用于估計位置的方法和設(shè)備的制造方法
【專利說明】用于估計位置的方法和設(shè)備
[0001]本申請要求于2014年I月24日在韓國知識產(chǎn)權(quán)局提交的第10-2014-0009167號韓國專利申請的優(yōu)先權(quán)，該申請的整個公開通過引用包含于此。
技術(shù)領(lǐng)域
[0002]與示例性實施例一致的設(shè)備和方法涉及估計在道路上移動的移動對象的位置。
【背景技術(shù)】
[0003]機器人可以是具有與人相似的外形的自動控制人偶且通過人偶內(nèi)的機器像人類一樣操作。然而，最近，可自主執(zhí)行任務(wù)的任何裝置，不管外形如何，均被稱為機器人。具體地講，由于移動機器人可在極端環(huán)境或危險區(qū)域中工作，因此移動機器人已引起廣泛關(guān)注。并且，家用移動機器人(諸如清潔機器人)被廣泛使用。
[0004]為使移動機器人自動地執(zhí)行各種任務(wù)，移動機器人需能夠執(zhí)行自主移動。為了解決機器人的自主移動的問題，首先，機器人應(yīng)能夠確定其當(dāng)前位置。也就是說，為了使移動機器人在執(zhí)行任務(wù)時自主地移動，用于自身位置識別的定位是必要的。一種定位技術(shù)為即時定位與地圖構(gòu)建(SALM)。SLAM涉及一種通過檢測周圍環(huán)境信息并處理獲得的信息來在繪制與正執(zhí)行任務(wù)的空間對應(yīng)的地圖的同時估計機器人的絕對位置的方法。
[0005]針對現(xiàn)有機器人的位置估計，已將各種傳感器(諸如全球定位系統(tǒng)(GPS)、光探測與測量(LIDAR)、相機)與里程計一起應(yīng)用。然而，GPS會發(fā)生頻繁的錯誤并僅在戶外環(huán)境下操作，并且LIDAR因在沒有用于反射光的任何結(jié)構(gòu)的開闊的戶外環(huán)境下使用時沒有光反射而不能估計機器人的位置。

【發(fā)明內(nèi)容】

[0006]一個或更多個示例性實施例提供一種用于通過使用由立體相機捕獲到的圖像和便宜的慣性測量單元(MU)估計在道路上移動的移動對象的位置的方法和設(shè)備。
[0007]將在以下的描述中部分闡述附加方面，并且從描述中這一部分將變的清楚，或可通過本實施例的實踐而被學(xué)習(xí)。
[0008]根據(jù)示例性實施例的方面，提供了一種位置估計設(shè)備，該設(shè)備包括:位置估計單元，被構(gòu)造為根據(jù)由設(shè)置在在任意車道上行駛的移動對象中的立體相機捕獲的圖像幀來估計移動對象的位置；姿勢信息獲取單元，被構(gòu)造為從估計的位置獲取移動對象的第一姿勢信息并在立體相機捕獲圖像幀的時間點獲得移動對象的第二姿勢信息；位置糾正單元，被構(gòu)造為通過使用第一姿勢信息和第二姿勢信息計算關(guān)于移動對象的當(dāng)前位置的概率分布，被構(gòu)造為使用計算出的關(guān)于當(dāng)前位置的概率分布糾正移動對象的當(dāng)前位置，被構(gòu)造為基于關(guān)于移動對象所位于的車道的車道部分的概率分布以及從第一位置糾正單元輸出的計算出的關(guān)于當(dāng)前位置的概率分布來計算復(fù)合概率分布，并被構(gòu)造為使用復(fù)合概率分布糾正移動對象的當(dāng)前位置以確定移動對象的最終當(dāng)前位置。
[0009]位置估計單元可包括:提取模塊模塊，被構(gòu)造為從由立體相機的第一相機和第二相機分別捕獲的第一圖像幀和第二圖像幀中的每個圖像幀提取特征點；匹配模塊，被構(gòu)造為將第二圖像幀的特征點與第一圖像幀的相應(yīng)特征點進行匹配；計算模塊，被構(gòu)造為計算匹配的特征點的三維(3D)坐標(biāo)；分簇模塊，被構(gòu)造為通過在特征空間上基于空間相關(guān)圖對表示第一圖像幀和第二圖像幀之間的3D坐標(biāo)空間變化的運動矢量進行分組來產(chǎn)生至少一個運動簇；噪聲去除模塊，被構(gòu)造為從每個運動簇去除噪聲；位置估計模塊，被構(gòu)造為通過跟蹤針對所述至少一個運動簇計算的第一相機和第二相機的相對位置來估計移動對象的位置。
[0010]位置糾正單元可被構(gòu)造為獲得關(guān)于任意車道的車道部分的概率分布，其中，在所述關(guān)于任意車道的車道部分的概率分布中，任意車道沿寬度方向被分成多個車道部分且移動對象位于每個車道部分的概率被不同設(shè)置。
[0011]計算出的關(guān)于當(dāng)前位置的概率分布的最大概率可被用于糾正當(dāng)前位置，并且復(fù)合概率分布的最大概率可被用于糾正當(dāng)前位置以確定移動對象的最終當(dāng)前位置。
[0012]姿勢信息獲取單元可被構(gòu)造為從估計的位置獲得包括移動對象的沿X軸的移動信息、沿I軸的移動信息、沿Z軸的移動信息、翻滾信息、偏航信息、俯仰信息的第一姿勢信肩、O
[0013]姿勢信息獲取單元可被構(gòu)造為從移動對象的位置信息獲得包括移動對象的沿X軸的移動信息、沿I軸的移動信息、沿z軸的移動信息、翻滾信息、偏航信息、俯仰信息的第二姿勢信息。
[0014]姿勢信息獲取單元可包括慣性測量單元(MU)。
[0015]位置糾正單元可被構(gòu)造為通過使用將第一姿勢信息和第二姿勢信息用作輸入的因子圖算法來計算關(guān)于當(dāng)前位置的概率分布。
[0016]位置估計設(shè)備還可包括:存儲器，被構(gòu)造為存儲道路信息地圖和從道路信息地圖預(yù)先確定的關(guān)于每個車道的車道部分的概率分布。
[0017]關(guān)于每個車道的車道部分的概率分布可被構(gòu)造為被如下設(shè)置:車道的中心部分被設(shè)置為具有最大概率，并且車道部分的概率被設(shè)置為向車道的外端遞減。
[0018]根據(jù)另一示例性實施例的方面，提供一種位置估計方法，該方法包括:從通過設(shè)置在任意車道上行駛的移動對象中的立體相機捕獲的圖像幀來估計移動對象的位置；從估計的位置獲得移動對象的第一姿勢信息；在立體相機捕獲圖像幀的時間點獲得移動對象的第二姿勢信息；通過使用第一姿勢信息和第二姿勢信息來計算關(guān)于移動對象的當(dāng)前位置的概率分布，并使用計算出的關(guān)于當(dāng)前位置的概率分布糾正移動對象的當(dāng)前位置；基于關(guān)于移動對象所位于的車道的車道部分的概率分布和計算出的關(guān)于當(dāng)前位置的概率分布計算復(fù)合概率分布，并被構(gòu)造為使用所述復(fù)合概率分布來糾正移動對象的當(dāng)前位置以確定移動對象的最終當(dāng)前位置。
[0019]估計位置的步驟可包括:從由立體相機的第一相機和第二相機分別捕獲的第一圖像幀和第二圖像幀中的每個圖像幀提取特征點；將第二圖像幀的特征點與第一圖像幀的相應(yīng)特征點進行匹配；計算匹配的特征點的三維(3D)坐標(biāo)；通過在特征空間上基于空間相關(guān)圖對表示第一圖像幀和第二圖像幀之間的3D坐標(biāo)空間變化的運動矢量進行分組來產(chǎn)生至少一個運動簇；從每個運動簇去除噪聲；通過跟蹤針對所述至少一個運動簇計算的第一相機和第二相機的相對位置來估計移動對象的位置。
[0020]位置估計方法還可包括:獲得關(guān)于任意車道的車道部分的概率分布，其中，在所述關(guān)于任意車道的車道部分的概率分布中，所述任意車道沿寬度方向被分成多個部分且移動對象位于每個部分的概率被不同設(shè)置。
[0021]計算出的關(guān)于當(dāng)前位置的概率分布的最大概率可被用于糾正當(dāng)前位置，且復(fù)合概率分布的最大概率被用于糾正當(dāng)前位置以確定移動對象的最終當(dāng)前位置。
[0022]獲得第一姿勢信息的步驟可包括:從估計的位置獲得包括移動對象的沿X軸的移動信息、沿I軸的移動信息、沿Z軸的移動信息、翻滾信息、偏航信息、俯仰信息的第一姿勢信息。
[0023]獲得第二姿勢信息的步驟可包括:從移動對象的位置信息獲得包括移動對象的沿X軸的移動信息、沿y軸的移動信息、沿Z軸的移動信息、翻滾信息、偏航信息、俯仰信息的第二姿勢信息。
[0024]第二姿勢信息可通過慣性測量單元(MU)獲得。
[0025]計算關(guān)于移動對象的當(dāng)前位置的概率分布的步驟可包括:通過使用將第一姿勢信息和第二姿勢信息用作輸入的因子圖算法來計算關(guān)于當(dāng)前位置的概率分布。
[0026]位置估計方法還可包括:存儲道路信息地圖和從道路信息地圖預(yù)先確定的關(guān)于每個車道的車道部分的車道概率分布。
[0027]關(guān)于每個車道的車道部分的概率分布可被構(gòu)造為如下設(shè)置:車道的中心部分被設(shè)置為具有最大概率，并且車道部分的概率被設(shè)置為向車道的外端遞減。
【附圖說明】
[0028]從以下結(jié)合附圖的示例性實施例的描述，以上和/或其它方面將變的清楚且更易于理解，附圖中:
[0029]圖1是示出根據(jù)示例性實施例的用于估計位置的設(shè)備的構(gòu)造的框圖；
[0030]圖2是示出根據(jù)示例性實施例的位置估計單元的框圖；
[0031]圖3示出根據(jù)示例性實施例的通過匹配3D圖像巾貞的特征點來顯示矢量的示例；
[0032]圖4示出