專利名稱：實現室內服務機器人同時定位和地圖創建的裝置及機器人的制作方法
技術領域：
本實用新型涉及一種智能裝置，尤其是涉及一種實現室內服務機器人同時定位和地圖創建的裝置，所述的室內服務機器人具體涉及清掃機器人、保安機器人等等。
背景技術：
隨著科技水平和人們生活水平的不斷提高，自移動室內服務機器人的應運而生， 已逐漸為人們所接受，機器人在自己移動的同時，通過其內置的功能單元進行工作為人們 提供服務，省時省力的工作特點受到了人們的認同，從而在辦公家居環境中得到廣泛應用。目前市場上出現的絕大多數自移動室內服務機器人為清掃機器人，其包括驅動 部件、可再充電的供能單元和控制單元。在控制單元的控制和供能單元的能量供應下，清掃 機器人在待處理工作表面上做隨機移動，機器人在隨機移動的同時，通過其內置的清掃單 元對待處理工作表面進行表面清潔處理。專利公開為W002101477，專利申請人為美國IROBOT公司，該專利文獻中對隨機清 掃有較為詳細地描述。在清掃機器人的前方，即運動方向上設有碰撞板，碰撞板的二側設 有碰撞傳感器，機器人在執行隨機模式移動時作充分地直線運動。機器人在行進時，碰撞板 與墻壁或其它障礙物發生碰撞，使得碰撞傳感器被激活，機器人接收到碰撞傳感器的激活 信號，控制行走機構旋轉任一個角度，遠離所碰撞的障礙物繼續直線行進。除美國IROBOT公司公開了清掃機器人采用隨機清掃的技術方案之外，瑞士伊 萊克斯公司在2001年推出的第一代以及后續推出的第二代清掃機器人，產品名稱均為 TRIL0BITE(三葉蟲)，其采用的行走路線也同樣屬于隨機模式。TRIL0BITE在Normal和 Qucik工作模式中，清掃機器人通過其前方設有的超聲傳感器和碰撞傳感器的配合，使得 機器人在行進過程中，當發生機器人探測到前方的墻壁或其它障礙物時，或是機器人與前 方的墻壁或其它障礙物發生碰撞時，通過超聲傳感器的信號輸出或是碰撞傳感器的激活信 號，使得機器人旋轉一角度，遠離相應的障礙物繼續直線行進。上述提及的清掃機器人采用隨機路線進行移動，雖然執行簡單，但不可避免地存 在有部分區域漏掃、而部分區域出現重復清掃的狀況發生，從而影響一次清掃覆蓋率和一 次清掃效率。針對以上問題，本申請人在2001年申請了《自動吸塵器的可清掃區域和障礙物區 域的識別方法》專利，專利號為ZL01108048.5。該技術方案指出了一種自動吸塵器的可清 掃區域和障礙物區域的識別方法。在一個呈封閉的區域內，由吸塵器進行X軸方向和Y軸 方向掃描；再由吸塵器對X軸方向掃描區域和Y軸方向掃描區域進行邏輯分析，X軸方向掃 描和Y軸方向掃描都未能探測到的區域為障礙物所在的坐標區域，X軸方向掃描或Y軸方向 掃描已探測到的區域為可清掃區域。此方法從理論上而言，通過“邏輯與”的概念是可以實 現有效識別出可清掃區域和障礙物區域。但這種梳狀移動的定位方式，屬于單定位方式，其 完全借助類似于編碼器等裝置，通過將編碼器安裝在行走機構上來測量行走機構的轉速、 判斷旋轉方向，從而進行定位控制。然而，行走機構在待工作表面進行移動時，不可避免地會出現打滑、丟步等現象。當出現此類狀況時，行走機構仍處于工作運轉中，編碼器裝置則仍在計數，但實際上，行走機構以及清掃機器人此刻相對于待工作表面不存在移動關系，由 此編碼器的計數產生了誤信號，影響后續的路徑掃描和路徑規劃。基于上述提出的各類狀況，因此，有必要提供一種新的方式來解決上述缺點。
實用新型內容本實用新型所要解決的技術問題在于，提供一種實現自移動室內服務機器人同時 定位和地圖創建的裝置以及自移動室內服務機器人，通過對該裝置的應用可以準確判斷自 移動室內服務機器人的所在位置。為解決上述技術問題，本實用新型所提供的技術方案為一種實現室內服務機器人同時定位和地圖創建的裝置，包括外部傳感器，用于探 測所述機器人外部的環境信息；內部傳感器，用于探測所述機器人自身的位置信息；信息 處理模塊，通過所述機器人在外部環境中移動，記錄所述外部傳感器和所述內部傳感器的 測量數據，對環境進行特征提取，利用遞推形式的預測和更新算法得出所述機器人的位姿 和特征地圖，在滿足特征匹配的條件下，實現對相應的所述位姿和特征地圖的更新。一種機器人，包括機器人本體、控制單元、驅動單元、行走單元和功能單元，所述控 制單元控制功能單元工作，并控制驅動單元，由驅動單元驅動行走單元行走；室內服務機器 人還包括外部傳感器，用于探測所述機器人外部的環境信息；內部傳感器，用于探測所述機 器人自身的位置信息；所述控制單元通過所述機器人在外部環境中移動，記錄所述外部傳 感器和所述內部傳感器的測量數據，對環境進行特征提取，利用遞推形式的預測和更新算 法得出所述機器人的位姿和特征地圖，在滿足特征匹配的條件下，實現對相應的所述位姿 和特征地圖的更新。本實用新型中，自移動室內服務機器人在未知環境下依靠傳感器對所獲取的信息 進行環境建模，同時利用所創建的環境地圖估計其本身的位姿，使得機器人在未知環境中 創建地圖，同時利用地圖實現真正的自主導航。把室內服務機器人放置在未知環境中，將定 位與地圖創建二者合而為一，使得機器人增量式地創建未知環境的連續地圖，同時確定它 在地圖中的位置，這對于室內諸如家庭和辦公環境內進行工作的服務機器人而言，能夠十 分有效地提高一次工作效率、提高一次工作表面覆蓋率，極大地提高了自移動室內服務機 器人的自主性，并進一步突顯了機器人的智能水平。附圖明書


圖1為本實用新型一實施例中機器人的總體結構示意圖；圖2為本實用新型所述自移動室內服務機器人的控制框圖；圖3為本實用新型所述自移動室內服務機器人中的具有同時定位和地圖創建的 裝置的基本控制框圖。圖4為本實用新型所述自移動室內服務機器人中的具有同時定位和地圖創建的 裝置的基本工作原理流程圖。圖5為本實用新型所述自移動室內服務機器人中的具有同時定位與地圖創建的 實際算法流程圖。
具體實施方式
本實用新型提供了一種自移動清掃機器人，所述自移動機器人具有同時定位與地圖創建來定位自移動清掃機器人的當前位置以及地圖特征。本實用新型以清掃機器人為例，對本實用新型進行詳細說明。如
圖1所示，為實用 新型一具體實施例一清掃機器人的整體結構示意圖。如
圖1所示，為本實用新型的控制 結構組成框圖。結合
圖1和圖2所示，所述清掃機器人包括機器人本體1、控制單元2、驅動 單元3、行走單元4和功能單元5，控制單元2位于該機器人本體1體內。控制單元2通過 驅動單元3驅動行走單元4轉動，行走單元4帶動機器人本體1移動。所述功能單元5為 清潔單元。該清掃機器人帶有同時定位與地圖創建的裝置，如圖3所示為具有同時 定位與地 圖創建的裝置的控制框圖。該裝置配備有內部和外部傳感器，內部傳感器為里程計，即為里 程計采集模塊30 ；外部傳感器為單個圖像傳感器，即為圖像采集模塊10，用于采集待工作 表面區域的圖像信息。本實施例中，圖像視覺傳感器為CMOS傳感器，當然也可以是CCD等 其它視覺傳感器。除此之外，裝置還包括信息處理模塊20，該信息處理模塊20包括特征提 取單元210、特征匹配比較單元220、位姿與環境特征更新單元230和位姿與環境特征預測 單元240。下面結合圖3和圖4對基本工作原理流程圖展開敘述。圖像采集模塊10采集待工 作表面的圖像信息(步驟S100)。圖像采集模塊10所采集到的信息經過處理形成外部環境 的幾何特征，以長度、寬度、位置等參量表示，特征地圖可以表示為R= (fili = 1,2,…， M)，其中fi是環境特征，M是地圖中的特征數。在機器人同時定位與地圖創建中，通過圖像 傳感器的圖像采集獲得外部環境的輪廓特征及其位置信息。對于所獲得的圖像信息進行特 征提取，提取特征的方法采用哈夫變換方法，通過該方法來對能夠反映大范圍環境的諸如 直線、線段、角、點等結構化特征進行提取(步驟S110)。所說的哈夫變換方法，包括加權哈 夫變換法、直方圖法等等。裝置10設有的里程計采集模塊30位于清掃機器人的底盤上，與清掃機器人的行 走單元相連接，用于探測行走單元的工作狀態。里程計采集模塊30的信息輸入到系統狀態 方程之中(步驟S150)，通過卡爾曼濾波作最小均方差估計，即系統狀態變量X= [XTr,XTi; XV…，XTN]T，其中& = [x,y, θ]表示機器人的位姿，Xi = [xiyi]T表示環境特征的位置 坐標，通過方程完成對位姿和地圖特征的預測(步驟S140)。在步驟SllO中對環境特征的 觀測和提取后，用來更新位姿和特征地圖(步驟S130)。狀態更新包括新特征的增加、消失 特征的刪除、重復觀察特征的更新。在預測與更新之間，要進行特征匹配(步驟S120)。只 有匹配特征才能用來更新位姿和特征地圖。對于步驟S120特征匹配來說，特征匹配是不同時刻對環境的觀測是否來源于同 一特征。特征匹配與采用的理論方法及傳感器模型有關。在通常的SLAM算法中，觀測量 要與系統狀態變量匹配，以確定更新目標。成功的數據相關涉及正確的觀測與相應的狀態 變量匹配、探測和排除虛假觀測以及初始化新的軌跡。特征匹配是數據融合的關鍵技術， 方法很多。在室內移動服務機器人實現同時定位與地圖創建中，大多數方法都是基于更新 序列和預測協方差矩陣。更新序列定義為觀測值與基于觀測模型的狀態變量預測值之差，
Vk^Zk-Z k，則標準距離定為心=八S_>k，其中&為更新協方差矩陣。如果更新序列符合
高斯分布，則vTkvk將是X2分布的；當觀測值落入X2分布的某個固定的區間時，作為可接受 觀測值，否則予以排除。即根據X2分布確定的可接受區間，得出確認門限，與根據公式d2k =VkfkVk得出的標準距離比較，確定觀測值是否可以接受。然后根據最近鄰濾波方法篩選出 距離最近的特征作為更新特征。此外，為簡化特征匹配的計算量，選取對收斂速度有決定性 作用的特征，并從地圖中刪除其他的路標特征，對收斂速率的影響非常小，但計算復雜度將 大大降低。在全局層中，一系列的局部地圖組成一個連接圖，在面對地圖之間的匹配問題時， 實現m個標志與擁有η個標志的地圖之間的數據關聯的復雜度與m之間呈指數關系，假設 每個觀測到的標志1有Iii個可能的匹配，那么對于m個標志需要在指數空間Jimi = Ini中 搜索正確的匹配。數據關聯的搜索空間與環境的復雜程度以及機器人的定位誤差有關，環 境的復雜程度的增加會使m增大，而誤差的增大會使ni增大。基于對同時定位與地圖創建的裝置基本工作原理流程圖的描述，現針對本實施 例，對裝置有關同時定位與地圖創建的實際算法流程做一簡單描述。如圖5所示，裝置包 括內部傳感器和外部傳感器，所述的內部 傳感器為里程計；所述的外部傳感器為單個CMOS 傳感器，該圖像傳感器位于清掃機器人的前端部且呈水平放置，用于采集待工作表面區域 的圖像信息(步驟S200)。采用哈夫變換方法對所獲得的圖像信息進行直線特征提取(步 驟S210)。里程計位于清掃機器人的底盤上，與清掃機器人的驅動輪相連接，用于探測驅動 輪的工作狀態；將里程計的信息輸入到系統狀態方程之中，通過方程完成對位姿和地圖特 征的預測(步驟S270)。對于獲取的環境特征，需要將其與已有的地圖數據進行數據關聯 (步驟S220)。在特征匹配時，對有無發現新特征進行差別(步驟S230)。如發現有新特 征，則將該特征加入狀態向量，同時對狀態進行擴維(步驟S240)；如沒有發現有新特征，則 更新狀態、構建地圖(步驟S250)。而后，通過控制策略進入下一輪的獲取視覺信息(步驟 S260)。所說的控制策略，具體是指以環境圖像中的直線作為特征、采用跟蹤直線的導航方 式，增加觀測的次數并快速地減小里程計的累積誤差，加快卡樂曼濾波方法的收斂速度。在 這里，步驟S250中提及的構建地圖，常用的構建方法有柵格地圖法、特征地圖法和拓樸地 圖法等。本實施例中，采用的構建地圖方法為特征地圖法。對于裝置同時定位與地圖創建的過程中，對于遞推形式的預測和更新算法中，除 了采用本實施例中描述的卡爾曼濾波方法之外，也可以采用粒子濾波方法。現對粒子濾波 方法做一簡單描述。移動機器人定位是對不確定信息的處理，這種不確定因系主要有(1) 機器人對外部感知能力的限制；(2)外部環境的擾動；(3)機器人內部傳感器的誤差。系 統噪聲和觀測噪聲的任何模型和假設都有局限性，且復雜的概率模型影響決策的實時性。 粒子濾波以樣本集合的方法逼近概率分布，當樣本數N—c 時可以逼近任何形式的概率分 布。因此，粒子濾波能夠比較精確地表達基于觀測量和控制量的后驗概率分布。粒子濾波是 針對離散時間、部分能觀、能控Markov鏈的后驗概率估計方法，目前主要應用在室外大環 境下的同時定位與地圖創建。P(XtIut^H)是系統的觀測模型。通過觀測量Zt = Ztl,...， Zt控制量Ut = Utl，. . .，ut，Ut恢復系統的后驗概率分布，通常應用遞推形式Bayes濾波算 法(Xt|Zt,Ut) = const .p(zt|xt) f P (Xt I Ut, Xh) xp (Xh I Zh, Uh) dXH。粒子濾波易于實 現，不需要線性化非線性模型，但對于高維狀態空間，樣本數很大，需要高的運算速度，對計 算機硬件的要求高。因此，粒子濾波常用于全局定位問題。粒子濾波在移動機器人同時定 位與地圖創建中屬于高維應用，主要針對室外非結構化環境。與卡爾曼濾波相比，粒子濾波 具有以下三大優越性；1、粒子濾波的計算量是0(N log K)，N是樣本數。實踐證明，在一定的不確定范圍內，N是常數。2、粒子濾波可以處理后驗概率為非高斯、多模型分布的情況， 可更充分地利用觀測數據，處理否定信息。而在這種情況下，卡爾曼濾波將導致數據相關的 失敗。3、應用粒子濾波處理數據相關問題具有較強的魯棒性。另外，來自不同傳感器的環境信息可以為特征提取提供冗余信息，提高環境特征 定位的精確性和特征識別的可靠性。對冗余信息的處理和應用需要進行不確定幾何信息的 系統描述并保證融合機制的一致性。本實施例中，外部傳感器只設有單個CMOS圖像傳感 器，為使得定位精度和特征識別更為可靠、精準，外部傳感器還可以包括激光傳感器，通過 視覺傳感器從灰度圖像提取的數據與激光數據匹配來有效地識別環境特征，剔除環境地圖 中的模糊特征。或者是外部傳感器包括紅外傳感器或者是聲納傳感器，通過與圖像傳感器 的有效配合而提高精度。而為便于測試精度更為準確，更為清晰地獲得環境特征的深度信 息，提取三維特征，外部傳感器可以通過設置兩個或是多個CMOS圖像傳感器來實現。當然， 更為清晰地獲得環境特征的深度信息，提取三維特征，外部傳感器也可以設置兩個或是多 個CCD圖像傳感器。采用單個或多個CCD圖像傳感器時，也可以按實際需要，與激光、超聲 或紅外傳感器組合使用。當然，除本實施例中所描述的外部傳感器包括CMOS圖像傳感器之外，也可以根據 實際工作需要，外部傳感器僅包括激光傳感器、聲納傳感器、紅外傳感器或者是其中多個的 任意組合。除本實施例中所描述的內部傳感器為里程計之外，也可以根據實際工作需要，內 部傳感器采用陀螺儀等檢測裝置。最后應說明的是以上實施例僅用以說明實用新型的技術方案而非限制。盡管參 照上述實施例對本實用新型進行了詳細說明，本領域的普通技術人員應當理解，依然可以 對本實用新型的技術方案進行修改和等同替換，而不脫離本技術方案的精神和范圍，其均 應涵蓋在本實用新型的權利要求范圍當中。
權利要求一種實現室內服務機器人同時定位和地圖創建的裝置，其特征在于，包括外部傳感器，用于探測所述定位裝置外部的環境信息；內部傳感器，用于探測所述定位裝置自身的位置信息；信息處理模塊，通過所述定位裝置在外部環境中移動，記錄所述外部傳感器和所述內部傳感器的測量數據，對環境進行特征提取，利用遞推形式的預測和更新算法得出所述定位裝置的位姿和特征地圖，在滿足特征匹配的條件下，實現對相應的所述位姿和特征地圖的更新。
2.根據權利要求1所述的裝置，其特征在于，所述外部傳感器包括單個或多個CMOS圖像傳感器。
3.根據權利要求1所述的裝置，其特征在于，所述外部傳感器包括單個或多個CCD圖像 傳感器。
4.根據權利要求2或3所述的裝置，其特征在于，所述外部傳感器還包括激光、聲納或 者紅外傳感器。
5.根據權利要求1所述的裝置，其特征在于，所述內部傳感器為里程計。
6.一種機器人，包括機器人本體、控制單元、驅動單元、行走單元和功能單元，所述控制 單元置位于服務機器人的內部，其控制功能單元工作，并控制驅動單元，由驅動單元驅動行 走單元行走，其特征在于，所述的室內服務機器人還包括定位裝置，該定位裝置包括外部傳 感器，用于探測所述機器人外部的環境信息；內部傳感器，用于探測所述機器人自身的位置 信息；所述控制單元通過所述機器人在外部環境中移動，記錄所述外部傳感器和所述內部 傳感器的測量數據，對環境進行特征提取，利用遞推形式的預測和更新算法得出所述機器 人的位姿和特征地圖，在滿足特征匹配的條件下，實現對相應的所述位姿和特征地圖的更 新。
7.根據權利要求6所述的機器人，其特征在于，所述控制單元包括信息處理模塊，用 于接受所述外部傳感器和內部傳感器發送的信息，實現對所述機器人位姿和特征地圖的更新。
8.根據權利要求6所述的機器人，其特征在于，所述外部傳感器包括單個或多個CMOS 圖像傳感器。
9.根據權利要求6所述的機器人，其特征在于，所述外部傳感器包括單個或多個CCD圖像傳感器。
10.根據權利要求6所述的機器人，其特征在于，所述內部傳感器為里程計。
11.根據權利要求6所述的機器人，其特征在于，所述功能單元為清潔單元。
專利摘要本實用新型公開了一種實現室內服務機器人同時定位和地圖創建的裝置及帶有該裝置的室內服務機器人，該裝置包括外部傳感器、內部傳感器和信息處理模塊，通過所述機器人在外部環境中移動，記錄所述外部傳感器和所述內部傳感器的測量數據，對環境進行特征提取，利用遞推形式的預測和更新算法得出所述機器人的位姿和特征地圖，在滿足特征匹配的條件下，實現對相應的所述位姿和特征地圖的更新。本裝置把移動機器人放置在未知環境中，將定位與地圖創建二者合而為一，使得機器人增量式地創建未知環境的連續地圖，同時確定它在地圖中的位置，如此有效地提高了一次工作效率，提高了自移動室內服務機器人的自主性，并進一步突顯了機器人的智能水平。
文檔編號B25J9/16GK201573208SQ200920047160
公開日2010年9月8日 申請日期2009年6月16日 優先權日2009年6月16日
發明者錢東奇 申請人:泰怡凱電器(蘇州)有限公司