实现室内服务机器人同时定位和地图创建的装置及机器人的制作方法

专利名称：实现室内服务机器人同时定位和地图创建的装置及机器人的制作方法
技术领域：
本发明涉及一种智能装置，尤其是涉及一种实现室内服务机器人同时定位和地图 创建的装置，所述的室内服务机器人具体涉及清扫机器人、保安机器人等等。
背景技术：
随着科技水平和人们生活水平的不断提高，自移动室内服务机器人的应运而生， 已逐渐为人们所接受，机器人在自己移动的同时，通过其内置的功能单元进行工作为人们 提供服务，省时省力的工作特点受到了人们的认同，从而在办公家居环境中得到广泛应用。目前市场上出现的绝大多数自移动室内服务机器人为清扫机器人，其包括驱动 部件、可再充电的供能单元和控制单元。在控制单元的控制和供能单元的能量供应下，清扫 机器人在待处理工作表面上做随机移动，机器人在随机移动的同时，通过其内置的清扫单 元对待处理工作表面进行表面清洁处理。专利公开为W002101477，专利申请人为美国IROBOT公司，该专利文献中对随机清 扫有较为详细地描述。在清扫机器人的前方，即运动方向上设有碰撞板，碰撞板的二侧设 有碰撞传感器，机器人在执行随机模式移动时作充分地直线运动。机器人在行进时，碰撞板 与墙壁或其它障碍物发生碰撞，使得碰撞传感器被激活，机器人接收到碰撞传感器的激活 信号，控制行走机构旋转任一个角度，远离所碰撞的障碍物继续直线行进。除美国IROBOT公司公开了清扫机器人采用随机清扫的技术方案之外，瑞士伊 莱克斯公司在2001年推出的第一代以及后续推出的第二代清扫机器人，产品名称均为 TRIL0BITE(三叶虫)，其采用的行走路线也同样属于随机模式。TRIL0BITE在Normal和 Qucik工作模式中，清扫机器人通过其前方设有的超声传感器和碰撞传感器的配合，使得 机器人在行进过程中，当发生机器人探测到前方的墙壁或其它障碍物时，或是机器人与前 方的墙壁或其它障碍物发生碰撞时，通过超声传感器的信号输出或是碰撞传感器的激活信 号，使得机器人旋转一角度，远离相应的障碍物继续直线行进。上述提及的清扫机器人采用随机路线进行移动，虽然执行简单，但不可避免地存 在有部分区域漏扫、而部分区域出现重复清扫的状况发生，从而影响一次清扫覆盖率和一 次清扫效率。针对以上问题，本申请人在2001年申请了《自动吸尘器的可清扫区域和障碍物区 域的识别方法》专利，专利号为ZL01108048.5。该技术方案指出了一种自动吸尘器的可清 扫区域和障碍物区域的识别方法。在一个呈封闭的区域内，由吸尘器进行X轴方向和Y轴 方向扫描；再由吸尘器对X轴方向扫描区域和Y轴方向扫描区域进行逻辑分析，X轴方向扫 描和Y轴方向扫描都未能探测到的区域为障碍物所在的坐标区域，X轴方向扫描或Y轴方向 扫描已探测到的区域为可清扫区域。此方法从理论上而言，通过“逻辑与”的概念是可以实 现有效识别出可清扫区域和障碍物区域。但这种梳状移动的定位方式，属于单定位方式，其 完全借助类似于编码器等装置，通过将编码器安装在行走机构上来测量行走机构的转速、 判断旋转方向，从而进行定位控制。然而，行走机构在待工作表面进行移动时，不可避免地
4会出现打滑、丢步等现象。当出现此类状况时，行走机构仍处于工作运转中，编码器装置则 仍在计数，但实际上，行走机构以及清扫机器人此刻相对于待工作表面不存在移动关系，由 此编码器的计数产生了误信号，影响后续的路径扫描和路径规划。基于上述提出的各类状况，因此，有必要提供一种新的方式来解决上述缺点。

发明内容
本发明所要解决的技术问题在于，提供一种实现自移动室内服务机器人同时定位 和地图创建的装置以及自移动室内服务机器人，通过对该装置的应用可以准确判断自移动 室内服务机器人的所在位置。为解决上述技术问题，本发明所提供的技术方案为一种实现自移动室内服务机器人同时定位和地图创建的装置，包括外部传感器， 用于探测所述机器人外部的环境信息；内部传感器，用于探测所述机器人自身的位置信息； 信息处理模块，通过所述机器人在外部环境中移动，记录所述外部传感器和所述内部传感 器的测量数据，对环境进行特征提取，利用递推形式的预测和更新算法得出所述机器人的 位姿和特征地图，在满足特征匹配的条件下，实现对相应的所述位姿和特征地图的更新。一种实现同时定位和地图创建的自移动室内服务机器人，包括机器人本体、控制 单元、驱动单元、行走单元和功能单元，所述控制单元控制功能单元工作，并控制驱动单元， 由驱动单元驱动行走单元行走；室内服务机器人还包括外部传感器，用于探测所述机器人 外部的环境信息；内部传感器，用于探测所述机器人自身的位置信息；所述控制单元通过 所述机器人在外部环境中移动，记录所述外部传感器和所述内部传感器的测量数据，对环 境进行特征提取，利用递推形式的预测和更新算法得出所述机器人的位姿和特征地图，在 满足特征匹配的条件下，实现对相应的所述位姿和特征地图的更新。本发明中，自移动室内服务机器人在未知环境下依靠传感器对所获取的信息进行 环境建模，同时利用所创建的环境地图估计其本身的位姿，使得机器人在未知环境中创建 地图，同时利用地图实现真正的自主导航。把室内服务机器人放置在未知环境中，将定位与 地图创建二者合而为一，使得机器人增量式地创建未知环境的连续地图，同时确定它在地 图中的位置，这对于室内诸如家庭和办公环境内进行工作的服务机器人而言，能够十分有 效地提高一次工作效率、提高一次工作表面覆盖率，极大地提高了自移动室内服务机器人 的自主性，并进一步突显了机器人的智能水平。附图明书

图1为本发明一实施例中机器人的总体结构示意图；图2为本发明所述自移动室内服务机器人的控制框图；图3为本发明所述自移动室内服务机器人中的具有同时定位和地图创建的装置 的基本控制框图。图4为本发明所述自移动室内服务机器人中的具有同时定位和地图创建的装置 的基本工作原理流程图。图5为本发明所述自移动室内服务机器人中的具有同时定位与地图创建的实际 算法流程图。
具体实施例方式本发明提供了一种自移动清扫机器人，所述自移动机器人具有同时定位与地图创 建来定位自移动清扫机器人的当前位置以及地图特征。本发明以清扫机器人为例，对本发明进行详细说明。如图1所示，为发明一具体实 施例---清扫机器人的整体结构示意图。如图1所示，为本发明的控制结构组成框图。结 合图1和图2所示，所述清扫机器人包括机器人本体1、控制单元2、驱动单元3、行走单元4 和功能单元5，控制单元2位于该机器人本体1体内。控制单元2通过驱动单元3驱动行走 单元4转动，行走单元4带动机器人本体1移动。所述功能单元5为清洁单元。该清扫机器人带有同时定位与地图创建的装置，如图3所示为具有同时定位与地 图创建的装置的控制框图。该装置配备有内部和外部传感器，内部传感器为里程计，即为里 程计采集模块30 ；外部传感器为单个图像传感器，即为图像采集模块10，用于采集待工作 表面区域的图像信息。本实施例中，图像视觉传感器为CMOS传感器，当然也可以是CCD等 其它视觉传感器。除此之外，装置还包括信息处理模块20，该信息处理模块20包括特征提 取单元210、特征匹配比较单元220、位姿与环境特征更新单元230和位姿与环境特征预测 单元240。下面结合图3和图4对基本工作原理流程图展开叙述。图像采集模块10采集待工 作表面的图像信息(步骤S100)。图像采集模块10所采集到的信息经过处理形成外部环境 的几何特征，以长度、宽度、位置等参量表示，特征地图可以表示为R= (fili = 1,2,…， M)，其中fi是环境特征，M是地图中的特征数。在机器人同时定位与地图创建中，通过图像 传感器的图像采集获得外部环境的轮廓特征及其位置信息。对于所获得的图像信息进行特 征提取，提取特征的方法采用哈夫变换方法，通过该方法来对能够反映大范围环境的诸如 直线、线段、角、点等结构化特征进行提取(步骤S110)。所说的哈夫变换方法，包括加权哈 夫变换法、直方图法等等。装置10设有的里程计采集模块30位于清扫机器人的底盘上，与清扫机器人的行 走单元相连接，用于探测行走单元的工作状态。里程计采集模块30的信息输入到系统状态 方程之中(步骤S150)，通过卡尔曼滤波作最小均方差估计，即系统状态变量X= [XTr,XTi; XV…，XTN]T，其中& = [x,y, θ]表示机器人的位姿，Xi = [xiyi]T表示环境特征的位置 坐标，通过方程完成对位姿和地图特征的预测(步骤S140)。在步骤SllO中对环境特征的 观测和提取后，用来更新位姿和特征地图(步骤S130)。状态更新包括新特征的增加、消失 特征的删除、重复观察特征的更新。在预测与更新之间，要进行特征匹配(步骤S120)。只 有匹配特征才能用来更新位姿和特征地图。对于步骤S120特征匹配来说，特征匹配是不同时刻对环境的观测是否来源于同 一特征。特征匹配与采用的理论方法及传感器模型有关。在通常的SLAM算法中，观测量 要与系统状态变量匹配，以确定更新目标。成功的数据相关涉及正确的观测与相应的状态 变量匹配、探测和排除虚假观测以及初始化新的轨迹。特征匹配是数据融合的关键技术， 方法很多。在室内移动服务机器人实现同时定位与地图创建中，大多数方法都是基于更新 序列和预测协方差矩阵。更新序列定义为观测值与基于观测模型的状态变量预测值之差，
Vk=Zk-Z k，则标准距离定为心=vTkS_>k，其中&为更新协方差矩阵。如果更新序列符合
高斯分布，则vTkvk将是X2分布的；当观测值落入X2分布的某个固定的区间时，作为可接受
6观测值，否则予以排除。即根据X2分布确定的可接受区间，得出确认门限，与根据公式d2k = VkfkVk得出的标准距离比较，确定观测值是否可以接受。然后根据最近邻滤波方法筛选出 距离最近的特征作为更新特征。此外，为简化特征匹配的计算量，选取对收敛速度有决定性 作用的特征，并从地图中删除其他的路标特征，对收敛速率的影响非常小，但计算复杂度将 大大降低。在全局层中，一系列的局部地图组成一个连接图，在面对地图之间的匹配问题时， 实现m个标志与拥有η个标志的地图之间的数据关联的复杂度与m之间呈指数关系，假设 每个观测到的标志1有Iii个可能的匹配，那么对于m个标志需要在指数空间Jimi = Ini中 搜索正确的匹配。数据关联的搜索空间与环境的复杂程度以及机器人的定位误差有关，环 境的复杂程度的增加会使m增大，而误差的增大会使ni增大。基于对同时定位与地图创建的装置基本工作原理流程图的描述，现针对本实施 例，对装置有关同时定位与地图创建的实际算法流程做一简单描述。如图5所示，装置包 括内部传感器和外部传感器，所述的内部传感器为里程计；所述的外部传感器为单个CMOS 传感器，该图像传感器位于清扫机器人的前端部且呈水平放置，用于采集待工作表面区域 的图像信息(步骤S200)。采用哈夫变换方法对所获得的图像信息进行直线特征提取(步 骤S210)。里程计位于清扫机器人的底盘上，与清扫机器人的驱动轮相连接，用于探测驱动 轮的工作状态；将里程计的信息输入到系统状态方程之中，通过方程完成对位姿和地图特 征的预测(步骤S270)。对于获取的环境特征，需要将其与已有的地图数据进行数据关联 (步骤S220)。在特征匹配时，对有无发现新特征进行差别(步骤S230)。如发现有新特 征，则将该特征加入状态向量，同时对状态进行扩维(步骤S240)；如没有发现有新特征，则 更新状态、构建地图(步骤S250)。而后，通过控制策略进入下一轮的获取视觉信息(步骤 S260)。所说的控制策略，具体是指以环境图像中的直线作为特征、采用跟踪直线的导航方 式，增加观测的次数并快速地减小里程计的累积误差，加快卡乐曼滤波方法的收敛速度。在 这里，步骤S250中提及的构建地图，常用的构建方法有栅格地图法、特征地图法和拓朴地 图法等。本实施例中，采用的构建地图方法为特征地图法。对于装置同时定位与地图创建的过程中，对于递推形式的预测和更新算法中，除 了采用本实施例中描述的卡尔曼滤波方法之外，也可以采用粒子滤波方法。现对粒子滤波 方法做一简单描述。移动机器人定位是对不确定信息的处理，这种不确定因系主要有(1) 机器人对外部感知能力的限制；(2)外部环境的扰动；(3)机器人内部传感器的误差。系 统噪声和观测噪声的任何模型和假设都有局限性，且复杂的概率模型影响决策的实时性。 粒子滤波以样本集合的方法逼近概率分布，当样本数N —c 时可以逼近任何形式的概率分 布。因此，粒子滤波能够比较精确地表达基于观测量和控制量的后验概率分布。粒子滤波是 针对离散时间、部分能观、能控Markov链的后验概率估计方法，目前主要应用在室外大环 境下的同时定位与地图创建。P(XtIut^H)是系统的观测模型。通过观测量Zt = Ztl,...， Zt控制量Ut = Utl，. . .，ut，Ut恢复系统的后验概率分布，通常应用递推形式Bayes滤波算 法(Xt|Zt,Ut) = const .p(zt|xt) f P (Xt I Ut, Xh) xp (Xh I Zh, Uh) dXH。粒子滤波易于实 现，不需要线性化非线性模型，但对于高维状态空间，样本数很大，需要高的运算速度，对计 算机硬件的要求高。因此，粒子滤波常用于全局定位问题。粒子滤波在移动机器人同时定 位与地图创建中属于高维应用，主要针对室外非结构化环境。与卡尔曼滤波相比，粒子滤波具有以下三大优越性；1、粒子滤波的计算量是0(N log K)，N是样本数。实践证明，在一定 的不确定范围内，N是常数。2、粒子滤波可以处理后验概率为非高斯、多模型分布的情况， 可更充分地利用观测数据，处理否定信息。而在这种情况下，卡尔曼滤波将导致数据相关的 失败。3、应用粒子滤波处理数据相关问题具有较强的鲁棒性。另外，来自不同传感器的环境信息可以为特征提取提供冗余信息，提高环境特征 定位的精确性和特征识别的可靠性。对冗余信息的处理和应用需要进行不确定几何信息的 系统描述并保证融合机制的一致性。本实施例中，外部传感器只设有单个CMOS图像传感 器，为使得定位精度和特征识别更为可靠、精准，外部传感器还可以包括激光传感器，通过 视觉传感器从灰度图像提取的数据与激光数据匹配来有效地识别环境特征，剔除环境地图 中的模糊特征。或者是外部传感器包括红外传感器或者是声纳传感器，通过与图像传感器 的有效配合而提高精度。而为便于测试精度更为准确，更为清晰地获得环境特征的深度信 息，提取三维特征，外部传感器可以通过设置两个或是多个CMOS图像传感器来实现。当然， 更为清晰地获得环境特征的深度信息，提取三维特征，外部传感器也可以设置两个或是多 个CCD图像传感器。采用单个或多个CCD图像传感器时，也可以按实际需要，与激光、超声 或红外传感器组合使用。当然，除本实施例中所描述的外部传感器包括CMOS图像传感器之外，也可以根据 实际工作需要，外部传感器仅包括激光传感器、声纳传感器、红外传感器或者是其中多个的 任意组合。除本实施例中所描述的内部传感器为里程计之外，也可以根据实际工作需要，内 部传感器采用陀螺仪等检测装置。最后应说明的是以上实施例仅用以说明发明的技术方案而非限制。尽管参照上 述实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，依然可以对本发明 的技术方案进行修改和等同替换，而不脱离本技术方案的精神和范围，其均应涵盖在本发 明的权利要求范围当中。
8
权利要求
一种实现室内服务机器人同时定位和地图创建的装置，其特征在于，包括外部传感器，用于探测所述机器人外部的环境信息；内部传感器，用于探测所述机器人自身的位置信息；信息处理模块，通过所述机器人在外部环境中移动，记录所述外部传感器和所述内部传感器的测量数据，对环境进行特征提取，利用递推形式的预测和更新算法得出所述机器人的位姿和特征地图，在满足特征匹配的条件下，实现对相应的所述位姿和特征地图的更新。
2.根据权利要求1所述的装置，其特征在于，所述外部传感器包括单个或多个CMOS图 像传感器；或者，所述外部传感器包括单个或多个CCD图像传感器。
3.根据权利要求2所述的装置，其特征在于，所述外部传感器还包括激光、声纳或者红 外传感器。
4.根据权利要求1所述的装置，其特征在于，所述内部传感器为里程计。
5.根据权利要求1所述的装置，其特征在于，所述信息处理模块对所述外部传感器探 测到的外部环境信息进行处理，形成外部环境的几何特征；所述信息处理模块通过采取哈夫变换方法对所形成的所述外部环境的几何特征进行 特征提取。
6.根据权利要求1所述的装置，其特征在于，所述递推形式的预测和更新算法为卡尔 曼滤波方法，将机器人的位姿向量和环境特征向量组织在一个高维状态向量之中，用卡尔 曼滤波作最小均方差估计；或者，所述递推形式的预测和更新算法为粒子滤波方法，以样本集合的方法逼近概率 分析。
7.根据权利要求1所述的装置，其特征在于，所述特征匹配的方法是基于更新序列和 预测协方差矩阵实现，其中，更新序列定义为观测值与基于观测模型的状态变量预测值之 差；所述特征匹配的方法其后根据最近邻滤波方法筛选出距离最近的特征作为更新特征。
8.一种实现同时定位和地图创建的室内服务机器人，包括机器人本体、控制单元、驱动 单元、行走单元和功能单元，所述控制单元控制功能单元工作，并控制驱动单元，由驱动单 元驱动行走单元行走，其特征在于，还包括外部传感器，用于探测所述机器人外部的环境信 息；内部传感器，用于探测所述机器人自身的位置信息；所述控制单元通过所述机器人在 外部环境中移动，记录所述外部传感器和所述内部传感器的测量数据，对环境进行特征提 取，利用递推形式的预测和更新算法得出所述机器人的位姿和特征地图，在满足特征匹配 的条件下，实现对相应的所述位姿和特征地图的更新。
9.根据权利要求8所述的室内服务机器人，其特征在于，所述控制单元包括信息处理 模块，用于接受所述外部传感器和内部传感器发送的信息，实现对所述机器人位姿和特征 地图的更新。
10.根据权利要求8所述的室内服务机器人，其特征在于，所述外部传感器包括单个或 多个CMOS图像传感器；或者，所述外部传感器包括单个或多个CCD图像传感器。
11.根据权利要求8所述的室内服务机器人，其特征在于，所述内部传感器为里程计。
12.根据权利要求8所述的室内服务机器人，其特征在于，所述信息处理模块对所述外 部传感器探测到的外部环境信息进行处理，形成外部环境的几何特征；所述信息处理模块通过采取哈夫变换方法对所形成的所述外部环境的几何特征进行 特征提取。
13.根据权利要求8所述的室内服务机器人，其特征在于，所述递推形式的预测和更新 算法为卡尔曼滤波方法，将机器人的位姿向量和环境特征向量组织在一个高维状态向量之 中，用卡尔曼滤波作最小均方差估计；或者，所述递推形式的预测和更新算法为粒子滤波方法，以样本集合的方法逼近概率 分析。
14.根据权利要求8所述的室内服务机器人，其特征在于，所述特征匹配的方法是基于 更新序列和预测协方差矩阵实现，其中，更新序列定义为观测值与基于观测模型的状态变 量预测值之差；所述特征匹配的方法其后根据最近邻滤波方法筛选出距离最近的特征作为更新特征。
15.根据权利要求8所述的室内服务机器人，其特征在于，所述功能单元为清洁单元。
全文摘要
本发明公开了一种实现室内服务机器人同时定位和地图创建的装置及带有该装置的室内服务机器人，该装置包括外部传感器、内部传感器和信息处理模块，通过所述机器人在外部环境中移动，记录所述外部传感器和所述内部传感器的测量数据，对环境进行特征提取，利用递推形式的预测和更新算法得出所述机器人的位姿和特征地图，在满足特征匹配的条件下，实现对相应的所述位姿和特征地图的更新。本装置把移动机器人放置在未知环境中，将定位与地图创建二者合而为一，使得机器人增量式地创建未知环境的连续地图，同时确定它在地图中的位置，如此有效地提高了一次工作效率，提高了自移动室内服务机器人的自主性，并进一步突显了机器人的智能水平。
文档编号G05D1/02GK101920498SQ200910032448
公开日2010年12月22日 申请日期2009年6月16日 优先权日2009年6月16日
发明者钱东奇 申请人:泰怡凯电器(苏州)有限公司