变机器人操纵器的轨迹。因此,可以改善工人的安全性,并且可以通过规避昂贵的停机来维持资本密集型生产线的生产能力。此外,使用OSA***可以消除使用示教器进行教学的需要以及对力传感器或光幕传感器的需求。OSA***可用于确定拾取和放置生产线零件的行驶路径。OSA***可通过例如控制滚动,俯仰和偏航机器人操纵器来将末端效应器引导到目标,该目标是固定底座***的单元内在避开相邻单元的同时用于拾取的部件的位置。然后可以使用OSA***将末端效应器引导到对象,该对象是生产线上的部件的期望位置。为了引导末端效应器拾取或放置零件,可以在集合区附近(即,拾取和放置位置附近)细化(即,使其变小)运输线体积的子体积。OSA***的输出可用于生成命令并向机器人操纵器发出命令,以减慢,改变方向,或信号准备就绪,以停驻接合,互锁,配合,操作工具等。传感器阵列可以位于末端效应器附近的机器人操纵器上或固定位置。
自由移动的机器人***包括仆人机器人和伴随机器人。当机器人以类似于规划UGV的行驶路径的方式在医院,生产线,运输设施等内移动部件或物资时,OSA***可用于规划行驶路径。自由移动机器人***的有效载荷可以是工具,零件,物资,传感***,交互式通信器(用于伴随机器人)等。目标是机器人的期望的目的地。期望的目的地可以是移动的目标,例如,伴随机器人正在跟随的人。OSA***允许机器人在规避静止和移动对象的同时移动到目标。传感器阵列可以位于自由移动的机器人***的前面。OSA***可用于在复杂环境中安全,有效且可靠地导航机器人***。
图1是示出一些实施例中的OSA***的部件的框图。OSA***100包括传感器阵列110,对象检测***120,路径规划器***130和飞行控制器***140。传感器阵列发送发送信号T并接收返回信号R。传感器阵列为接收器m提供对应时间n的返回信号Rn,m。对象检测***还具有与由飞行控制器收集的固定坐标系相关的当前位置Pn+1和由旋转矩阵θn+1表示的UAV的当前方向。对象检测***向路径规划器***提供UAV的当前位置和方向以及每个检测到的对象对于时间n和对象c的点位置。路径规划器***还被提供目标的当前位置。例如,目标可以在UAV要跟踪的移动交通工具上方10米处。在这种情况下,可以基于交通工具上的定位***(例如,GPS***)报告的交通工具的当前位置来计算目标。路径规划器***计算行驶方向,然后将行驶方向提供给飞行控制器***,例如,作为位置飞行控制器***引导UAV沿行驶方向行驶。对象检测***,路径规划器***和飞行控制器***间隔地重复它们的处理,根据当前的与UAV相邻的运输线体积中的对象的情况下确定下一个行驶方向。
在一些实施例中,对象检测***和路径控制器***以由内置处理器执行的软件实施。处理器可以经由微型飞行器通信协议(“MAVLink”)向UAV的自动驾驶***发送指令。处理器和自动驾驶***可以通过通用异步接收器/发送器(UART)连接来连接。合适的处理器可包括例如Odroid C1+,Odroid XU4,Raspberry Pi,Intel Edison,Intel NUC,Gigabyte Brix和NVIDIA Jetson TK1。在一些实施例中,OSA***的各方面可以由不是内置的处理器执行。在这样的实施例中,内置处理器可以包括WiFi接口,用于从地面站处理器接收数据并将数据发送到地面站处理器。如果路径控制器***由地面站处理器执行,则内置处理器将由对象检测***识别的对象位置发送到地面站处理器,并从地面站处理器接收行驶方向和可能的目标位置。内置处理器和地面站处理器可以通过Intel WiFi Link 5000适配器进行通信。
在一些实施例中,OSA***采用时域或频域雷达用于传感器阵列。对于4”分辨率,85GHz(或更高)的频率使用10”直径的光圈在20'范围内实现4”分辨率。分辨率可用以下等式表示:
其中c代表光速,R代表范围,f代表频率,以及d代表光圈的直径。
可以使用三个共面传感器的传感器阵列来定位对象,并且从返回信号导出范围。图2A示出了根据三个传感器导出的范围。传感器L,M和N在UAV坐标系的y=0的平面中共面,其中UAV处于坐标(0,0,0)。OSA***根究来自对象201的返回信号确定传感器L,M和N的范围RL,RN和RM。所述范围可以由以下等式表示:
R=(t*c)/2
其中t表示信号传输和返回信号接收之间的时间。
OSA***可以将传感器阵列前面的对象定位为范围R,高度θ和方位φ的组合。图2B示出了对象的定位。使用三角测量,OSA***识别出对象201处于与UAV相关的指定范围,高度和方位。UAV坐标系中对象的坐标由下式表示:
(x,y,z)=(R*cosθ*cosφ,R*cosθ*sinφ,R*sinθ)
在一些实施例中,OSA***可以使用三个或更多个不共线且不需要共面的接收器来确定范围,高度和方位。传感器阵列可以使用廉价的半导体元件和印刷天线在轻质印刷电路板或其他合适的基板上构造。该阵列的背面可以用箔片屏蔽,以减少对其他UAV有效载荷,传感器或电子设备的噪声或干扰。
OSA***可以采用用于传感器阵列的多种几何形状,其包括发射器和共面接收器阵列。图3A示出了具有一个发射器的传感器阵列的多种几何形状。传感器阵列311-315的每个分别包括在顶点处的一个发射器310和3,4,5,6和8个接收器。尽管三角测量需要三个接收器,但是额外的传感器可以帮助提高对象检测和信噪比。发射器310发送信号,并且所有接收器监听返回信号。OSA***可以替代地采用包括三个或更多个收发器的传感器阵列的多种几何形状。图3B示出了传感器收发器阵列的多种几何形状。传感器阵列321-325分别包括在顶点处的3,4,5,6和8个收发器。收发器按顺序发送,并且每个收发器可以监听其唯一的返回信号,从而产生N个返回信号,其中N是收发器的数量。或者,收发器按顺序发送,并且每个收发器监听每个返回信号,从而产生N2个返回信号。为了提高对长而薄的目标(例如,电力线)的检测,OSA***可以采用对两个正交方向上的偏振敏感的传感器阵列。如果偏振仅在一个方向上,那么当偏振平行于长而薄的目标时,将产生非常小的返回信号。OSA***可以使用采用交叉偶极天线(crossed dipole antennas)或圆极化(circularly polarized)天线的传感器阵列。
图4是示出在一些实施例中由OSA***使用的多种数据结构的框图。数据结构是对象数据结构410,距离数据结构420和运输线分数据结构430。这些数据结构表示为作为立方体的运输线体积的每个子体积存储的数据。轴401示出了UAV坐标系的方向。数据结构的每个元素对应于一个子立方体。元素和子立方体由三维索引标识,其中元素(1,2,1)对应于子立方体(1,2,1)。元素(0,0,0)411表示包含UAV的子立方体。对象数据结构包含每个包含对象的子立方体的一个1。元素(-2,0,2),(-1,0,-2),(2,0,1)和(2,2,-2)412-415包含一个1表示相应的子立方体包含一个对象。OSA***基于从返回信号确定的对象位置来填充对象数据结构。距离数据结构包含每个子立方体与最近对象的距离。在该示例中,使用曼哈顿距离度量。从子立方体(0,0,0)到子立方体(-2,0,2),(-1,0,-2),(2,0,1)和(2,2,-2)中的对象的距离分别为4,3,3和6。因此,元素(0,0,0)包含一个3。.从子立方体(2,0,2)到子立方体(-2,0,2),(-1,0,-2),(2,0,1)和(2,2,2)中的对象的距离分别为4,7,1和5。因此,元素(2,0,2)包含一个1。运输线分数数据结构包含每个子立方体的运输线分数,其表示子立方体基于子立方体到对象的距离在行驶方向上的适合性(由距离数据结构表示)和从目标方向到目标431的偏差。由于子立方体(-2,0,2),(-1,0,-2),(2,0,1)和(2,2,2)包含一个对象,它们的运输线分数为0.0——表示UAV不应穿过该子立方体。子立方体(1,0,2)的运输线分数为0.7,表示其子立方体方向与目标方向的方向相似,并且它不太靠近对象(如距离数据结构所示)。
OSA***以满足多种目标的方式支持UAV的自动路径规划。一个目的是传感器阵列需要重量轻且紧凑,以便可以安装在UAV上。另一个目的是在内置处理器上实现的算法需要足够高效以实时处理传感器数据。算法需要考虑当行驶方向改变时可能进出传感器视图的静止对象,移动对象(例如,其他UAV)和可能正在移动的目标。OSA***基于从UAV实时获取的有源传感器数据导出的运输线体积的顺序来执行用于规避碰撞的路径规划。有源传感器数据是雷达,声纳,激光雷达,声敏器件等等。运输线体积同时考虑了UAV的位置,目标的位置(无论是静止还是移动),以及对象的位置(无论是静止的还是移动的)。
对于在一系列时间tn=t0+nΔt(其中,n=0,1...)获取的有源传感器数据,OSA***使用固定或绝对坐标系xyz(东-北-垂直)和在时间tn时相对UAV位置的UAV坐标系坐标与坐标(x,y,z)通过3D偏移和从三个旋转角度(例如UAV滚动,俯仰和偏航)导出的3x3旋转矩阵相关。传感器阵列和GPS设备安装在UAV上。
路径规划器***和飞行控制器***可以托管在安装到UAV的处理板上或远程地安装在无线连接的计算机工作站上。在时间tn,路径规划***接收(i)UAV在固定坐标中的位置Pn=[xn,yn,zn]′,该固定坐标是UAV坐标系的原点,(ii)从固定空间坐标系到UAV坐标系的3x3旋转矩阵Θn,以及(iii)时间tn在UAV坐标系中检测到的对象的位置时间tn时固定坐标P和UAV坐标之间的坐标变换由以下等式表示:
在时间tn时目标的固定坐标系中的位置被提供或以其他方式远程地转发到OSA***。目标可以是静止的(在这种情况下)或移动。路径规划器***计算UAV将在时间tn时移动到的固定坐标系中的位置Pn+1(即行驶方向),并将该位置作为输入提供给飞行控制器***。飞行控制器***在时间tn+1基于UAV的飞行动态模型计算从固定坐标系到UAV坐标系的旋转矩阵Θn+1。然后,飞行控制器***提供相对于固定坐标系的UAV坐标系的详情(Pn+1,Θn+1)作为时间tn+1时对象检测***的输入。
图2B中示出了时间tn时的UAV坐标系,其中轴指向瞬时UAV横向距离方向,轴指向范围(向前)方向,并且轴完成右手坐标***。传感器阵列的运输线体积可以在时间tn时占据在UAV坐标系中跨越的立方体。
在每个传感器数据获取时间tn或观察间隔,OSA***提取对象的一组位置的坐标OSA***在对象数据结构中存储代表运输线体积的位置的表示。对于时间tn上的子体积值1仅出现在时间tn时处获取的对象的位置处或者在时间tn时存储在bn-1的属于运输线体积内的对象的位置处。
每个子体积在固定坐标系中占据立方体体积的宽度Δ。根据UAV坐标系中的坐标用以下等式计算对象数据结构的索引(i,j,k):
其中仅当元素(i,j,k)对应于这样的子体积,其包含在时间tn时在UAV中心坐标系中的位置处的对象或在bn-1中时,bn(i,j,k)=1。
OSA***使用距离数据结构其中dn(i,j,k)表示从由bn中的元素(i,j,k)表示的子体积到bn中具有值1的最近元素的欧几里德(或其他,例如城市块)距离(以米为单位)。OSA***可以使用欧几里德(或其他,例如城市块)距离变换算法进行计算,如下文中所述。
Azriel Rosenfeld and John Pfaltz,“Sequential Operations in DigitalPicture Processing,”Journal of the Association for Computing Machinery,Vol.13,No.4,1966,pp.471-494,
David W.Paglieroni,“A Unified Distance Transform Algorithm andArchitecture,”Machine Vision and Applications,Vol.5,Issue 1,1992,pp.47-55,and
Calvin Maurer,Rensheng Qi,and Vijay Raghavan,“A Linear Time Algorithm forComputing Exact Euclidean Distance Transforms of Binary Images in ArbitraryDimensions,”IEEE Transactions on Pattern Analysis and Machine Intelligence,Vol.25,No.2,February 2003,pp.265-270,
其均在此引入作为参考。
OSA***采用运输线分数数据结构其中Jn(i,j,k)是与对应于元素(i,j,k)的子体积相关联的运输线分数(例如,从0到1)。从概念上讲,当(i)(i,j,k)和所有对象之间的距离增加,以及(ii)从UAV到由元素(i,j,k)表示的子元素的子体积方向和目标方向变得更加对齐时,运输线分数Jn(i,j,k)增加。
数学上,Jn(i,j,k)可随着单位斜坡函数f(dn(i,j,k))的增加而增加。间隙距离或临界距离dcrit表示以米为单位的距离,超过该距离,对象被称为“远程”。虽然dcrit可以手动指定,但OSA***也可以基于距离数据结构中的距离分布动态地计算dcrit。此分布是对象范围内对象密度的表示。例如,OSA***可以设置dcrit为某个最小距离dmin和μd+nσd中的较大者,并且在其中μd和σd并且是从分布导出的距离平均值和扩展的度量,并且n是手动指定的。
如上所述,Jn(i,j,k)还应当随着角度θn(i,j,k)接近零而增加,其中θn(i,j,k)是从UAV发出的矢量之间的角度,其经过(i)由元素(i,j,k)表示的子体积和(ii)目标。在一些实施例中,OSA***用以下等式计算运输线分数:
其中,
OSA***基于对具有最高运输线分数的子体积的选择,每秒向UAV发出路径遍历命令,对象不过分靠近子体积路径。为了选择子体积,OSA***按值Jn的降序对子体积进行排序,并将列表截断为元素M≤nxnynz。对于截断列表中的第一个子体积,OSA***确定沿子体积路径到子体积的所有子体积的最小距离值,或者包含子体积路径的路径。并延伸穿过运输线体积。如果最小距离大于dcrit,则OSA***生成沿着子体积方向穿过Δ米的命令并完成。否则,OSA***处理列表中的下一个子体积,依此类推。如果完整地处理列表而没有找到最小距离大于dcrit的子体积,则OSA***将临界距离减小一个因子(例如,设置dcrit为dcrit/2),并重新处理列表等,直到增量路径已成功为UAV生成遍历命令。如果更新的值dcrit小于2Δ,则无法发出增量路径遍历命令,从而导致路径规划器***返回错误代码。
图5是示出一些实施例中的OSA***的组件的框图。OSA***500包括对象检测***510和路径控制器***520。对象检测***包括检测对象组件511,计算位置组件512,返回信号存储器513和对象位置存储器514。检测对象组件处理返回信号存储器的返回信号以识别对象的存在,例如通过识别由不同接收器确定的每个对象的范围。计算位置组件基于范围确定对象的位置,并将位置(例如,范围,高度和方位)存储在对象位置存储中。路径控制器***包括填充对象数据结构组件521,填充运输线数据结构组件522和标识行驶方向523。路径控制器***还可以包括填充距离数据结构组件(未示出)。路径控制器***还包括对象数据结构524,距离数据结构525和运输线分数数据结构526。填充对象数据结构组件填充对象数据结构以表示包含对象的子体积。填充运输线分数数据结构组件填充运输线分数数据结构以表示子体积的运输线分数。
可以在其上实现OSA***的计算***可以包括中央处理单元,输入设备,输出设备(例如,显示设备和扬声器),存储设备(例如,存储器和磁盘驱动器),网络接口,图形处理单元,加速度计,蜂窝无线电链路接口,全球定位***设备等。计算***可以包括数据中心的服务器,大规模并行***等。计算***可以访问包括计算机可读存储介质和数据传输介质的计算机可读介质。计算机可读存储介质是有形存储装置,其不包括暂时的传播信号。计算机可读存储介质的示例包括诸如主存储器,高速缓冲存储器和辅助存储器(例如,DVD)和其他存储器的存储器。计算机可读存储介质可以记录在它们上,或者可以用计算机可执行指令或实现OSA***的逻辑编码。数据传输介质用于通过有线或无线连接经由瞬时,传播信号或载波(例如,电磁)传输数据。
可以在由一个或多个计算机,处理器或其他设备执行的计算机可执行指令(例如程序模块和组件)的一般情境中描述OSA***。通常,程序模块或组件包括执行特定任务或实现特定数据类型的例程,程序,对象,数据结构等。通常,程序模块的功能可以根据需要在各种实施例中组合或分布。OSA***的多个方面可以使用例如专用集成电路(ASIC)以硬件实施。
图6是示出一些实施例中的OSA***的路径控制器***的整体处理的流程图。在每个观察间隔调用路径控制器***600,以基于在该间隔期间检测到的对象的位置生成行驶控制指令。在框601中,***接收对象的位置。在框602中,***识别包含对象的运输线体积的子体积。该组件设置对应于所识别的子体积的对象数据结构的元素,以表示该子体积包含一个对象。尽管未在流程图中示出,但***还可以填充距离数据结构以表示该每个子体积到最近对象的距离。在框603中,***计算每个子体积的运输线分数。***将运输线分数存储在运输线分数数据结构中。在框604中,***选择用于建立行驶方向的子体积。***可以选择具有满足许可标准的最高运输线分数的子体积。间隙标准可以是没有对象在子体积路径的间隙距离内。间隙标准也可以更复杂,例如没有对象在间隙距离内并且不超过一定数量的对象在次要间隙距离内,例如,以避免选择一个清空的子体积路径虽然清空但是有很多对象将在清除门槛之外。在框605中,组件将行驶方向指定为所选子体积的子体积方向,然后完成。
图7是示出一些实施例中OSA***的检测对象组件的处理的流程图。在每个观察间隔调用检测对象组件700以检测对象并确定对象的位置。在框701中,组件收集来自传感器阵列的返回信号。在框702中,组件识别来自对应于同一对象的多种接收器的返回信号。在框703中,组件选择已经识别的下一个对象。在判定框704中,如果已经选择了所有识别的对象,则组件完成,否则组件在框705继续。在框705中,组件调用计算位置组件以计算所选对象的位置,然后循环块703以选择下一个对象。
图8是示出一些实施例中OSA***的计算位置组件的处理的流程图。计算位置组件800基于接收到对象的返回信号的时间来计算对象的位置。在框801中,组件选择传感器阵列的下一个接收器。在判定框802中,如果已经选择了所有接收器,则该组件在框804处继续,否则该组件在框803处继续。在框803中,该组件基于所选择的接收器接收到返回信号的时间来计算到对象的接收器范围,并循环到框801以选择下一个接收器。在框804中,组件基于接收器范围通过三角测量来计算到对象的范围以及对象的高度和方位。在框805中,组件计算UAV坐标系中的对象的坐标。在框806中,组件将对象的坐标存储为对象的位置,然后完成。
图9是示出一些实施例中的填充对象数据结构组件的处理的流程图。填充对象数据结构组件900对象位置被传递到并且填充对象数据结构组件900将对应于包含对象的子体积的对象数据结构的元素设置为1。在框901中,组件选择下一个对象。在判定框902中,如果已经选择了所有对象,则组件返回,否则组件在框903继续。在框903-905中,组件计算与包含所选对象的子体积对应的索引(i,j和k)。在框906中,组件将由索引所索引的对象数据结构的元素设置为1,然后循环到框901以选择下一个对象。
图10是示出一些实施例中的填充运输线分数数据结构组件的处理的流程图。填充运输线分数数据结构组件1000循环计算每个子体积的运输线分数。该组件将固定坐标系中给出的目标的位置转换为UAV坐标系。在框1001中,组件选择下一个子体积。在判定框1002中,如果已经选择了所有子体积,则组件完成,否则组件在框1003处继续。在框1003中,组件计算所选子体积的运输线分数。在框1004中,组件将运输线分数存储在与所选子体积对应的运输线分数数据结构的元素中,然后循环到框1001以选择下一个子体积。
图11是示出一些实施例中的确定行驶方向分量的处理的流程图。确定行驶方向组件1100识别具有满足间隙距离的最高运输线分数的子体积,并将行驶方向设置为所确定的子体积的子体积方向。在框1101中,组件生成基于从高到低的运输线分数排序的子体积的列表。在框1102中,组件初始化间隙阈值。在框1103-1106中,组件循环确定子体积是否满足间隙距离。如果没有子体积满足间隙距离,则该组件放宽间隙阈值并重复处理。在框1103中,组件选择排序列表中的下一个子体积。在判定框1104中,如果已经选择了所有子体积,则没有子体积满足当前间隙距离,并且该部件在框1107处继续以放宽间隙距离。在框1105中,组件计算(或获取已经计算的)子体积路径到所选子体积的间隙。在判定框1106中,如果间隙满足间隙阈值,则该组件返回子体积作为行驶方向的基础,否则该组件循环到框1103以选择下一个子体积。在方框1107中,该组件例如通过将先前间隙距离除以2来放宽间隙距离。在判定框1108中,如果间隙距离小于子体积大小的两倍,则该组件返回失败的指示,否则该组件在框1109处继续。在框1109中,该组件重新开始选择子体积到排序列表中的第一子体积,并在框1103继续,以确定是否有任何子体积满足新的间隙距离。
以下段落描述了OSA***的各方面的多种实施例。OSA***的实现可以采用实施例的任何组合。下面描述的处理可以由具有处理器的计算设备执行,该处理器执行存储在实现OSA***的计算机可读存储介质上的计算机可执行指令。
在一些实施例中,提供了一种由计算***执行的用于确定用于从当前位置行驶到目标且规避对象的行驶方向的方法。该方法接收对象的位置,并识别与当前位置相邻的运输线体积的子体积,其包含由接收的位置表示的对象。对于每个子体积,该方法基于沿着从当前位置到子体积的子体积路径到对象的距离以及子体积方向与目标方向的偏差来计算运输线分数。子体积方向是从当前位置到子体积的子体积路径的方向,并且目标方向是从当前位置到目标的方向。该方法基于子体积的运输线分数并基于满足间隙标准的子体积路径来选择子体积。该方法还将行驶方向指定为沿着所选子体积的子体积路径。在一些实施例中,当前位置是行驶到目标的自主载体(UAV)的位置,并且运输线体积是在UAV的行驶方向前方的矩形立方体。在一些实施例中,子体积是立方体。在一些实施例中,该方法指示UAV在行驶方向上前进。在一些实施例中,UAV位于UAV坐标系的原点,该UAV坐标系与UAV的方向对齐,UAV的行驶方向沿y轴,并且矩形长方体沿正x轴,y轴和z轴以及沿负x轴和z轴延伸一段距离。在一些实施例中,该方法在固定坐标系内接收UAV的当前位置和当前方向的指示。在一些实施例中,基于欧几里德或曼哈顿度量来计算到对象的距离。在一些实施例中,子体积的运输线分数随着到最近对象的距离的增加而增加,并且随着子体积的子体积方向与目标方向之间的角度减小而增加。在一些实施例中,子体积的选择包括选择具有最高运输线分数的子体积,并且当沿着子体积路径到对象的最小距离大于间隙距离时,满足间隙标准。在一些实施例中,当没有子体积满足间隙距离时,间隙距离减小。在一些实施例中,当前位置是行驶到目标的无人驾驶水下航行器(UUV)的位置,并且运输线体积在UUV的行驶方向前方。在一些实施例中,当前位置是行驶到目标的无人驾驶地面车辆(UGV)的位置,并且运输线体积在UGV的行驶方向的前方。在一些实施例中,当前位置是机器人操纵器的末端效应器的位置,机器人操纵器***纵以将末端效应器移动到用于执行任务的期望位置。在一些实施例中,任务是在产品的生产期间放置部件。在一些实施例中,任务是在产品的生产期间拾取零件。在一些实施例中,当前位置是行驶到目标的自由移动机器人***的位置,并且运输线体积在自由移动机器人***的行驶方向的前面。在一些实施例中,目标是可移动的。在一些实施例中,对象是可移动的。
在一些实施例中,提供了一种用于自动地将自主载体(AV)引导到目标的控制***。控制***包括传感器阵列,对象检测***,路径规划器***和飞行控制器***。传感器阵列安装在AV上,用于从发射器发送信号,并在接收器处接收从与AV相邻的传感器范围中的对象反射的返回信号。对象检测***基于返回信号行驶的距离识别对应于相同对象的返回信号,并基于距离的三角测量确定对象的位置。路径规划器***基于从行驶方向上的行驶路径到对象的距离以及行驶方向到自AV到目标的目标方向的偏差来确定AV的行驶方向。控制器***指示AV沿行驶方向前进。在一些实施例中,传感器阵列的信号是电磁信号,并且传感器***对两个正交方向上的偏振敏感。在一些实施例中,传感器阵列包括至少三个接收器。在一些实施例中,传感器阵列包括多个收发器。在一些实施例中,AV包括用于确定AV在固定坐标系内的位置的定位***和用于确定AV在固定坐标系内的定向的定向***。在一些实施例中,行驶方向最初被确定为AV坐标系中的位置并且被转换为固定坐标系中的位置。在一些实施例中,路径规划器***识别与AV相邻的包含对象的运输线体积的子体积,并基于子体积路径和对象之间的距离以及子体积方向与目标方向的偏差将行驶方向设置为从AV到子体积的子体积路径的子体积方向。在一些实施例中,路径规划器***计算子体积的运输线分数,该子体积随着从子体积到最近对象的距离增加而增加,并且随着子体积方向和目标方向之间的角度减小而增加。在一些实施例中,行驶方向被设置为具有最高运输线分数的子体积的子体积路径的子体积方向,并且子体积路径满足间隙标准。在一些实施例中,当沿着子体积路径到对象的最小距离大于间隙距离时,满足间隙标准。在一些实施例中,AV是无人驾驶飞行器(UAV)。在一些实施例中,AV是无人驾驶水下航行器(UUV)。在一些实施例中,AV是无人驾驶地面车辆(UGV)。在一些实施例中,AV是行驶到目标的自由移动机器人***,并且运输线体积在自由移动机器人***的行驶方向的前面。在一些实施例中,目标是可移动的。在一些实施例中,对象是可移动的。在一些实施例中,所述路径规划器***确定一个覆盖的行驶方向以覆盖掉所述行驶方向以规避与所述移动对象碰撞。
在一些实施例中,提供了一种控制***,用于自动地引导自主载体(AV)以进行规避操作从而在行驶到目标的过程中避免与对象碰撞。控制***包括安装在AV上的传感器阵列,用于从发射器发送信号,并在接收器处接收从与AV相邻的传感器场中的对象反射的返回信号。该控制***包括对象检测***,该对象检测***基于返回信号行驶的距离识别对应于相同对象的返回信号,并基于距离的三角测量确定对象的位置。控制***包括路径规划器***,当与物体的碰撞不是即将发生时,基于从行驶方向上的行驶路径到物体的距离以及行驶方向与对象方向的偏离来确定AV的行驶方向,以及当AV与对象即将发生碰撞时,确定覆盖的行驶方向作为规避操作。控制***包括控制器***,该控制器***指示AV在行驶方向或覆盖行驶方向上行驶。在一些实施例中,当与对象即将发生碰撞时,路径规划器***指示控制器***定向AV,使得对象传感器阵列可以接收从对象反射的返回信号。在一些实施例中,AV是无人驾驶飞行器(“UAV”)。在一些实施例中,AV是无人驾驶水下航行器(“UUV”)。在一些实施例中,AV是无人驾驶地面车辆(“UGV”)。在一些实施例中,AV是行驶到目标的自由移动机器人***,并且运输线体积在自由移动机器人***的行驶方向的前方。
在一些实施例中,提供了一种用于自动地引导固定底座机器人***的控制***。该控制***包括传感器阵列,该传感器阵列发送来自发射器的信号并且在接收器处接收从固定底座机器人***的工作空间中的传感器范围中的对象反射的返回信号。该控制***包括对象检测***,该对象检测***基于返回信号行驶的距离识别对应于相同对象的返回信号,并基于距离的三角测量确定对象的位置。控制***包括路径规划器***,其基于从行驶方向上的行驶路径到对象的距离以及从行驶方向到自末端效应器到目标的目标方向的偏差来确定固定底座机器人***的末端效应器的行驶方向。在一些实施例中,目标是要拾取的部件的位置。在一些实施例中,目标是要放置的部件的位置。在一些实施例中,控制***包括控制基于固定的机器人***的机器人操纵器,使得末端效应器在行驶方向上移动。
尽管用结构特征和/或动作专用的语言描述了本主题,但应理解,所附权利要求书中定义的主题不必限于上述具体特征或动作。进一步,上述公开具体特征和动作作为实现权利要求的示例形式。因此,除了所附权利要求之外,本发明不受限制。
Claims (45)
1.一种由计算***实施的用于确定行驶方向的方法,所述行驶方向规避对象以从当前位置行驶至目标,所述方法包括:
接收对象的位置;
识别与当前位置相邻的运输线体积的子体积,其包含由接收的位置表示的一个对象;
对于每个子体积,基于从通过子体积的当前位置到沿着子体积路径的对象的距离,以及子体积方向与目标方向的偏差,来计算运输线分数,
子体积方向是从当前位置到子体积的子体积路径的方向,并且目标方向是从当前位置到目标的方向;
基于子体积的运输线分数并基于满足间隙标准的子体积路径来选择子体积;以及
将行驶方向指定为沿着所选子体积的子体积路径。
2.根据权利要求1所述的方法,其中所述当前位置是行驶到所述目标的无人驾驶飞行器(UAV)的位置,并且所述运输线体积是在所述UAV的行驶方向之前的矩形长方体。
3.根据权利要求2所述的方法,其中所述子体积是立方体。
4.根据权利要求2所述的方法,还包括指示所述UAV在所述行驶方向上行驶。
5.根据权利要求2所述的方法,其中所述UAV位于和UAV的方向对齐的UAV坐标系的原点,所述UAV的行驶方向沿y轴,并且所述矩形长方体沿正x轴,y轴和z轴以及沿负x轴和z轴延伸一段距离。
6.根据权利要求2所述的方法,还包括在固定坐标系内接收所述UAV的当前位置和当前方向的表示。
7.根据权利要求1所述的方法,其中到对象的距离是基于欧几里德或曼哈顿度量来计算。
8.根据权利要求1所述的方法,其中子体积的运输线分数随着到最近对象的距离的增加而增加,并且随着子体积的子体积方向与目标方向之间的角度减小而增加。
9.根据权利要求1所述的方法,其中所述子体积的选择包括选择具有最高运输线分数的子体积,并且其中当沿着所述子体积路径到对象的最小距离大于间隙标准时满足所述间隙标准。
10.根据权利要求9所述的方法,其中当没有子体积满足间隙标准时,间隙距离减小。
11.根据权利要求1所述的方法,其中所述当前位置是行驶到所述目标的无人水下航行器(UUV)的位置,并且所述运输线体积在所述UUV的行驶方向的前方。
12.根据权利要求1所述的方法,其中所述当前位置是行驶到所述目标的无人地面车辆(UGV)的位置,并且所述运输线体积在所述UGV的行驶方向的前方。
13.根据权利要求1所述的方法,其中所述当前位置是机器人操纵器的末端效应器,该机器人操纵器***纵以将所述末端效应器移动到用于执行任务的期望位置的位置。
14.根据权利要求13所述的方法,其中所述任务是在产品的生产期间放置零件。
15.根据权利要求13所述的方法,其中所述任务是在产品生产期间拾取零件。
16.根据权利要求1所述的方法,其中所述当前位置是行驶到所述目标的自由移动机器人***的位置,并且所述运输线体积是在所述自由移动机器人***的行驶方向的前方。
17.根据权利要求1所述的方法,其中所述目标是移动的。
18.根据权利要求1所述的方法,其中所述对象是移动的。
19.一种用于自动地将自主载体(AV)引导到目标的控制***,该控制***包括:
安装在AV上的传感器阵列用于从发射器发送信号并在接收器处接收从与AV相邻的传感器范围中的对象反射的返回信号;
对象检测***,基于返回信号行驶的距离识别对应于同一对象的返回信号,并基于距离的三角测量确定对象的位置;
路径规划器***,基于从行驶方向上的行驶路径到物体的距离以及从行驶方向到自AV到目标的目标方向的偏差来确定AV的行驶方向;以及
控制器***,指示AV沿行驶方向前进。
20.根据权利要求19所述的控制***,其中所述传感器阵列的信号是电磁信号,并且所述传感器***对两个正交方向上的偏振敏感。
21.根据权利要求19所述的控制***,其中所述传感器阵列包括至少三个接收器。
22.根据权利要求19所述的控制***,其中传感器阵列包括多个收发器。
23.根据权利要求19所述的控制***,其中所述AV包括用于确定AV在固定坐标系内的位置的定位***以及确定AV在固定坐标系内的方向的定向***。
24.根据权利要求23所述的控制***,其中所述行驶方向最初被确定为AV坐标系中的位置并被转换为固定坐标系中的位置。
25.根据权利要求19所述的控制***,其中所述路径规划器***识别包含对象的运输线体积的子体积,所述运输线体积与所述AV相邻;以及基于子体积路径和对象之间的距离以及从目标方向到子体积方向的偏差,设置自AV到子体积的子体积路径的子体积方向的行驶方向。
26.根据权利要求25所述的控制***,其中所述路径规划器***计算子体积的运输线分数,其中子体积的运输线分数随着到最近对象的距离的增加而增加,并且随着子体积方向与目标方向之间的角度减小而增加。
27.根据权利要求26所述的控制***,其中所述行驶方向被设置为具有最高运输线分数的子体积的子体积路径的子体积方向,并且所述子体积路径满足间隙标准。
28.根据权利要求27所述的控制***,其中当沿着子体积路径到对象的最小距离大于间隙距离时,满足间隙标准。
29.根据权利要求19所述的控制***,其中所述AV是无人驾驶飞行器(UAV)。
30.根据权利要求19所述的控制***,其中所述AV是无人驾驶水下航行器(UUV)。
31.根据权利要求19所述的控制***,其中所述AV是无人驾驶地面车辆(UGV)。
32.根据权利要求19所述的控制***,其中所述AV是行驶到所述目标的自由移动的机器人***,并且所述运输线体积在所述自由移动的机器人***的行驶方向的前方。
33.根据权利要求19所述的控制***,其中所述目标是移动的。
34.根据权利要求19所述的控制***,其中所述对象是移动的。
35.根据权利要去34所述的控制***,其中所述路径规划器***识别一个覆盖的行驶方向以覆盖掉所述行驶方向以规避与所述移动对象碰撞。
36.一种用于自动地引导自主载体(AV)进行规避操作以在行驶到目标的途中规避与对象发生碰撞的控制***,该控制***包括:
传感器阵列,其安装在AV上,用于从发射器发送信号并在接收器处接收从与AV相邻的传感器范围中的对象反射的返回信号;
对象检测***,基于返回信号行驶的距离识别对应于同一对象的返回信号,并基于距离的三角测量确定对象的位置;
路径规划***,包括:
当与对象的碰撞不是即将发生时,基于从行驶方向上的行驶路径到对象的距离以及从行驶方向到自AV到目标的目标方向的偏差来确定AV的行驶方向;以及当与对象即将发生碰撞时,确定一个覆盖的行驶方向作为规避操作;以及
控制器***,指示AV沿所述行驶方向或覆盖的行驶方向前进。
37.根据权利要求36所述的控制***,其中当与对象碰撞即将来临时,路径规划器***指示控制器***定向所述AV,使得对象传感器阵列可以接收从对象反射的返回信号。
38.根据权利要求36所述的控制***,其中,AV是无人驾驶飞行器(UAV)。
39.根据权利要求36所述的控制***,其中,AV是无人驾驶水下航行器(UUV)。
40.根据权利要求36所述的控制***,其中,AV是无人驾驶地面车辆(UGV)。
41.根据权利要求36所述的控制***,其中,AV是行驶到目标的自由移动机器人***,并且运输线体积是在自由移动机器人***的行驶方向的前面。
42.一种用于自动地引导固定底座机器人***的控制***,该控制***包括:
传感器阵列,发送来自发射器的信号并在接收器处接收从固定底座机器人***的工作空间中的传感器范围内的对象反射的返回信号;
对象检测***,其基于返回信号行驶的距离识别对应于同一对象的返回信号,并基于距离的三角测量确定对象的位置;以及
路径规划器***,其基于从行驶方向上的行驶路径到对象的距离以及从行驶方向到自末端效应器到目标的目标方向的偏差来确定固定底座机器人***的末端效应器的行驶方向。
43.根据权利要求42所述的控制***,其中所述目标是要拾取的部件的位置。
44.根据权利要求42所述的控制***,其中所述目标是要放置的部件的位置。
45.根据权利要求42所述的控制***,还包括控制基于固定底座的机器人***的机器人操纵器的部件,使得末端效应器在行驶方向上移动。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2016/041208 WO2018009189A1 (en) | 2016-07-06 | 2016-07-06 | Object sense and avoid system for autonomous vehicles |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109791406A true CN109791406A (zh) | 2019-05-21 |
CN109791406B CN109791406B (zh) | 2022-06-07 |
Family
ID=57890890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680089095.6A Active CN109791406B (zh) | 2016-07-06 | 2016-07-06 | 自主载体的对象感知和规避*** |
Country Status (6)
Country | Link |
---|---|
US (1) | US11796673B2 (zh) |
EP (1) | EP3482268B1 (zh) |
JP (1) | JP7128180B2 (zh) |
KR (1) | KR102345083B1 (zh) |
CN (1) | CN109791406B (zh) |
WO (1) | WO2018009189A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115601972A (zh) * | 2022-11-28 | 2023-01-13 | 青岛慧拓智能机器有限公司(Cn) | 无人矿山行驶区域的障碍物处理*** |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018009189A1 (en) | 2016-07-06 | 2018-01-11 | Beer Reginald N | Object sense and avoid system for autonomous vehicles |
US11681049B2 (en) * | 2017-01-19 | 2023-06-20 | Nec Corporation | Mobile body control system, mobile body control device, mobile body control method, and recording medium |
WO2018178877A1 (en) | 2017-03-27 | 2018-10-04 | Clearpath Robotics, Inc. | Systems and methods for autonomous lineside parts delivery to an assembly line process |
US10928835B2 (en) | 2017-03-27 | 2021-02-23 | Clearpath Robotics Inc. | Systems and methods for flexible manufacturing using self-driving vehicles |
US10885495B2 (en) | 2017-03-27 | 2021-01-05 | Clearpath Robotics Inc. | Systems and methods for autonomous provision replenishment |
WO2018190834A1 (en) | 2017-04-12 | 2018-10-18 | Paglieroni David W | Attract-repel path planner system for collision avoidance |
EP3662337B1 (en) * | 2017-08-04 | 2022-04-27 | Ideaforge Technology Pvt. Ltd. | Split control system configuration for uav autopilot architecture |
JP7109174B2 (ja) * | 2017-10-03 | 2022-07-29 | 株式会社トプコン | 経路選定装置、無人航空機、データ処理装置、経路選定処理方法および経路選定処理用プログラム |
US10866597B1 (en) * | 2018-05-07 | 2020-12-15 | Securus Technologies, Llc | Drone detection and interception |
US10928827B2 (en) * | 2019-01-07 | 2021-02-23 | Toyota Research Institute, Inc. | Systems and methods for generating a path for a vehicle |
US10495746B1 (en) * | 2019-01-17 | 2019-12-03 | T-Mobile Usa, Inc. | Pattern recognition based on millimeter wave transmission in wireless communication networks |
WO2020215198A1 (zh) * | 2019-04-23 | 2020-10-29 | 深圳市大疆创新科技有限公司 | 一种数据处理方法、装置、设备及可移动平台 |
RU195749U1 (ru) * | 2019-07-15 | 2020-02-05 | Общество с ограниченной ответственностью "МИРП-Интеллектуальные Системы" | Интеллектуальная система технического зрения беспилотного летательного аппарата для решения задач навигации, построения трехмерной карты окружающего пространства и препятствий и автономного патрулирования |
US11927972B2 (en) | 2020-11-24 | 2024-03-12 | Lawrence Livermore National Security, Llc | Collision avoidance based on traffic management data |
US20220281598A1 (en) * | 2021-03-04 | 2022-09-08 | Everseen Limited | System and method for avoiding collision with non-stationary obstacles in an aerial movement volume |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014119901A (ja) * | 2012-12-14 | 2014-06-30 | Secom Co Ltd | 自律移動ロボット |
JP2014219723A (ja) * | 2013-05-01 | 2014-11-20 | 村田機械株式会社 | 自律移動体 |
CN104407616A (zh) * | 2014-12-03 | 2015-03-11 | 沈阳工业大学 | 基于免疫网络算法的移动机器人动态路径规划方法 |
KR20150086065A (ko) * | 2014-01-17 | 2015-07-27 | 전남대학교산학협력단 | 무인운전차량의 자율 주행을 위한 경로 추종 시스템 및 방법 |
CN105318888A (zh) * | 2015-12-07 | 2016-02-10 | 北京航空航天大学 | 基于无人机感知的无人驾驶车辆路径规划方法 |
Family Cites Families (59)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5006988A (en) | 1989-04-28 | 1991-04-09 | University Of Michigan | Obstacle-avoiding navigation system |
US6134502A (en) | 1998-11-30 | 2000-10-17 | Caterpillar Inc. | Energy-based approach for obstacle avoidance |
US6873290B2 (en) | 1999-01-08 | 2005-03-29 | Trueposition, Inc. | Multiple pass location processor |
EP1587650B1 (en) * | 2003-01-31 | 2018-08-29 | Thermo CRS Ltd. | Syntactic inferential motion planning method for robotic systems |
US6712312B1 (en) | 2003-01-31 | 2004-03-30 | The United States Of America As Represented By The Secretary Of The Navy | Reconnaissance using unmanned surface vehicles and unmanned micro-aerial vehicles |
US7765038B2 (en) | 2005-02-16 | 2010-07-27 | Lockheed Martin Corporation | Mission planning system for vehicles with varying levels of autonomy |
JP4241673B2 (ja) | 2005-06-17 | 2009-03-18 | 本田技研工業株式会社 | 移動体の経路生成装置 |
US7451023B2 (en) | 2005-07-25 | 2008-11-11 | Lockheed Martin Corporation | Collaborative system for a team of unmanned vehicles |
WO2008013568A2 (en) * | 2005-12-30 | 2008-01-31 | Irobot Corporation | Autonomous mobile robot |
US7848262B2 (en) | 2006-06-26 | 2010-12-07 | The Boeing Company | Neural network-based mobility management for healing mobile ad hoc radio networks |
US8234067B2 (en) | 2007-07-27 | 2012-07-31 | University Of Notre Dame Du Lac | Methods and apparatus for swarm navigation of multiple agents |
US9026272B2 (en) * | 2007-12-14 | 2015-05-05 | The Boeing Company | Methods for autonomous tracking and surveillance |
JP2009288930A (ja) | 2008-05-28 | 2009-12-10 | Murata Mach Ltd | 自律移動体及びその移動制御方法 |
US8126642B2 (en) * | 2008-10-24 | 2012-02-28 | Gray & Company, Inc. | Control and systems for autonomously driven vehicles |
US8761603B1 (en) | 2009-02-25 | 2014-06-24 | Oewaves, Inc. | Dynamically reconfigurable sensor arrays |
US9137847B1 (en) | 2009-06-29 | 2015-09-15 | The Boeing Company | Application of potential field methods in directing agents |
WO2011051437A1 (en) * | 2009-10-29 | 2011-05-05 | Erik Agrell | Data transmission system and method |
JP5560978B2 (ja) | 2010-07-13 | 2014-07-30 | 村田機械株式会社 | 自律移動体 |
JP5560979B2 (ja) | 2010-07-13 | 2014-07-30 | 村田機械株式会社 | 自律移動体 |
US8618976B2 (en) | 2010-08-26 | 2013-12-31 | Lawrence Livermore National Security, Llc | Radar signal pre-processing to suppress surface bounce and multipath |
US8766845B2 (en) | 2010-12-07 | 2014-07-01 | Lawrence Livermore National Security, Llc | Object detection with a multistatic array using singular value decomposition |
US9043021B1 (en) | 2011-01-03 | 2015-05-26 | Brendan Edward Clark | Swarm management |
US20120271461A1 (en) | 2011-04-20 | 2012-10-25 | Spata Gregory P | Capturing environmental information |
TW201328344A (zh) | 2011-12-27 | 2013-07-01 | Hon Hai Prec Ind Co Ltd | 控制無人飛行載具進行影像採集的系統及方法 |
US9104201B1 (en) | 2012-02-13 | 2015-08-11 | C&P Technologies, Inc. | Method and apparatus for dynamic swarming of airborne drones for a reconfigurable array |
US9841761B2 (en) | 2012-05-04 | 2017-12-12 | Aeryon Labs Inc. | System and method for controlling unmanned aerial vehicles |
US9102406B2 (en) | 2013-02-15 | 2015-08-11 | Disney Enterprises, Inc. | Controlling unmanned aerial vehicles as a flock to synchronize flight in aerial displays |
US9075415B2 (en) | 2013-03-11 | 2015-07-07 | Airphrame, Inc. | Unmanned aerial vehicle and methods for controlling same |
US9780859B2 (en) | 2014-02-28 | 2017-10-03 | Spatial Digital Systems, Inc. | Multi-user MIMO via active scattering platforms |
US20170097645A1 (en) * | 2013-12-05 | 2017-04-06 | Jeffrey Clyne Garland | Subject tracking system for autonomous vehicles |
US10067510B2 (en) | 2014-02-14 | 2018-09-04 | Accenture Global Services Limited | Unmanned vehicle (UV) movement and data control system |
US9407881B2 (en) | 2014-04-10 | 2016-08-02 | Smartvue Corporation | Systems and methods for automated cloud-based analytics for surveillance systems with unmanned aerial devices |
US9875661B2 (en) * | 2014-05-10 | 2018-01-23 | Aurora Flight Sciences Corporation | Dynamic collision-avoidance system and method |
US9334052B2 (en) * | 2014-05-20 | 2016-05-10 | Verizon Patent And Licensing Inc. | Unmanned aerial vehicle flight path determination, optimization, and management |
US9555545B2 (en) * | 2014-05-21 | 2017-01-31 | Bot & Dolly, Llc | Systems and methods for time-based parallel robotic operation |
KR101642828B1 (ko) * | 2014-05-26 | 2016-07-28 | 서울대학교산학협력단 | 다중 영상 기반 장애물 회피 시스템 및 방법 |
JP6260462B2 (ja) * | 2014-06-10 | 2018-01-17 | 株式会社デンソー | 運転支援装置 |
CN114675671A (zh) * | 2014-09-05 | 2022-06-28 | 深圳市大疆创新科技有限公司 | 多传感器环境地图构建 |
US10107891B1 (en) | 2014-10-15 | 2018-10-23 | The United States Of America, As Represented By The Secretary Of The Navy | Wireless signal localization and collection from an airborne symmetric line array network |
US9429945B2 (en) | 2014-10-22 | 2016-08-30 | Honeywell International Inc. | Surveying areas using a radar system and an unmanned aerial vehicle |
US20160140851A1 (en) * | 2014-11-18 | 2016-05-19 | Ziv LEVY | Systems and methods for drone navigation |
US9524647B2 (en) * | 2015-01-19 | 2016-12-20 | The Aerospace Corporation | Autonomous Nap-Of-the-Earth (ANOE) flight path planning for manned and unmanned rotorcraft |
US9898932B2 (en) | 2015-05-04 | 2018-02-20 | International Business Machines Corporation | Unmanned vehicle movement path assignment and management |
AU2016297892B2 (en) | 2015-07-27 | 2020-04-02 | Genghiscomm Holdings, LLC | Airborne relays in cooperative-MIMO systems |
US9599994B1 (en) | 2015-08-03 | 2017-03-21 | The United States Of America As Represented By The Secretary Of The Army | Collisionless flying of unmanned aerial vehicles that maximizes coverage of predetermined region |
US9989965B2 (en) | 2015-08-20 | 2018-06-05 | Motionloft, Inc. | Object detection and analysis via unmanned aerial vehicle |
US10173773B1 (en) * | 2016-02-23 | 2019-01-08 | State Farm Mutual Automobile Insurance Company | Systems and methods for operating drones in response to an incident |
US10043404B2 (en) * | 2016-04-18 | 2018-08-07 | Rosemount Aerospace Inc. | Method and system for aircraft taxi strike alerting |
US12017798B2 (en) | 2016-06-10 | 2024-06-25 | Metal Raptor Inc. | Drone load optimization using the center of gravity of multiple objects |
WO2018009189A1 (en) | 2016-07-06 | 2018-01-11 | Beer Reginald N | Object sense and avoid system for autonomous vehicles |
US10353052B2 (en) | 2016-09-15 | 2019-07-16 | Lawrence Livermore National Security, Llc | Object discrimination based on a swarm of agents |
US20180143312A1 (en) | 2016-11-21 | 2018-05-24 | Wal-Mart Stores, Inc. | System and method for ultra wideband signal usage with autonomous vehicles in buildings |
WO2018190834A1 (en) | 2017-04-12 | 2018-10-18 | Paglieroni David W | Attract-repel path planner system for collision avoidance |
CA3093522C (en) | 2017-04-12 | 2024-05-07 | Lawrence Livermore National Security, Llc | Swarm path planner system for vehicles |
WO2021046015A1 (en) | 2019-09-02 | 2021-03-11 | Skygrid, Llc | Flight path deconfliction among unmanned aerial vehicles |
US11473913B2 (en) | 2019-09-20 | 2022-10-18 | Prince Sultan University | System and method for service oriented cloud based management of internet of drones |
KR102115294B1 (ko) | 2020-02-28 | 2020-06-02 | 주식회사 파블로항공 | 무인항공기 충돌 회피 방법 |
US12032383B2 (en) | 2020-05-22 | 2024-07-09 | Cnh Industrial America Llc | Localized obstacle avoidance for optimal V2V path planning |
JP7490193B2 (ja) | 2020-05-26 | 2024-05-27 | 学校法人早稲田大学 | ロボット、移動経路生成装置及びそのプログラム、並びに、移動予測装置 |
-
2016
- 2016-07-06 WO PCT/US2016/041208 patent/WO2018009189A1/en active Search and Examination
- 2016-07-06 EP EP16831542.2A patent/EP3482268B1/en active Active
- 2016-07-06 US US16/315,142 patent/US11796673B2/en active Active
- 2016-07-06 KR KR1020197003709A patent/KR102345083B1/ko active IP Right Grant
- 2016-07-06 CN CN201680089095.6A patent/CN109791406B/zh active Active
- 2016-07-06 JP JP2019521639A patent/JP7128180B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014119901A (ja) * | 2012-12-14 | 2014-06-30 | Secom Co Ltd | 自律移動ロボット |
JP2014219723A (ja) * | 2013-05-01 | 2014-11-20 | 村田機械株式会社 | 自律移動体 |
KR20150086065A (ko) * | 2014-01-17 | 2015-07-27 | 전남대학교산학협력단 | 무인운전차량의 자율 주행을 위한 경로 추종 시스템 및 방법 |
CN104407616A (zh) * | 2014-12-03 | 2015-03-11 | 沈阳工业大学 | 基于免疫网络算法的移动机器人动态路径规划方法 |
CN105318888A (zh) * | 2015-12-07 | 2016-02-10 | 北京航空航天大学 | 基于无人机感知的无人驾驶车辆路径规划方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115601972A (zh) * | 2022-11-28 | 2023-01-13 | 青岛慧拓智能机器有限公司(Cn) | 无人矿山行驶区域的障碍物处理*** |
Also Published As
Publication number | Publication date |
---|---|
WO2018009189A1 (en) | 2018-01-11 |
JP2019525366A (ja) | 2019-09-05 |
KR20190041464A (ko) | 2019-04-22 |
US11796673B2 (en) | 2023-10-24 |
KR102345083B1 (ko) | 2021-12-31 |
EP3482268B1 (en) | 2022-07-06 |
EP3482268A1 (en) | 2019-05-15 |
CN109791406B (zh) | 2022-06-07 |
US20190250641A1 (en) | 2019-08-15 |
JP7128180B2 (ja) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109791406A (zh) | 自主载体的对象感知和规避*** | |
US20210293546A1 (en) | Aligning measured signal data with slam localization data and uses thereof | |
US20190346271A1 (en) | Laser scanner with real-time, online ego-motion estimation | |
EP3220227B1 (en) | Inspection system and method for performing inspections in a storage facility | |
EP3656138A1 (en) | Aligning measured signal data with slam localization data and uses thereof | |
US20200117220A1 (en) | Swarm path planner system for vehicles | |
US9183638B2 (en) | Image based position determination | |
CN109478068A (zh) | 动态地控制用于处理传感器输出数据的参数以用于碰撞避免和路径规划的***和方法 | |
CN110186459B (zh) | 导航方法、移动载体及导航*** | |
Boroushaki et al. | Rfusion: Robotic grasping via rf-visual sensing and learning | |
CN112740274A (zh) | 在机器人设备上使用光流传感器进行vslam比例估计的***和方法 | |
CN103926930A (zh) | 一种基于Hilbert曲线探测的多机器人协作地图构建方法 | |
WO2019040179A1 (en) | LANDING CONTROL OF AERIAL ROBOTIC VEHICLE USING THREE DIMENSIONAL FIELD CARDS GENERATED BY ODOMETRY OF VISUAL INERTIA | |
CN112214012A (zh) | 一种导航方法、移动载体及导航*** | |
CN110741272B (zh) | 无线电信标*** | |
US20220276657A1 (en) | Trajectory generation of a robot using a neural network | |
CN112639735A (zh) | 计算量分配 | |
Ivancsits et al. | Visual navigation system for small unmanned aerial vehicles | |
Pritzl et al. | Cooperative navigation and guidance of a micro-scale aerial vehicle by an accompanying UAV using 3D LiDAR relative localization | |
Tzitzis et al. | Real-time 3D localization of RFID-tagged products by ground robots and drones with commercial off-the-shelf RFID equipment: Challenges and solutions | |
Catalano et al. | Evaluating the performance of multi-scan integration for UAV lidar-based tracking | |
Canh et al. | Multisensor data fusion for reliable obstacle avoidance | |
US11486995B2 (en) | Systems and methods for a radar system using sectional three-dimensional beamforming | |
Sauter et al. | RF emitter localization with robotic swarms | |
Bingo et al. | Two-dimensional obstacle avoidance behavior based on three-dimensional environment map for a ground vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |