本發(fā)明涉及機(jī)器人編程系統(tǒng)的領(lǐng)域。更具體地，本發(fā)明適用于創(chuàng)建障礙物的不存在和存在中的一種的概率的本地圖。這種圖特別地但非排他性地適用于碰撞避免技術(shù)。

背景技術(shù)：

當(dāng)機(jī)器人能夠以高度的自主性執(zhí)行行為或任務(wù)時(shí)，機(jī)器人可以取得自主的資格，甚至是在最初未知的環(huán)境中。為了安全地移動(dòng)并執(zhí)行行為，自主式機(jī)器人需要定位并收集關(guān)于潛在有危險(xiǎn)的障礙物的信息。

因此，自主地收集關(guān)于本地障礙物的信息的問(wèn)題是在機(jī)器人技術(shù)的領(lǐng)域中的關(guān)鍵性問(wèn)題。

根據(jù)現(xiàn)有技術(shù)，用于障礙物檢測(cè)的最佳已知的技術(shù)屬于被稱(chēng)為“同步定位與構(gòu)圖”(SLAM)的方法的類(lèi)別。這些方法提供了對(duì)障礙物的同步檢測(cè)和機(jī)器人相對(duì)于其環(huán)境的定位。SLAM技術(shù)由下列資料公開(kāi)：THRUN、S.BURGARD、W.FOX D.的Probabilistic Robotic.MIT Press,2005；MONTEMERLO、M.THRUN、S.KOLLER、D.WEGBREIT B的FastSLAM:A factored solution to the simultaneous localization and mapping problem,AAAI/IAAI,2002,第593到598頁(yè)。

當(dāng)機(jī)器人從其具有某些人類(lèi)外觀屬性：頭、軀干、雙臂、雙手等的時(shí)刻起有資格為人形。然而，人形機(jī)器人可能或多或少是復(fù)雜的。人形機(jī)器人的肢體可以具有較多或較少數(shù)量的關(guān)節(jié)。人形機(jī)器人可以靜態(tài)和動(dòng)態(tài)地控制其自身的平衡并且用下肢行走，可能是以三維的形式行走或僅是滾動(dòng)底座。人形機(jī)器人可以從環(huán)境中提取信號(hào)(“聽(tīng)”、“看”、“觸摸”、“感測(cè)”等)，并且根據(jù)或多或少?gòu)?fù)雜的行為作出反應(yīng)，并且通過(guò)談話(huà)或通過(guò)手勢(shì)與其它機(jī)器人或人類(lèi)進(jìn)行交互。

可以特別為了人類(lèi)交互作用來(lái)設(shè)計(jì)這種機(jī)器人。然而，這些交互(包括面部和情感識(shí)別以及手勢(shì)和對(duì)話(huà))是高度CPU密集的。這些交互作用是人形機(jī)器人的核心。因此，機(jī)器人設(shè)計(jì)者必須解決的一個(gè)問(wèn)題是將所有其它機(jī)器人功能設(shè)計(jì)成以最低可能的CPU使用率來(lái)進(jìn)行操作。這些其它功能尤其包括必須在從機(jī)器人被通電時(shí)的時(shí)刻起連續(xù)地執(zhí)行的定位、碰撞避免和障礙物檢測(cè)。

當(dāng)機(jī)器人發(fā)現(xiàn)其環(huán)境的新部分時(shí)，在SLAM技術(shù)中由機(jī)器人使用的環(huán)境圖的尺寸增加。由于SLAM技術(shù)使用環(huán)境的所有已知的部分來(lái)計(jì)算機(jī)器人位置，所以提供障礙物檢測(cè)復(fù)雜度的上限并且從而在具有未知尺寸的環(huán)境中使用SLAM技術(shù)提供CPU使用率幾乎是不可能的。而且，SLAM實(shí)施方式使用CPU密集的技術(shù)，例如用于EKF-SLAM(或擴(kuò)展卡爾曼濾波SLAM)的協(xié)方差矩陣。SLAM技術(shù)估計(jì)機(jī)器人位置以及一組路標(biāo)的位置。當(dāng)機(jī)器人發(fā)現(xiàn)其環(huán)境時(shí)，它將新路標(biāo)添加到這個(gè)組。在EKF SLAM中，每個(gè)新路標(biāo)被添加到狀態(tài)向量和協(xié)方差矩陣。因此，具有大量潛在路標(biāo)的大環(huán)境可能產(chǎn)生非常高的復(fù)雜度。因此，SLAM技術(shù)的使用可能導(dǎo)致用于腳底定位(sole localization)和障礙物檢測(cè)的關(guān)鍵CPU使用率，從而威脅用于人類(lèi)交互的CPU可用性。同時(shí)，SLAM技術(shù)被設(shè)計(jì)為使用靜止路標(biāo)來(lái)定位處于靜態(tài)的機(jī)器人。因此，這在檢測(cè)移動(dòng)障礙物時(shí)是低效的。C.-C Wang在“Simultaneous localization,mapping and moving object tracking”中公開(kāi)了用于同時(shí)使用SLAM和移動(dòng)對(duì)象追蹤(MOT)的方法。然而，這種技術(shù)基本上在于SLAM和MOT的同時(shí)執(zhí)行以克服一個(gè)SLAM限制，因而增加了甚至額外的復(fù)雜度。

歐洲專(zhuān)利申請(qǐng)n°14305543.2公開(kāi)了用于與SLAM技術(shù)相比較用減少的CPU使用率在導(dǎo)致機(jī)器人的精確定位的定位平面中定位機(jī)器人的方法。

這種方法解決了機(jī)器人定位問(wèn)題。但仍然存在對(duì)用足夠的可靠性檢測(cè)障礙物以避免碰撞而是最不復(fù)雜且最不CPU密集的需要。

技術(shù)實(shí)現(xiàn)要素：

為了這個(gè)效果，本發(fā)明公開(kāi)了用于由自主式機(jī)器人上的計(jì)算機(jī)確定在機(jī)器人的環(huán)境中的障礙物不存在和存在中的至少一種的概率的像素圖的方法，所述方法的特征在于，其包括下列步驟：在機(jī)器人上的存儲(chǔ)器中初始化在機(jī)器人周?chē)薅ú?shí)質(zhì)上關(guān)聯(lián)到(attached to)所述機(jī)器人的初始圖，所述圖預(yù)先確定限制并被預(yù)定尺寸的像素鋪設(shè)(pave)，其中在每個(gè)像素中的障礙物不存在和存在中的至少一種的概率的值被設(shè)置為預(yù)定值；從至少感測(cè)過(guò)程獲取表示在機(jī)器人的環(huán)境中的障礙物不存在和存在中的至少一種的數(shù)據(jù)；將用于至少下列操作的過(guò)程同時(shí)應(yīng)用于初始圖程序：更新在所述數(shù)據(jù)的初始圖的至少一個(gè)像素中的障礙物不存在和存在中的至少一種的概率的值；將先前觀察的障礙物的不存在或存在的概率修改為更接近預(yù)定值的值。

有利地，只要機(jī)器人保持在預(yù)定數(shù)量的像素內(nèi)，初始圖就在固定參考系中保持靜止，并且在機(jī)器人移動(dòng)到這個(gè)預(yù)定數(shù)量的像素之外時(shí)隨著機(jī)器人移動(dòng)。

有利地，初始圖的限制被預(yù)先確定為所述機(jī)器人可能面對(duì)即時(shí)碰撞威脅所處于的區(qū)域的尺寸的函數(shù)。

有利地，像素的預(yù)定尺寸被選擇為碰撞避免距離的函數(shù)。

有利地，初始圖限定正方形。

有利地，在修改先前觀察的障礙物不存在和存在中的一種的概率和用于初始化圖的過(guò)程中的預(yù)定值是表示確定的障礙物存在的值與表示確定的障礙物不存在的值的平均值。

有利地，計(jì)算不存在的概率的圖，其中障礙物不存在的概率是在0與1之間的數(shù)字，其中0表示確定的障礙物的存在，1表示確定的障礙物的不存在，并且0.5表示未知的障礙物的存在。

有利地，用于給障礙物和未知像素定界的閾值Ts_obs被限定為在區(qū)間[0；0.5]中的數(shù)字，并且用于給無(wú)障礙物和未知像素定界的閾值Ts_free被限定為在區(qū)間[0.5；1]中的數(shù)字。

有利地，根據(jù)所述障礙物閾值和預(yù)定的收斂時(shí)間Τ_conv通過(guò)以下公式來(lái)限定用于修改障礙物不存在的概率的時(shí)間演變比R_temp：R_temp＝exp(ln(1-2.0^*Ts_obs)/(Τ_conv^*更新頻率))。

有利地，修改先前觀察的障礙物不存在的概率的過(guò)程使用了用于根據(jù)其在先前圖中的值計(jì)算每個(gè)像素的值的幾何分布定律，并且使用公式：VC₃₂₀＝R_temp^*(VC₃₁₀-0.5)+0.5，其中VC320是像素的已修改值，并且V310是其先前值。

有利地，為多個(gè)補(bǔ)充的感測(cè)過(guò)程初始化多個(gè)初始圖，并且多個(gè)圖同時(shí)被合并成融合圖。

有利地，合并多個(gè)初始圖滿(mǎn)足：障礙物不存在的概率低于在至少一個(gè)初始圖中的閾值Ts_obs的每個(gè)像素是融合圖中的障礙物；不是融合圖中的障礙物且障礙物不存在的概率高于在至少一個(gè)初始圖中的閾值Ts_free的每個(gè)像素是融合圖中的無(wú)障礙物像素。

有利地，合并多個(gè)初始圖包括下列步驟：產(chǎn)生第一預(yù)融合圖和第二預(yù)融合圖；將第一預(yù)融合圖中的像素中的障礙物不存在的概率的值設(shè)置為在多個(gè)初始圖中的同一像素中的不存在的概率的值的最小值；將第二預(yù)融合圖中的像素中的障礙物不存在的概率的值設(shè)置為在多個(gè)初始圖中的同一像素中的不存在的概率的值的最大值；將值低于障礙物的閾值Ts_obs的在第一預(yù)融合圖中的像素中的障礙物不存在的概率的值設(shè)置為0；將值高于障礙物的閾值Ts_obs的在第一預(yù)融合圖中的像素中的障礙物不存在的概率的值設(shè)置為1；將在融合圖(360)中的像素中的障礙物不存在的概率的值設(shè)置為在第一和第二預(yù)融合圖中的同一像素中的不存在的概率的值的最小值。

有利地，使用從不同的傳感器組獲取的數(shù)據(jù)來(lái)更新在多個(gè)初始圖當(dāng)中的每個(gè)圖，所述數(shù)據(jù)對(duì)觀察相同類(lèi)型的障礙物的傳感器進(jìn)行分組。

有利地，第一組傳感器對(duì)在機(jī)器人上的激光傳感器進(jìn)行分組；第二組傳感器對(duì)在機(jī)器人上的3D相機(jī)進(jìn)行分組；第三組傳感器對(duì)在機(jī)器人上的超聲傳感器進(jìn)行分組；第四組傳感器對(duì)在機(jī)器人上的接觸傳感器進(jìn)行分組。

有利地，至少?gòu)母袦y(cè)過(guò)程獲取表示在機(jī)器人的環(huán)境中的障礙物不存在和存在中的至少一種的數(shù)據(jù)的步驟至少包括：從傳感器獲取原始數(shù)據(jù)值；使用機(jī)器人運(yùn)動(dòng)關(guān)節(jié)模型和角關(guān)節(jié)傳感器來(lái)創(chuàng)建與傳感器相關(guān)聯(lián)的6D傳感器變換；使用所述6D傳感器變換和所述原始數(shù)據(jù)來(lái)創(chuàng)建表示由傳感器觀察的障礙物的一組3D點(diǎn)。

有利地，更新初始圖中的至少一個(gè)像素中的障礙物不存在和存在中的至少一種的概率的值至少包括：填充至少一個(gè)2D像素，其中至少一個(gè)3D點(diǎn)被找出有表示確定的障礙物存在的值；填充在所述至少一個(gè)像素與具有表示確定的障礙物不存在的值的傳感器的位置之間的每條線(xiàn)。

本發(fā)明還公開(kāi)了自主式機(jī)器人，其包括至少多個(gè)定向距離傳感器；機(jī)器人運(yùn)動(dòng)關(guān)節(jié)模型；機(jī)載存儲(chǔ)器，其用于存儲(chǔ)在機(jī)器人周?chē)薅ǖ?、具有預(yù)定的限制并由預(yù)定尺寸的像素鋪設(shè)的初始圖，障礙物存在和不存在中的至少一種的概率的值被存儲(chǔ)在該存儲(chǔ)器中；用于通過(guò)將每個(gè)像素的值設(shè)置為預(yù)定值來(lái)初始化所述圖的模塊；用于從至少一個(gè)所述定向距離傳感器獲取表示在機(jī)器人的環(huán)境中的障礙物不存在和存在中的至少一種的數(shù)據(jù)的模塊；用于將用于至少下列操作的過(guò)程同時(shí)應(yīng)用于所述圖的模塊：根據(jù)所述數(shù)據(jù)更新在初始圖的至少一個(gè)像素中的障礙物不存在和存在中的至少一種的概率的值；將先前觀察的障礙物不存在或存在的概率修改為更接近預(yù)定值的值。

本發(fā)明還公開(kāi)了存儲(chǔ)在計(jì)算機(jī)可讀介質(zhì)上的計(jì)算機(jī)程序產(chǎn)品，其包括用于使計(jì)算機(jī)實(shí)現(xiàn)確定在機(jī)器人的環(huán)境中的障礙物不存在和存在中的至少一種的概率的像素圖的方法的代碼單元，所述計(jì)算機(jī)程序產(chǎn)品的特征在于，其至少包括：用于在存儲(chǔ)器中初始化在自主式機(jī)器人周?chē)薅ú?shí)質(zhì)上關(guān)聯(lián)到所述機(jī)器人的初始圖的模塊，所述圖預(yù)先確定限制并被預(yù)定尺寸的像素鋪設(shè)，其中在每個(gè)像素中的障礙物不存在和存在中的至少一種的概率的值被設(shè)置為預(yù)定值；用于從至少第一類(lèi)型的感測(cè)過(guò)程獲取表示在機(jī)器人的環(huán)境中的障礙物不存在和存在中的至少一種的數(shù)據(jù)的模塊；用于將用于至少下列操作的過(guò)程同時(shí)應(yīng)用于初始圖的模塊：根據(jù)所述數(shù)據(jù)更新在初始圖的至少一個(gè)像素中的障礙物不存在和存在中的至少一種的概率的值；將先前觀察的障礙物不存在和存在中的一種的概率修改為更接近預(yù)定值的值。

本發(fā)明公開(kāi)了用于利用在自主式機(jī)器人的封閉環(huán)境中的所有威脅和障礙物來(lái)構(gòu)建圖的方法。這可以本質(zhì)上但不僅僅用于碰撞避免。其也可用于軌跡計(jì)算。

根據(jù)本發(fā)明的方法具有非常低的CPU使用率。實(shí)際上，這使用簡(jiǎn)單的操作(如像素值比較和填充)在具有有限和有界數(shù)量的像素的像素圖上進(jìn)行操作。

由于圖的有限的數(shù)量和尺寸，其也具有低內(nèi)存占用量。而且，根據(jù)本發(fā)明的方法的內(nèi)存占用量被定界。

本方法還檢測(cè)移動(dòng)障礙物出現(xiàn)和消失而沒(méi)有任何額外的復(fù)雜度。

在多個(gè)實(shí)施例中，本發(fā)明還利用在機(jī)器人中的所有種類(lèi)的傳感器來(lái)使用所有類(lèi)型的障礙物的較精細(xì)的檢測(cè)。

因此，根據(jù)本發(fā)明的方法以足夠的可靠性檢測(cè)障礙物以對(duì)機(jī)器人和環(huán)境(人、周?chē)矬w……)確保安全，而為了人形機(jī)器人的人類(lèi)交互節(jié)省CPU和內(nèi)存。

附圖說(shuō)明

根據(jù)多個(gè)示例性實(shí)施例及其附圖的以下描述，本發(fā)明將被更好地理解并且其各種特征和優(yōu)點(diǎn)將出現(xiàn)，在附圖中：

-圖1顯示在本發(fā)明的多個(gè)實(shí)施例中的人形機(jī)器人的物理架構(gòu)；

-圖2顯示在本發(fā)明的多個(gè)實(shí)施例中的機(jī)器人的軟件模塊的功能架構(gòu)；

-圖3顯示本發(fā)明的多個(gè)實(shí)施例的全局流程圖；

-圖4顯示在本發(fā)明的多個(gè)實(shí)施例中的利用來(lái)自一個(gè)傳感器的觀察來(lái)更新傳感器族圖的流程圖；

-圖5提供像素區(qū)域的示例，其中在本發(fā)明的多個(gè)實(shí)施例中對(duì)圖進(jìn)行計(jì)算；

-圖6提供在本發(fā)明的多個(gè)實(shí)施例中的障礙物不存在的概率的時(shí)間演變的示例；

-圖7顯示在本發(fā)明的多個(gè)實(shí)施例中的利用未知概率來(lái)進(jìn)行初始化并利用單個(gè)傳感器觀察來(lái)進(jìn)行更新的傳感器族圖的示例；

-圖8a、8b、8c、8d顯示在本發(fā)明的多個(gè)實(shí)施例中的具有較早的觀察的同時(shí)更新和根據(jù)新觀察的像素的修改的傳感器族圖的演變；

-圖9a、9b、9c提供在本發(fā)明的多個(gè)實(shí)施例中的多個(gè)傳感器族圖的融合的示例。

具體實(shí)施方式

圖1顯示在本發(fā)明的多個(gè)實(shí)施例中的人形機(jī)器人的物理架構(gòu)。

在附圖上的特定機(jī)器人100僅被當(dāng)作可以實(shí)施本發(fā)明的人形機(jī)器人的示例。在附圖上的機(jī)器人的下肢不是為行走而設(shè)計(jì)的，但可以用其底座140在任何方向上移動(dòng)，底座140在其置放的表面上滾動(dòng)。本發(fā)明可以容易在適合于行走的機(jī)器人(例如Nao^TM)機(jī)器人中實(shí)現(xiàn)。通過(guò)示例的方式，這個(gè)機(jī)器人具有可以是大約120cm的高度110、大約65cm的深度120和大約40cm的寬度130。在特定的實(shí)施例中，本發(fā)明的機(jī)器人具有平板電腦150，利用平板電腦150機(jī)器人可以將消息(音頻、視頻、網(wǎng)頁(yè))傳送到其周?chē)h(huán)境，或通過(guò)平板電腦的觸覺(jué)界面從用戶(hù)接收輸入。除了平板電腦的處理器以外，本發(fā)明的機(jī)器人還使用其自身的母板的處理器，處理器可以例如是來(lái)自Intel^TM的ATOM^TMZ530。在本發(fā)明的特定實(shí)施例中，本發(fā)明的機(jī)器人還有利地包括專(zhuān)用于在母板且尤其是容納磁性旋轉(zhuǎn)編碼器(MRE)的板與傳感器之間的數(shù)據(jù)流的處理，所述傳感器控制在肢體中的關(guān)節(jié)的發(fā)動(dòng)機(jī)和機(jī)器人用作輪子的球體。根據(jù)明確的關(guān)節(jié)所需的最大轉(zhuǎn)矩的大小，發(fā)動(dòng)機(jī)可以是不同的類(lèi)型。例如，可以使用來(lái)自e-minebea^TM的有刷DC無(wú)核發(fā)動(dòng)機(jī)(例如SE24P2CTCA)，或來(lái)自Maxon^TM的無(wú)刷DC發(fā)動(dòng)機(jī)(例如EC45_70W)。MRE是具有12位或14位準(zhǔn)確度的使用霍爾效應(yīng)的優(yōu)選類(lèi)型。

在本發(fā)明的實(shí)施例中，圖1上顯示的機(jī)器人還包括各種類(lèi)型的傳感器。這些傳感器中的一些傳感器用于控制機(jī)器人的位置和移動(dòng)。這是例如位于包括3軸陀螺儀和3軸加速度計(jì)的機(jī)器人的軀干中的慣性單元的情況。機(jī)器人還可以包括位于片上系統(tǒng)(SOC)類(lèi)型的機(jī)器人(頂部和底部)的前額上的兩個(gè)2D彩色RGB相機(jī)，例如來(lái)自深圳V-Vision技術(shù)有限公司^TM的相機(jī)(OV5640)，其具有以每秒5幀的5百萬(wàn)像素分辨率以及大約57°水平和44°垂直的視場(chǎng)(FOV)。在機(jī)器人眼睛的后方還可以包括一個(gè)3D傳感器，例如具有以每秒20幀的30萬(wàn)像素的分辨率的ASUS XTION_TM SOC傳感器，其具有大約與2D相機(jī)相同的FOV。本發(fā)明的機(jī)器人還可以配備有激光線(xiàn)發(fā)生器，例如在頭部180a中有三個(gè)并且在底座180b中有三個(gè)，從而能夠在機(jī)器人的周?chē)h(huán)境中感測(cè)到其相對(duì)于對(duì)象/人的位置。本發(fā)明的機(jī)器人還可以包括能夠感測(cè)其周?chē)h(huán)境中的聲音的麥克風(fēng)。在實(shí)施例中，具有以1kHz和300Hz到12kHz(-10dB相對(duì)于1kHz)的頻率范圍的300mv/Pa+/-3dB的靈敏度的四個(gè)麥克風(fēng)可以植入在機(jī)器人的頭部上。本發(fā)明的機(jī)器人還可以包括可能位于其底座的正面和背面的兩個(gè)聲納傳感器，這兩個(gè)聲納傳感器用于測(cè)量到機(jī)器人周?chē)h(huán)境中的對(duì)象/人的距離。

機(jī)器人還可以包括位于其頭部和手上的觸覺(jué)傳感器，該觸覺(jué)傳感器用于允許與人的交互。機(jī)器人還可以包括位于其底座上的緩沖器1B0以感測(cè)在機(jī)器人的路線(xiàn)上機(jī)器人遇到的障礙物。

機(jī)器人還可以通過(guò)計(jì)算在所規(guī)劃的軌跡與實(shí)際軌跡之間的差異來(lái)感測(cè)其上部構(gòu)件與它們接觸的對(duì)象的接觸。

為了解釋機(jī)器人的情感并且在其周?chē)h(huán)境中與人進(jìn)行溝通，本發(fā)明的機(jī)器人還可以包括：

-LED，例如在機(jī)器人的眼中、耳中和機(jī)器人的肩膀上；

-揚(yáng)聲器，例如位于機(jī)器人耳中的兩個(gè)。

本發(fā)明的機(jī)器人可以通過(guò)以太網(wǎng)RJ45或WiFi 802.11連接與基站進(jìn)行或者其它機(jī)器人進(jìn)行通信。

可以通過(guò)具有大約400Wh的能量的磷酸鐵鋰電池來(lái)對(duì)本發(fā)明的機(jī)器人進(jìn)行供電。機(jī)器人可以接入適于其包括的電池類(lèi)型的充電站。

圖2是在本發(fā)明的若干實(shí)施例中允許本發(fā)明的實(shí)施方式的物理和功能架構(gòu)的圖。

在本發(fā)明的實(shí)施例中，機(jī)器人(例如NAO)有利地被賦予允許機(jī)器人的功能的引導(dǎo)的高級(jí)軟件。尤其在2009年10月15日公布的專(zhuān)利申請(qǐng)WO2009/124955中公開(kāi)了被稱(chēng)為NAOQI的這種類(lèi)型的軟件架構(gòu)。其包括用于管理在機(jī)器人和PC或遠(yuǎn)程站點(diǎn)之間的通信并交換軟件的基本功能，該軟件提供本發(fā)明的實(shí)施方式所必需的軟件基礎(chǔ)設(shè)施。

NAOQI是對(duì)機(jī)器人應(yīng)用優(yōu)化的框架；其支持幾種語(yǔ)言，尤其是C++、Python和Urbi。

在本發(fā)明的背景下，NAQQI的以下模塊是特別有用的：

-模塊ALMemory 210，管理在NAOQI的各種模塊之間共享的存儲(chǔ)器；

-模塊DCM 220，管理與物理機(jī)器人(發(fā)電機(jī)、傳感器)的通信；

-模塊ALMotion 230，在參考系中計(jì)算機(jī)器人的各個(gè)部分的移動(dòng)并且從而計(jì)算傳感器的位置/定向。

這三個(gè)模塊有利地用C++進(jìn)行編碼。附圖還指示在模塊之間的數(shù)據(jù)流。

具體而言，障礙物功能的不存在和存在中的一種的概率的圖的實(shí)施方式所必需的輸入是：

-傳感器的值(例如腳壓力傳感器、激光器、超聲傳感器)；

-機(jī)器人的姿勢(shì)。

在有規(guī)律的時(shí)間間隔處，障礙物不存在圖構(gòu)建功能更新障礙物不存在和存在中的一種的概率的圖。為了這么做，其提取來(lái)自DCM模塊220的傳感器值和來(lái)自ALRobotPosture模塊230的機(jī)器人姿勢(shì)值。

圖3顯示本發(fā)明的多個(gè)實(shí)施例的全局流程圖。

在本發(fā)明的多個(gè)實(shí)施例中，傳感器被分組成傳感器族。每個(gè)傳感器族可以包括一個(gè)或多個(gè)傳感器。有利地，在每個(gè)族中的傳感器包括被設(shè)計(jì)成觀察同一類(lèi)型的障礙物的傳感器。例如，機(jī)器人100可以包括3D相機(jī)傳感器170、具有三個(gè)激光線(xiàn)發(fā)生器180a和三個(gè)激光線(xiàn)發(fā)生器180b的第二族、具有兩個(gè)聲納傳感器190的第三族和具有觸覺(jué)傳感器、緩沖器1B0和感測(cè)接觸的任何傳感器的第四族，其包括通過(guò)在所規(guī)劃的軌跡和實(shí)際軌跡之間的差異的計(jì)算來(lái)感測(cè)接觸的邏輯傳感器。

在以下示例中，計(jì)算具有[0；1]的范圍的障礙物不存在的概率的圖，其中1的概率指示確定的障礙物的不存在，0的概率指示確定的障礙物的存在，并且0.5指示未知的障礙物不存在的概率。本發(fā)明不限于這樣的示例和概率的表示，并且以障礙物的另一種表示嵌入本發(fā)明對(duì)技術(shù)人員而言是簡(jiǎn)單的任務(wù)。例如，障礙物存在概率的圖可以替代地被計(jì)算，其中1表示確定的障礙物存在，并且0表示確定的障礙物的不存在。概率的[0；1]區(qū)間可以由百分比、具有離散值的占有的狀態(tài)、表示障礙物存在或不存在的布爾值或表示障礙物存在或不存在的任何其它標(biāo)度進(jìn)行替換。

從每個(gè)傳感器族中，創(chuàng)建傳感器族圖(310,320,330,340)。在描述的其余部分中，傳感器族圖可以被稱(chēng)為“傳感器族圖”或“初始圖”。通過(guò)合并來(lái)自每個(gè)傳感器組圖340、350的信息來(lái)形成(360)融合圖。這些圖中的每一個(gè)圖關(guān)聯(lián)到機(jī)器人，并且具有預(yù)定尺寸和像素尺寸。在本發(fā)明的多個(gè)實(shí)施例中，所有圖具有相同的尺寸、像素尺寸和原點(diǎn)。因此，具有給定坐標(biāo)的像素表示在每個(gè)圖中的相同區(qū)域，這使在圖像素之間的比較和操作變得非常容易。在其余部分中，對(duì)圖3的參考將指示過(guò)程和在該過(guò)程結(jié)束時(shí)創(chuàng)建或修改的圖。例如，330可以標(biāo)示更新傳感器族圖的過(guò)程以及被更新的圖。預(yù)定像素尺寸可以被設(shè)置為作為機(jī)器人的最小停止距離的函數(shù)的值，當(dāng)以其最慢速度(例如10cm)移動(dòng)時(shí)，使得當(dāng)障礙物被檢測(cè)到在最接近的像素內(nèi)時(shí)，機(jī)器人在要停止的位置上。圖尺寸隨后可以被確定為限制的函數(shù)，該函數(shù)被設(shè)置為由本發(fā)明的方法使用的處理能力例如預(yù)定10cm尺寸的30×30(900)像素，其給出3m的圖的預(yù)定尺寸和在機(jī)器人和圖的限制之間的1.5m的距離。還可以首先將圖的預(yù)定尺寸確定為在機(jī)器人的環(huán)境中的可能障礙物的函數(shù)，并且可以將像素的數(shù)量或它們的尺寸或這兩者的組合確定為被分配給本發(fā)明的方法的處理能力的函數(shù)。這些折衷可以由普通技術(shù)人員確定并且隨后使用普通技術(shù)人員已知的過(guò)程在機(jī)器人的軟件模塊中進(jìn)行編程。

傳感器族圖340和350以及融合圖360在有規(guī)律的基礎(chǔ)上被更新。在機(jī)器人100中，3D相機(jī)170、激光線(xiàn)發(fā)生器180a和180b以及聲納傳感器190都在它們自身的頻率下生成度量。有利地，傳感器族圖和融合圖在來(lái)自所有傳感器的最低頻率下被更新。在實(shí)施例中，在10fps下更新傳感器和圖。這個(gè)頻率將被稱(chēng)為“更新頻率”。這個(gè)示例不是限制性的，并且可以選擇任何更新頻率，如果沒(méi)有新的度量可用于更新頻率，則可以從任何傳感器使用舊的度量。

在每次更新時(shí)，使用這個(gè)族的傳感器310的先前圖以及來(lái)自屬于這個(gè)族的傳感器的新觀察331、332為每個(gè)傳感器族產(chǎn)生傳感器族圖340。在步驟320，過(guò)程適用于更新先前圖310的像素值。在示例中，這樣的過(guò)程使每個(gè)像素中的值更接近值0.5，因而將更小的價(jià)值給予先前的觀察。在這個(gè)過(guò)程結(jié)束時(shí)，先前的圖310被轉(zhuǎn)換成具有降低的置信度320的傳感器族圖。具有降低的置信度320的這個(gè)圖以后在步驟330用來(lái)自傳感器331和332的新觀察被更新。這個(gè)更新過(guò)程用1的障礙物不存在的概率填充傳感器觀察到障礙物不存在的每個(gè)像素，并且通過(guò)0的障礙物不存在的概率填充傳感器觀察到障礙物存在的每個(gè)像素。一旦用來(lái)自屬于其傳感器族的每個(gè)傳感器的觀察更新圖320，其就被轉(zhuǎn)換成包含在來(lái)自傳感器的一個(gè)族的時(shí)間可得到的所有信息的傳感器族圖340。

在多個(gè)實(shí)施例中，機(jī)器人中的傳感器具有不同程度的可靠性。例如，較老的傳感器可被認(rèn)為是比新的傳感器更不可靠。關(guān)于觀察的可靠性的信息因此在更新330期間被添加到更新像素。這可以通過(guò)對(duì)于較不可靠的傳感器將值設(shè)置為更接近0.5或除了障礙物不存在的概率以外還添加可靠性信息來(lái)完成。可靠性還可以被設(shè)置為傳感器的類(lèi)型的函數(shù)，例如取決于機(jī)器人的環(huán)境。通過(guò)示例的方式，普通技術(shù)人員已知激光線(xiàn)發(fā)生器在存在多個(gè)透明的障礙物的環(huán)境中更易于出錯(cuò)。相反，在這種類(lèi)型的環(huán)境中，聲納傳感器將更可靠。

對(duì)于全局過(guò)程的第一次執(zhí)行，圖310在存儲(chǔ)器中以預(yù)定值被初始化。在優(yōu)選實(shí)施例中，所述預(yù)定值指示未知的障礙物存在。在示例中，在過(guò)程的第一次執(zhí)行時(shí)，圖310在其所有的像素中以值0.5被初始化。對(duì)于所有其它的執(zhí)行，圖310是在先前更新期間產(chǎn)生的傳感器族圖340。在機(jī)器人的位置改變的情況下，圖的像素可以被轉(zhuǎn)變。這可以發(fā)生在機(jī)器人不再在圖的中心處時(shí)。例如，如果在該過(guò)程的開(kāi)始時(shí)機(jī)器人是遠(yuǎn)離圖的中心的幾個(gè)像素，或如果機(jī)器人離圖的中心的距離接近機(jī)器人的尺寸，則圖的像素可被轉(zhuǎn)變。如果機(jī)器人離圖的中心高于預(yù)定值，例如30cm，則也可以轉(zhuǎn)變像素。在轉(zhuǎn)變的情況下，圖的原點(diǎn)在水平和/或垂直方向上或在機(jī)器人的運(yùn)動(dòng)的方向上移動(dòng)了整數(shù)個(gè)像素。因此，所有像素的值在那個(gè)方向上移動(dòng)。例如，如果機(jī)器人在圖的中心以上30cm并且像素尺寸是10cm，則圖的位置可以在固定參考中的垂直軸的頂部中移動(dòng)30cm，并且所有每個(gè)像素的值可以被設(shè)置為位于3個(gè)像素以下的先前像素的值。位于圖(其中在先前圖中沒(méi)有找到先前值)的邊界上的所有像素被設(shè)置為未知值0.5。

在每次更新時(shí)，傳感器族圖340和350被融合以創(chuàng)建融合圖360。在本發(fā)明的多個(gè)實(shí)施例中，這個(gè)融合過(guò)程被設(shè)計(jì)成保持由至少一個(gè)傳感器族檢測(cè)的障礙物。這個(gè)融合圖360包含來(lái)自先前的觀察和對(duì)每個(gè)傳感器族的傳感器的新觀察的所有信息。因此這適合于在需要障礙物不存在的最完整描述的應(yīng)用(例如軌跡計(jì)算)中使用。

圖4顯示在本發(fā)明的多個(gè)實(shí)施例中的利用來(lái)自一個(gè)傳感器的觀察來(lái)更新傳感器族圖的流程圖。

每個(gè)傳感器提供表示其觀察的類(lèi)型的原始數(shù)據(jù)400。例如，激光傳感器180a和180b提供在它們面向的方向上最接近的非透明表面的距離，而緩沖器1B0指示在它們的位置上的接觸的出現(xiàn)。

使用機(jī)器人運(yùn)動(dòng)關(guān)節(jié)模型410和關(guān)節(jié)的角傳感器420來(lái)推斷出傳感器的3D位置和定向，其包含關(guān)于在機(jī)器人坐標(biāo)系統(tǒng)中的傳感器的6D位置和定向以及在固定坐標(biāo)系統(tǒng)中的機(jī)器人的6D位置和定向的信息。這個(gè)信息允許6D傳感器變換430的創(chuàng)建，6D傳感器變換430將由傳感器檢測(cè)到的3D點(diǎn)轉(zhuǎn)變成在固定坐標(biāo)系中表示的一組3D點(diǎn)440。例如，可以容易地利用運(yùn)動(dòng)關(guān)節(jié)模型410和指示在機(jī)器人坐標(biāo)系統(tǒng)中的傳感器的相對(duì)位置的機(jī)器人角關(guān)節(jié)傳感器420的知識(shí)來(lái)在固定3D坐標(biāo)系中對(duì)在離激光傳感器180a 3米的距離處觀察到的障礙物進(jìn)行定位。在另一示例中，如果緩沖器1B0中的一個(gè)檢測(cè)到接觸的出現(xiàn)，則可以使用機(jī)器人模型410和關(guān)節(jié)傳感器420將表示障礙物的3D點(diǎn)放置在緩沖器的確切的3D位置中。

最后，傳感器模型450用于使用3D點(diǎn)440在步驟330期間更新傳感器族圖。例如，激光傳感器180a的模型可以解釋以下事實(shí)：障礙物在其定向上在由激光傳感器返回的距離處被觀察到，并且沒(méi)有障礙物在激光傳感器與這個(gè)障礙物之間被觀察到。因此，由激光傳感器返回的3D點(diǎn)障礙物可以通過(guò)首先在圖330中、在固定坐標(biāo)系中位于這個(gè)3D點(diǎn)處的像素中設(shè)置0的障礙物不存在的概率并且在固定坐標(biāo)系中位于3D點(diǎn)與激光傳感器之間的線(xiàn)中的所有像素處設(shè)置1的障礙物不存在的概率來(lái)更新傳感器族圖330。在使用緩沖器傳感器180a的示例中，如果3D點(diǎn)存在，則可以通過(guò)在3D點(diǎn)所位于的圖330的像素中將障礙物不存在的概率設(shè)置為0來(lái)放置障礙物。如果對(duì)于這個(gè)傳感器沒(méi)有3D點(diǎn)存在，則沒(méi)有接觸出現(xiàn)在其位置上。因此可以通過(guò)在圖330中緩沖器傳感器所位于的像素中將障礙物不存在的概率設(shè)置為1來(lái)更新圖。

圖5提供像素區(qū)域的示例，其中在本發(fā)明的多個(gè)實(shí)施例中對(duì)圖進(jìn)行計(jì)算。

正方形500表示環(huán)境的限制，其中機(jī)器人進(jìn)行演變。這個(gè)環(huán)境可以是單個(gè)房間。機(jī)器人100位于位置520上。在多個(gè)實(shí)施例中，這個(gè)區(qū)域被設(shè)計(jì)為覆蓋機(jī)器人可能面對(duì)與障礙物的碰撞的即時(shí)威脅所處于的所有區(qū)域。

有利地，在實(shí)質(zhì)上以機(jī)器人520的位置為中心的正方形區(qū)域510中對(duì)圖進(jìn)行計(jì)算。盡管在所有過(guò)程期間圖保持實(shí)質(zhì)上關(guān)聯(lián)到機(jī)器人，機(jī)器人520的位置可以稍微不同于圖的中心。實(shí)際上，使機(jī)器人的位置精確地在圖的中心上將涉及在幾乎每個(gè)循環(huán)時(shí)轉(zhuǎn)變先前圖310的像素而移動(dòng)非整數(shù)的像素，這將不是合乎需要的。因此，機(jī)器人位于圖510的中心附近，并且對(duì)圖進(jìn)行轉(zhuǎn)變，以便于使圖的中心在每個(gè)循環(huán)開(kāi)始時(shí)接近機(jī)器人520的位置，其中機(jī)器人位置520離圖的中心比預(yù)定距離更遠(yuǎn)。

圖510的寬度530和像素尺寸540在圖尺寸和計(jì)算復(fù)雜度之間是折衷的。在多個(gè)實(shí)施例中，像素尺寸是碰撞避免距離的函數(shù)。其可以是感測(cè)障礙物和停止機(jī)器人的最小距離的函數(shù)。在多個(gè)實(shí)施例中，這個(gè)最小距離比最小機(jī)器人尺寸小幾倍。例如，可以為機(jī)器人100限定10cm的像素尺寸540。使用這樣的像素尺寸，機(jī)器人占據(jù)幾個(gè)像素的表面。因此，對(duì)于這種類(lèi)型的機(jī)器人，像素尺寸540對(duì)障礙物的精細(xì)檢測(cè)是足夠的，同時(shí)限制像素的數(shù)量。圖的寬度530應(yīng)當(dāng)被設(shè)計(jì)為覆蓋機(jī)器人可能面向即時(shí)碰撞威脅所處于的區(qū)域，同時(shí)不太大以降低計(jì)算負(fù)荷。這可以被設(shè)計(jì)為覆蓋機(jī)器人可能在最大速度下在幾秒內(nèi)所位于的所有區(qū)域。這個(gè)寬度530以及像素尺寸540還可以為機(jī)器人模型或由機(jī)器人經(jīng)銷(xiāo)商預(yù)先確定以適合于機(jī)器人特定的應(yīng)用。在示例中，像素尺寸被限定為10cm并且圖的尺寸被限定為1.5m×1.5m，其表示30×30像素區(qū)域。因此，利用像素尺寸540和寬度530的合理限定，在這個(gè)區(qū)域中的障礙物不存在的概率的計(jì)算足以避免障礙物，同時(shí)限制圖的尺寸并且因而限制CPU和內(nèi)存使用率。與SLAM技術(shù)不同，在本發(fā)明中的障礙物的計(jì)算僅僅對(duì)有限的區(qū)域和有限數(shù)量的值出現(xiàn)，這減小障礙物存在計(jì)算的CPU和內(nèi)存占用量。而且，與SLAM技術(shù)不同，其提供了有界限的區(qū)域。

圖6提供在本發(fā)明的多個(gè)實(shí)施例中的障礙物不存在的概率的時(shí)間演變的示例。

使用先前傳感器族圖310來(lái)創(chuàng)建具有降低的置信度320的傳感器族圖。為了這個(gè)效果，在障礙物先前被檢測(cè)到(障礙物不存在的概率<0.5)的圖310中的所有像素使它們的障礙物不存在的概率增加，而障礙物被檢測(cè)到(障礙物不存在的概率>0.5)的像素使它們的障礙物不存在的概率降低。曲線(xiàn)圖600顯示對(duì)值未被新觀察更新的像素在連續(xù)更新上的障礙物不存在的概率的演變的示例。垂直軸610顯示在0和1之間的障礙物不存在的概率。水平軸620顯示連續(xù)更新的次數(shù)。雙向箭頭630表示任何障礙物像素有高于Ts_obs的障礙物不存在的概率所必需的更新的最大數(shù)量，并且因此被認(rèn)為是未知的呼叫。線(xiàn)640表示對(duì)于原始概率為1的像素的障礙物不存在的概率的演變的示例。線(xiàn)650表示對(duì)于原始概率為0的像素的障礙物不存在的概率的演變的示例。線(xiàn)660表示像素中的值被認(rèn)為是無(wú)障礙物時(shí)所高于的線(xiàn)，如果無(wú)障礙物閾值Ts_free的值稍微高于0.5，例如0.6。線(xiàn)670表示像素中的值被認(rèn)為是障礙物時(shí)所低于的線(xiàn)，如果障礙物閾值Ts_obs的值稍微低于0.5，例如0.4。

障礙物不存在的概率遵循幾何分布定律以從0或1的值收斂到值0.5。預(yù)定的收斂時(shí)間T_conv表示任何障礙物像素被認(rèn)為是未知像素時(shí)的時(shí)間。這個(gè)時(shí)間必須在不將像素認(rèn)為是障礙物(如果沒(méi)有新觀察觀察到位于其內(nèi)的障礙物)的能力和機(jī)器人的安全性之間是折衷的。它的值可以根據(jù)參數(shù)(例如機(jī)器人的速度或傳感器的更新頻率)來(lái)設(shè)置。它對(duì)于機(jī)器人模型可以是固定的或由機(jī)器人零售商設(shè)置為出于特定的目的進(jìn)行優(yōu)化。在示例中，Τ_conv被設(shè)置為5s。因此，更新630的最大次數(shù)等于用秒表示的Τ_conv乘以用每秒更新次數(shù)表示的更新頻率。在Τ_conv＝5s并且每秒20次更新的更新頻率的示例中，更新630的最大次數(shù)是100。

在幾何分布定律中，在圖320中的每個(gè)像素的值取決于在圖310中的這個(gè)像素的值。如果在圖320中的像素的值被限定為VC₃₂₀并且在圖310中的同一像素的值被限定為VC₃₁₀，則在步驟320中修改值的過(guò)程使用以下公式：VC₃₂₀＝R_temp*(VC₃₁₀-0.5)+0.5，其中R_temp比的特征在于幾何分布的時(shí)間演變。因此，根據(jù)Τ_conv來(lái)限定這個(gè)R_temp比，從而使具有0的初始障礙物不存在的概率的障礙物像素需要更新630的最大次數(shù)來(lái)得到高于障礙物閾值Ts_obs的障礙物概率。根據(jù)幾何分布定律，R_temp由以下公式給出：

在本發(fā)明的其它實(shí)施例中，障礙物不存在的概率隨著時(shí)間推移的演變是線(xiàn)性的。在多個(gè)實(shí)施例中，還可以通過(guò)降低可靠性信息來(lái)嵌入障礙物不存在的概率的這個(gè)自然演變，除了障礙物不存在的概率以外，該可靠性信息也被添加。

圖7顯示在本發(fā)明的多個(gè)實(shí)施例中的利用未知概率來(lái)進(jìn)行初始化并利用單個(gè)傳感器觀察來(lái)進(jìn)行更新的傳感器族圖的示例。

在本發(fā)明的多個(gè)實(shí)施例中，對(duì)于第一次更新，利用未知的概率來(lái)初始化先前傳感器族圖310，并且其所有的像素被設(shè)置為0.5。因此，步驟320沒(méi)有效果，并且在其結(jié)束時(shí)傳感器族圖在其所有的像素中仍然具有0.5的值。圖400表示在用來(lái)自一個(gè)傳感器311的數(shù)據(jù)更新之后的圖330中的一個(gè)。在這個(gè)示例中，使用距離傳感器，如超聲傳感器190的其中之一。這個(gè)傳感器觀察在表示它的視場(chǎng)的區(qū)域中的遠(yuǎn)處的障礙物。在示例中，視場(chǎng)是圓錐體，并且在每個(gè)方向上，它將所觀察到的最接近的點(diǎn)認(rèn)為是障礙物，并且將在傳感器和障礙物之間的線(xiàn)中的所有點(diǎn)認(rèn)為是無(wú)障礙物點(diǎn)。有利地，用來(lái)自一個(gè)傳感器331的數(shù)據(jù)的更新代替像素，其中障礙物由0的障礙物不存在的概率觀察，從創(chuàng)建用黑色顯示的障礙物像素710。其也代替像素，其中障礙物不存在由1的障礙物不存在的概率觀察，從而創(chuàng)建用白色顯示的無(wú)障礙物像素720。在這個(gè)示例中，沒(méi)有障礙物存在或不存在被觀察到的所有像素保持它們先前不存在的概率值0.5。在這個(gè)示例中，這些像素是用灰色顯示的障礙物未知像素730。

圖8a、8b、8c顯示在3次連續(xù)傳感器族圖更新過(guò)程之后的傳感器族圖340的示例，其中傳感器族圖包括單個(gè)傳感器，其位置是固定的并且其視場(chǎng)旋轉(zhuǎn)。

圖8d顯示在3次連續(xù)更新之后的傳感器族圖340的示例，其中傳感器族圖包括與在8a、8b、8c中相同的單個(gè)傳感器，伴隨有在第一和第二傳感器族圖更新過(guò)程之間的傳感器的額外轉(zhuǎn)變。

傳感器族圖800a表示在第一傳感器族圖更新過(guò)程320、330之后的傳感器族圖340的狀態(tài)。對(duì)于第一傳感器族圖更新過(guò)程，先前的傳感器族圖310以0.5的障礙物不存在的概率被初始化。在概率更新過(guò)程320之后，傳感器族圖在其所有的像素中仍然具有0.5的障礙物不存在的概率。在步驟330，應(yīng)用單個(gè)傳感器觀察，并且障礙物不存在或存在被檢測(cè)到時(shí)所處的像素被填充。傳感器檢測(cè)到障礙物像素830a并用0的障礙物不存在的概率對(duì)它們進(jìn)行填充，并且檢測(cè)到無(wú)障礙物像素820a并用1的障礙物不存在的概率對(duì)它們進(jìn)行填充。傳感器沒(méi)有觀察到任何東西時(shí)所處的所有像素810a保持0.5的障礙物不存在的概率。

傳感器族圖800b表示在第二傳感器族圖更新過(guò)程320、330之后的傳感器族圖340的狀態(tài)。因此對(duì)于傳感器族圖更新過(guò)程，傳感器族圖800a被用作先前傳感器族圖310。傳感器族圖過(guò)程使所有像素值更接近未知的不存在的概率0.5。因此，在先前觀察830b中觀察的障礙物像素具有高于0的障礙物不存在的概率，并且在第一觀察820b期間觀察的無(wú)障礙物像素具有低于1的障礙物不存在的概率。此外，來(lái)自傳感器的第二觀察已觀察到新障礙物和無(wú)障礙物區(qū)。因此，障礙物像素840b被填充有0的障礙物不存在的概率，并且無(wú)障礙物像素850b被填充有1的障礙物不存在的概率。

傳感器族圖800c表示在第三傳感器族圖更新過(guò)程320、330之后的傳感器族圖340的狀態(tài)。因此對(duì)于傳感器族圖更新過(guò)程，傳感器族圖800b被用作先前傳感器族圖310。傳感器族圖過(guò)程使所有像素值更接近未知的不存在的概率0.5。因此，在第一觀察830c期間觀察的障礙物像素具有比像素830b更高的障礙物不存在的概率，并且在第一觀察820c期間觀察的無(wú)障礙物像素具有比像素830c更高的障礙物不存在的概率。同時(shí)，在第二觀察840c期間觀察的障礙物像素具有略高于0的障礙物不存在的概率，并且在第二觀察850c期間觀察的無(wú)障礙物像素具有略低于1的障礙物不存在的概率。此外，來(lái)自傳感器的第三觀察已觀察到新障礙物和無(wú)障礙物區(qū)。因此，障礙物像素870c被填充有0的障礙物不存在的概率，并且無(wú)障礙物像素860c被填充有1的障礙物不存在的概率。

傳感器族圖800d表示在3個(gè)傳感器族圖更新過(guò)程之后的傳感器族圖340的狀態(tài)，其中傳感器也在它的第一和第二觀察之間執(zhí)行轉(zhuǎn)變。在這個(gè)圖中，無(wú)障礙物像素820d、850d和860d具有與在圖800c中的無(wú)障礙物像素820c、850c和860c相同的障礙物不存在的概率。同時(shí)，障礙物像素830d、840d和870d具有與障礙物像素830c、840c和870c相同的障礙物不存在的概率。然而，由于傳感器的轉(zhuǎn)變，它在第二和第三觀察期間的視場(chǎng)改變。因此，無(wú)障礙物像素850d和860d都是被包括在這些新視場(chǎng)中的無(wú)障礙物像素。

圖9a、9b、9c提供在本發(fā)明的多個(gè)實(shí)施例中的傳感器族圖的融合的示例。圖9a顯示包括障礙物像素910a、無(wú)障礙物像素920a和具有未知概率的像素930a的第一傳感器族圖900a。在先前更新期間觀察到障礙物和無(wú)障礙物像素910a和920a。因此，像素910a的障礙物不存在的概率略高于0，而像素920a的障礙物不存在的概率略低于1。圖9b顯示第二傳感器族圖900b。在最新的更新期間觀察到障礙物像素920b和無(wú)障礙物像素930b。因此，障礙物像素920b具有0的障礙物不存在的概率，而無(wú)障礙物像素930b具有1的障礙物不存在的概率。圖9c顯示在步驟360的步驟900a和900b的融合之后的最終融合結(jié)果圖900c。有利地，障礙物不存在的概率在至少一個(gè)傳感器族圖中低于閾值Ts_obs的像素被認(rèn)為是障礙物。

在障礙物像素910a和910b中的值都低于Ts_obs閾值。因此，在最終融合圖900c中的障礙物像素910c包括所有像素910a和910b，其障礙物不存在的概率的值被設(shè)置為0。在無(wú)障礙物像素920a和920b中的障礙物不存在的概率都高于Ts_free閾值。因此，在融合圖900c中的無(wú)障礙物像素920c包括所有無(wú)障礙物像素920a和920b，除了作為障礙物像素的像素910c以外。在最終融合圖900c中的未知像素930c包括在任何傳感器族圖中既不是障礙物也不是無(wú)障礙物像素的所有像素。

在多個(gè)實(shí)施例中，從圖900a和900b逐個(gè)像素地對(duì)融合圖900c進(jìn)行計(jì)算。第一步驟用于創(chuàng)建第一和第二臨時(shí)或預(yù)融合圖。在第一預(yù)融合圖中的每個(gè)像素被設(shè)置為在要合并的所有傳感器族圖中的相同像素的最小值，并且在第二預(yù)融合圖中的每個(gè)像素被設(shè)置為在要合并的所有傳感器族圖中的這個(gè)像素的最大值。過(guò)程隨后被應(yīng)用于第一預(yù)融合圖以將障礙物與所有像素分隔開(kāi)：在第一預(yù)融合圖中的值低于Ts_obs的每個(gè)像素的值被設(shè)置為0，并且在第一預(yù)融合圖中的所有其它像素的值被設(shè)置為1。隨后，在融合圖中的每個(gè)像素的值是在第一和第二預(yù)融合圖之間的最小值。

用于融合的一般算法是：

^*得到每個(gè)源的最小值(min)和最大值(max)的兩個(gè)圖。

^*求最小值圖的閾值以只得到黑和白。

^*使用在最大值和已求閾值的最小值圖之間的最小值。

這個(gè)算法的實(shí)施例的示例性偽代碼是：創(chuàng)建兩個(gè)臨時(shí)圖TMPmax和TMPmin。

##最小值最大值步驟

對(duì)于TMPmin的每個(gè)像素(i,j)，TMPmin(i,j)＝min(900a(i,j),900b(i,j))

對(duì)于TMPmax的每個(gè)像素(i,j)，TMPmax(i,j)＝max(900a(i,j),900b(i,j))

##閾值二進(jìn)制步驟

然后對(duì)于在TMPmin中的每個(gè)像素pixel(i,j)，

如果TMPmin(i,j)<TSobs，則TMPmin(i,j)＝0

否則TMPmin(i,j)＝1

##我們?cè)赥MPmin中只有黑和白

##最小值步驟

##我們按照下文創(chuàng)建900c：

對(duì)于在900c中的每個(gè)像素(i,j)，

900c(i)＝min(TMPmin(i,j),TMPmax(i,j))

這樣的逐個(gè)像素的計(jì)算產(chǎn)生合乎需要的結(jié)果。實(shí)際上，在要合并的至少一個(gè)傳感器族圖900a、900b中值低于Ts_obs的每個(gè)像素在第一預(yù)融合圖中并且從而在融合圖900c中具有0的障礙物不存在的概率。不是障礙物像素的所有其它像素在第一預(yù)融合圖中具有1的概率。它們將因此在合并過(guò)程期間從第二預(yù)融合圖得到它們的值，并且如果在要合并的至少一個(gè)傳感器族圖900a、900b中的這個(gè)單元的值高于TS_free，則具有無(wú)障礙物單元概率。

以上所述的示例作為本發(fā)明的實(shí)施例的例示被給出。它們并不以任何方式限制由所附權(quán)利要求限定的本發(fā)明的范圍。