[发明专利]定位传感器的方法以及相关设备

说明书

技术领域

本发明的实施方式涉及定位车辆或者被设置为在车辆上使用的传感器的方法以及相关设备。

背景技术

由于定位(即，确定位置)以及映射算法成熟，所以真正长期的导航的问题变得越来越迫切。在变化的环境中需要机器人化的(在一些实施方式中，其可为车辆)导航的共同问题，并且该问题是实现终身自主的主要障碍。一旦在最初访问时，希望这在表面上足够接近，以便可用于进行随后的访问，传统的映射方法就通常产生初始图，这通常是单片方法(作为融合或平均化等工序的结果)。近年来，人们试图解决这些问题。

为了实现长期自主，机器人化的系统应该能够在改变的环境中运行，这在本领域中被视为巨大的挑战。变化可来自很多来源：突然的结构变化、照明条件、当日时间、天气、季节变化等。为了进行说明，考虑自运动估计的问题，在室外操作的机器人上安装摄像头。这是丰富的研究开采区域，我们立即触及视觉导航(同时定位与映射-SLAM)系统，该系统可同时映射和定位。然而，在重新访问该位置时，可发生巨大的变化，并且例如，可能下雪。由于季节改变，从夏天变成秋天，所以场景的外观可逐渐改变。现有技术表明需要产生单片图，该单片图包含允许在变化的环境内定位的信息。

Konolige和Bowman([1]K.Konolige and J.Bowman,"Towards lifelong visual maps,"in IROS,2009,pp.1156-1163)开发了其基于视图的地图系统([2]K.Konolige,J.Bowman,J.D.Chen,P.Mihelich,M.Calonder,V.Lepetit,and P.Fua,"View-based maps,"International Journal of Robotics Research(IJRR),vol.29,no.10,2010)，以适合于室内环境的变化。该系统从VO(视觉测程法)系统中产生了关键帧的轮廓图。然后，根据被设计为在限制最大数量的视图的同时保留视图多样性的方案，更新和删除在节点上储存的视图。其轮廓图在单个参考帧内并且通过Toro递增地优化([3]G.Grisetti,C.Stachniss,S.Grzonka,and W.Burgard,"A Tree Pa-rameterization for Efficiently Computing Maximum Likelihood Maps using Gradient Descent,"Robotics Science and Systems,2007)。这显示了办公室的结果，包括移动的人群、家具以及改变的照明条件。

Milford与Wyeth的RatSLAM系统([4]M.Milford and G.Wyeth,"Persistent navigation and mapping using a biologically inspired SLAM system,"The International Journal of Robotics Research,2009)使用储存大量经验的经验图的概念。其经验是在世界上的许多地方，也储存到其他经验的过渡信息，以解决测程法偏移问题。随着时间的过去，经验图放松，以尽可能减小在绝对经验位置与其到其他位置的过渡信息之间的差异。还删除经验，以将密度控制为较低。

Biber和Duckett([5]P.Biber and T.Duckett,"Dynamic maps for long-term operation of mobile service robots,"in Proceedings of Robotics:Science and Systems,Cambridge,USA,June 2005)通过一系列的时间标度将激光图取样，以产生具有长期和短期结构的单个图。这允许他们塑造短期动态物体以及长期结构变化。在具有忙碌的实验室环境的几周时间中，他们显示了提高的定位精度。

还要注意Furgale和Barfoot的工作([6]P.Furgale and T.D.Barfoot,"Visual teach and repeat for long-range rover autonomy,"Journal of Field Robotics,vol.27,no.5,pp.534-560,2010)，他们开发了在室外环境中使用视觉的教导和重复系统。在教导阶段，机器人使用VO产生了一系列子图像。然后，定位模块用于重描原始路径。他们显示了超过几千米的结果。