自主机器人的制作方法
【技术领域】
[0001]本发明一般涉及移动设备的导航。具体地，本发明涉及可用在例如移动机器人地移动设备中的定位和制图技术。
【背景技术】
[0002]移动机器人的定位技术可以包括允许机器人相对于其周边确定其位置和导向(或“姿态”)的过程。可以构件其周边地图的机器人可以在地图中定位其本身，以展示自主程度。该构件地图的过程和使用所生成的地图被称作同步定位和制图(SLAM)t3SLAM涉及地图的构建(制图)以及地图的使用(定位)，因此包括与定位相关的过程和与制图相关的过程。机器人可同步地或以多元方式执行这些过程。SLAM技术可包括使用测距，机械接触传感器，或非接触测距传感器例如激光测距仪或基于图像传感器来构建地图。
【发明内容】
[0003]本发明的一方面特征在于一种自主机器人，所述自主机器人配制成在至少部分地由墙壁包围的区域内操作。所述机器人包括:驱动系统，用于推进所述机器人穿过所述区域；以及导航系统，用于控制所述驱动系统，并且配制成以跟随模式操纵所述机器人。所述机器人被控制为沿着邻近障碍物的路径区段行进，同时记录指示所述路径区段的数据；以覆盖模式操纵所述机器人，其中，所述机器人被控制为穿过所述区域同时执行功能，同时产生指示所述区域的物理布局的数据，包括在执行所述功能时探测到的区域边界和障碍物周长，至少基于机器人测距数据，更新指示计算的机器人姿态的数据，所述计算的机器人姿态包括在所述区域内机器人的计算的地点和导向，并且计算机器人姿态置信水平；以及对所述机器人姿态置信水平低于预定置信界限作出响应:基于所述计算的机器人姿态和指示所述区域的物理布局的数据，操纵所述机器人至所述路径区段的可疑地点；然后，响应于在所述路径区段的可疑地点的预定距离内探测邻近所述障碍物的所述路径区段，更新指示所述计算的机器人姿态的数据和指示所述区域的物理布局的数据中的至少一个，从而更新在区域内所述机器人的相对姿态。
[0004]在一些实例中，所述机器人还选择所述路径区段的所述可疑地点，其被操纵以便基于来自所述路径区段的可疑地点的第一穿越的时间差。所述机器人还选择所述路径区段的所述可疑地点，其被操纵以便基于来自所述路径区段的可疑地点的第一穿越的距离差。所述机器人可构建在所述墙壁跟随模式中路径区段的库，并且其中，响应于下降到低于所述预定置信界限的所述机器人姿态置信水平，所述机器人被操纵至路径区段的可疑地点，所述可疑地点根据关于所述机器人的其可疑相对位置来被选定。
[0005]在某些情况下，所述机器人基于所述指示所述区域的物理布局的数据，构建路径区段的库，并且其中，响应于下降到低于所述预定置信界限的所述机器人姿态置信水平，所述机器人被操纵至路径区段的可疑地点，所述可疑地点根据关于所述机器人的其可疑相对位置来被选定。所述机器人在更新所述指示计算的机器人的地点的数据和指示所述区域的物理布局的数据的任一个之后，再次以覆盖模式操纵所述机器人。所述机器人响应于探测到的障碍物同时以覆盖模式操纵，启动所述跟随模式。
[0006]在一些实例中，相对于指示所述区域的物理布局的数据更新指示所述计算的机器人姿态的数据，使两个或多个区段重新定位至所述指示所述区域的物理布局的数据。相对于指示所述区域的物理布局的数据更新指示所述计算的机器人姿态的数据，使所述指示所述机器人姿态的数据重新定位至所述指示所述区域的物理布局的数据。记录指示所述路径区段的数据包括:从在所述机器人上的传感器收集数据。比较所述数据包括:比较路径长度、所述数据的开始姿态、所述数据的结束姿态、行进的直线路程、以及曲率中的至少一个。探测所述障碍物包括物理地接触所述探测到的障碍物
[0007]在某些情况下，所述传感器是里程表、辐射收发器、碰撞传感器、压力传感器、以及接近传感器。
[0008]在某些情况下，所述功能包括清扫所述区域内的地板。
[0009]在一些实施中，在操纵所述机器人至所述路径区段的可疑地点后，所述机器人以跟随模式操纵所述机器人以跟随所述探测到的障碍物，同时记录机器人姿态数据，从所述记录的机器人姿态数据，产生指示沿所述探测到的障碍物的所述机器人的路径的数据。更新所述指示计算的机器人姿态的数据可包括，将所述指示沿着所述探测到的障碍物的所述机器人的路径的数据与指示在所述跟随模式中记录的所述路径区段的数据相比较，以确定沿着所述探测到的障碍物的所述机器人的路径是否与在所述跟随模式中记录的所述路径区段充分匹配，并且在确定充分匹配时，按照充分匹配的路径区段，更新所述指示计算的机器人地点的数据和所述指示所述区域的物理布局的数据的任一个。
[0010]机器人系统的实施例可包括以下一个或多个特征。机器人系统可以通过跟踪测距估算机器人的姿态并且可使用其它机载传感器估算它的在姿态推算的置信。机器人系统然后通过使用姿态推算来产生环境的地图。然后机器人的驱动系统的测距可被用于推算姿态。因为测距数据可能受到偏移和误差，在机器人上的其它传感器可以用来校正偏移和误差或推算偏移和误差。在机器人上的加速度计和陀螺仪可以感应线性和角加速度以在机器人导航时推算误差累积。机器人系统可以为机器人系统推算姿态的每个情况计算置信。因此，随着时间的推移，所述机器人系统可确定适当的时间来通过对环境重新定位恢复置信。
[0011]机器人可以使用在导航期间与环境物理相互作用而产生数据，用以对环境对其本身重新定位。例如，当机器人在周围环境中导航并且执行行为以覆盖并清扫环境时，机器人可以碰到障碍物，跟随墙壁，或以其它方式与环境的物理元件进行相互作用。机器人可以记录这些物理相互作用，它们随着机器人导航行为的一部分发生，用来指定存在于环境中的独特的物理地标。然后，当机器人确定其姿态置信已下降到低于预定置信界限时，独特的地标可以被用于重新定位机器人。
[0012]以上机器人系统的特征可以包括一个或更多的优点。使用传统地已经存在于移动机器人上的传感器，如编码器，碰撞传感器，陀螺仪，以及加速度计，降低了机器人系统的成本，并增加了整体可制造性。例如，机器人系统使用用于导航的传感器产生SLAM的数据，从而避免对于SLAM特定的额外传感器的需要。由于更少的部件，机电系统保持更加简单。
[0013]此外，由传感器收集的数据在计算上是低成本的。例如，相对于使用大的文件大小的VSLAM图像类型，在机器人系统中实施的SLAM系统需要的存储更少。在常规的SLAM机器人系统中，可能有用于制图、定位和导航的单独的传感器。由这些传感器生成和存储的数据量在计算上可能是昂贵的。事实上，这些系统可能只能够存储机器人使用时所收集的数据量的一小部分。在本申请中所描述的SLAM系统可以有利地以更好的效率收集更大量的数据。所述系统还可以通过在重新定位期间比较不太复杂的数据而有效地促进机器人重新定位。
[0014]一个或多个实施的细节在附图和书面描述中阐述。从说明书，附图和权利要求书，其它特征，目的和优点将变得显而易见。。
【附图说明】
[0015]图1A示出了自主机器人的透视图。
[0016]图1B示出了图1A的自主机器人的仰视图。
[0017]图1C示出了在图1A-B所示的自主机器人上执行的控制系统的框图。
[0018]图2示出导航自主机器人的流程图。
[0019]图3示出具有自主机器人的区域的俯视图。
[0020]图4六、4六’、48、48’、4(:和4(:’示出了房间和图3的自主机器人，自主机器人跟随的不同的路径，以及对应于房间的虚拟地图。
[0021 ]在各个附图中，相同附图标记表示相同的元件。
【具体实施方式】
[0022]自主机器人使用同步定位与绘图(SLAM)围绕房间智能地导航。机器人可以通过感测房间的自然特征停留在一个地方。机器人可以使用一个或多个视觉传感器以及一个或多个航位推算传感器来处理数据SLAM有关的并且自主地生成和更新地图。机器人的控制器操作传感器系统，以随着机器人来回移动连续地推算房间内的机器人的姿态，并接收关于房间的信息。“姿态”在本文中包括机器人在房间内的位置(例如，x，y坐标地点)，以及相对于例如在房间中的墙壁或基本方向的所述机器人的角度导向。感应的“特征”在本文中描述从环境的物理元件收集的信息和数据。例如，一特征可以对应于随着机器人绕环境的物理元件行驶由机器人感应的几何轮廓。
[0023]在机器人的智能导航一些实例中，机器人生成模板，或地标，对应于机器人可以探测的环境中的一个或多个特征，使用，例如，在机器人上的传感器。机器人构件环境的物理布局的地图(例如，一个或多个房间或房间内的部分)，物理布局包括独特的地标(在本文中也称为“标识”)，其包括一个或多个特征。机器人推算其在环境中的姿态，并使用产生的模板减少姿态推算中的误差。随着机器人跟随环境中的障碍物(例如，家具和固定装置)和墙壁，机器人可以生成对应于特征的独特组合的路径区段的模板，其识别障碍和/或墙壁的特定布置和位置。存储在模板中的特征包括来自传感器的传感器数据的汇编，其识别每个独特的路径区段。
[0024]例如，传感器数据可以包括几何(由非接触式测距传感器，例如体积点云传感器，IR点和线测距传感器和声纳感应的)，碰撞传感器数据，图像数据，和由传感器系统的传感器产生的其它数据。第二，随着机器人绕房间移动，所述机器人生成控制器使用的指示房间的物理布局的数据，以产生存储在存储器存储元件上的虚拟地图或占用网格。随着占用网格生成，控制器追踪不断更新指示占用网格内的机器人的姿态的数据。指示姿态的数据可以是推算值，随着机器人继续绕房间移动该推算值误差增加。在一些实例中，机器人以误差代表与所推算的姿态相关联的置信度量。在其它实例中，机器人以与所推算的姿态相关联的不确定性的量度代表误差。最后，通过移动机器人到上述路径区段中的可疑地点，机器人可以减少不确定性，或增加在其姿态上的置信。在到达路径区段时，机器人的传感器系统可产生对应于它的围绕路径区段的可疑地点的运动的信号。机器人执行模板匹配算法以确定所生成的传感器数据是否与较早产生的相应的路径区段的模板匹配。如果传感器数据与模板匹配，则控制器通过基于房间内模板的位置确认机器人的姿态或重新定位机器人，可以重新定向占用网格，从而恢复在姿态推算上的置信。
[0025]机器人概述
[0026]参照图1A，机器人100包括主体102，前向部分104和后向部分106。通过相对于由主体102限定的三个互相垂直的轴线的各种运动组合，机器人100可移动穿过物理环境的地板表面:横向轴线X，前后轴线Y，中央垂直轴线Z。沿着前后轴线Y的前向驱动方向被指定F(以下称为“前向”)，并且沿着所述前后轴线Y的后驱动方向指定为A(以下称为“后向”)。横向轴线Y在机器人100的右侧R和左侧L之间延伸，其大致上沿着由轮子模块108a、108b的中心点限定的轴线，简要参考图1B。在一些实施中，机器人100具有圆形外周。在其它实施中，前向部分104基本上具有矩形横截面，并且后向部分106基本上是圆形的，具有半圆形横截面。机器人主体102的其它几何形状可以预期，例如勒洛三角形或等宽多边形。
[0027]设置在主体102的顶部的用户界面110接收一个或多个用户命令并且/或者显示机器人100的状态。设置在前向部分104上的一个或多个障碍物探测传感器111评估障碍物距离机器人100的距离。在一个实施中，一个或多个传感器是飞行传感器点测距时间，线测距传感器，或体积点云传感器。在另一实施中，一个或多个障碍物探测传感器111是设置在前向部分104上的声纳传感器，用作超声波传感器的换能器，以评估障碍物到机器人100的距离。在机器人100右侧的墙壁跟随传感器113是IR传感器，可以确定机器人100何时跟随墙壁。机器人100的左侧L也可具有墙壁跟随传感器。主体102的前向部分还承载缓冲器115，其探测在机器人100的驱动路径上的障碍物。
[0028]参照图1B，机器人100的底表面107包括带有发动机109a_b的轮子模块108a_b，该发动机差动地驱动轮子110a-b中。发动机109a-b联接到旋转编码器112a-b。机器人100的底表面107进一步包括清扫头120，带有前滚轮122a和后滚轮122b，边刷125，脚轮130，间隙调节器132a-b，光学鼠传感器133，惯性测量单元(HlU) 134，和悬壁传感器135a-135d
[0029]沿着横向轴线X的轮子模块108a和108b，在常规清扫程序期间推动机器人100穿过地板表面。发动机109a-b驱动各自的轮子110a-b。随着发动机109a-b驱动轮子110a-b中，旋转编码器112a_b测量发动机109a_