[发明专利]随机地图知悉式立体视觉传感器模型

说明书

一种用于定义传感器模型的方法包括确定从在基于随机地图来建模的传感器的视场中的多个潜在原因获得测量的概率。该随机地图包括该随机地图中的每个体素的均值占用程度以及每个像素的均值占用程度的方差。该方法还包括基于所确定的获得测量的概率来确定获得图像的概率。该方法进一步包括基于获得图像的概率来规划包括该传感器的机器人的动作。

相关申请的交叉引用

本申请根据35U.S.C.§119(e)要求于2015年12月2日提交的题为“STOCHASTIC MAPAWARE STEREO VISION SENSOR MODEL(随机地图知悉式立体视觉传感器模型)”的美国临时专利申请No.62/262,339的权益，其公开内容通过援引全部明确纳入于此。

背景

领域

本公开的各方面一般涉及机器学习，尤其涉及改进基于随机地图来定义传感器模型的系统和方法。

背景技术

在一些情形中，期望确定自主交通工具(诸如机器人)在给定区域内的位置。在其他情形中，在给定了机器人位置的情况下，期望生成机器人周围环境的地图。可经由增量办法或批处理办法来生成地图。

经由批处理办法生成的地图可在已搜集到遍及要被绘制地图的环境的多个传感器测量之后一次生成。即，在批处理办法中，要被绘制地图的环境的所有数据是在计算地图之前搜集的。然而，在一些情形中，机器人可能无法在计算地图之前搜集环境中的所有数据。

因此，在一些情形中，增量办法被指定用于生成地图。经由增量办法生成的地图可基于从机器人附近收集的初始数据来计算，并用每个新的传感器测量来更新。每个新的传感器测量可基于机器人改变其位置、从相同位置测量不同区域、或执行相同的测量以实现冗余性。对于增量办法，诸传感器测量是相互独立的。因此，机器人可在计算地图时使用假定。由此，在计算增量地图时可能存在一些不确定性。

基于假定的具有不确定性的地图可被称为随机地图。当生成地图和/或规划通过经绘制地图的环境的轨迹时，可定义传感器模型以在给定了地图具有带有各种占用程度和这些占用程度的置信值的多个体素的情况下预测在传感器的视场中的诸体素的占用程度。

概述

在本公开的一个方面，公开了一种定义传感器模型的方法。该方法包括确定从在基于随机地图来建模的传感器的视场中的多个潜在原因获得测量的概率。该地图具有该地图中的每个体素的均值占用程度以及每个体素的均值占用程度的方差。该方法还包括基于所确定的获得测量的概率来确定获得图像的概率。该方法进一步包括基于获得图像的概率来规划包括该传感器的机器人的动作。

本公开的另一方面涉及一种装备，其包括用于确定从在基于随机地图来建模的传感器的视场中的多个潜在原因获得测量的概率的装置。该地图包括该地图中的每个体素的均值占用程度以及每个体素的均值占用程度的方差。该装备还包括用于基于所确定的获得测量的概率来确定获得图像的概率的装置。该装备进一步包括用于基于获得图像的概率来规划包括该传感器的机器人的动作的装置。

在本公开的另一方面，公开了一种其上记录有非瞬态程序代码的非瞬态计算机可读介质。用于定义传感器模型的该程序代码由处理器来执行并且包括用于确定从在基于随机地图来建模的传感器的视场中的多个潜在原因获得测量的概率的程序代码。该地图包括该地图中的每个体素的均值占用程度以及每个体素的均值占用程度的方差。该程序代码还包括用于基于所确定的获得测量的概率来确定获得图像的概率的程序代码。该程序代码进一步包括用于基于获得图像的概率来规划包括该传感器的机器人的动作的程序代码。