[发明专利]使用多方向相机地图构建空间

说明书

在本文描述的某些示例涉及使用多方向相机来地图构建空间。可以对包括单目多方向相机装置和至少一个移动致动器的机器人设备执行该地图构建。该地图构建可以生成占据图，以确定该空间的可导航部分。在示例中，指示使用至少一个移动致动器，机器人设备围绕移动平面内的点的移动。使用单目多方向相机装置，然后，在所指示的移动期间，在多个不同的角度位置处获得(610)图像序列。从图像序列中确定(620)姿态数据。使用在图像序列内检测到的一组特征来确定姿态数据。然后，通过评估姿态数据和图像序列的体积函数来估计(630)深度值。处理(640)深度值，以填充该空间的占据图。

技术领域

本发明涉及使用多方向相机来地图构建空间。本发明与基于来自单目多方向相机的、在相机的移动期间捕捉的图像序列生成占据图具有特定的但并非排他的相关性。

背景技术

诸如地板清洁机器人等低成本机器人设备通常依靠有限的感知和简单的算法来导航三维空间(例如，室内空间)。例如，在一种情况下，机器人设备可以包括红外或超声波传感器，该传感器检测地点路线内的物体(之后可躲避该物体)。虽然诸如同步定位和地图构建(SLAM)等技术取得了很大进展，但许多解决方案依赖于对于研究实验室可用的大量计算资源。这使得难以将这些解决方案转换为控制现实世界的商业机器人设备的嵌入式计算装置。此外，某些解决方案需要一套专门的传感器装置，例如，激光探测和测距(LADAR)传感器、结构光传感器或飞行时间深度相机。这些专门的传感器装置增加了费用和复杂性，使其不太适合现实世界的机器人应用。

US2010/0040279A1描述了构建三维网格图以控制自动行进设备的方法和设备。在构建三维图，以识别无人驾驶车辆或移动机器人的当前位置和周围环境时，使用二维定位和三维图像恢复来更加快速地精确构建三维网格图。然而，该解决方案需要使用包括至少两个单独的全向相机装置和相应的立体图像处理的立体全向相机。对于许多家用或低成本的机器人设备，这可能是不实际的或者不是经济有效的。

US2014/0037136A1描述了用于确定用于路上障碍物检测的车载相机的姿态的方法和系统。通过从一组初始图像中确定点对应关系，然后对点对应关系应用两点运动估计来确定相机的一组初始姿态，获得可移动相机相对于环境的姿态。点云由这组初始姿态和点对应关系生成。然后，对于每个下一个图像，确定点对应和相应的姿态，同时更新点云。点云可用于检测机动车辆的环境中的障碍物。然而，其中描述的技术更适用于诸如汽车和其他机动车辆等较大装置，这些装置可以使用发动机驱动的电源，并且可以采用更大、更高规格的计算资源。对于许多家用或低成本的机器人设备，这可能是不实际的或者不是经济有效的。

US2013/0216098A1描述了用于构建拥挤的三维空间(例如，有很多人的环境)的地图的技术。该技术包括：连续图像获取单元，其获得在机器人正在移动时拍摄的图像；局部特征量提取单元，其从图像中提取每个特征点处的量；特征量匹配单元，其在输入图像中的量之中进行匹配，其中，由提取单元提取量；不变特征量计算单元，其计算匹配单元在预定数量的图像之中的匹配量的平均值，作为不变特征量；距离信息获取单元，其基于在获得图像时机器人的位置来计算与每个不变特征量对应的距离信息；以及地图生成单元，其生成本地量度地图作为混合地图。虽然这种技术在拥挤的空间中使用时具有优势，但是在计算资源有限的嵌入式计算装置中使用这种技术是不太合适的。

EP2854104A1描述了一种用于半密集同步定位和地图构建的方法。在该方法中，估计图像获取装置的姿态和深度信息。跟踪图像获取装置的位置和/或取向以及通过确定深度信息进行地图构建的步骤是交错的。深度信息仅针对图像像素的子集来确定，例如，针对其强度变化足够高的那些像素。

虽然上述技术对于特定情况具有某些优点，但是上述技术通常复杂并且需要密集的计算。这使得这些技术难以在例如小型低成本家用机器人设备的嵌入式控制器上实现。因此，需要控制技术超越可用机器人设备的有限感知和简单算法，同时仍然实用并且对于在这些装置上应用足够通用。

发明内容