【技術實現步驟摘要】
【國外來華專利技術】
一種系統和計算機實現的方法，用于基于對空間的觀測數據與先前存儲的數據的比較來理解多維空間，以便在陌生環境中進行導航，并且進行對象和/或圖像的視覺分類。
技術介紹
1、即時定位與地圖構建（slam）是通過計算方式構建或更新未知環境的地圖，同時跟蹤智能體在其中的位置的問題和過程。slam算法基于計算幾何和計算機視覺中的概念，并且在用于虛擬現實或增強現實的機器人導航、機器人地圖構建和里程計中使用。
2、slam算法還用于自動駕駛車輛的控制，以繪制出車輛附近的未知環境的地圖。生成的地圖信息可用于執行路徑規劃和避障等任務。
3、視覺slam采用一種包括前端的方法，該前端處理來自相機的圖像以執行“特征提取”。該特征提取過程會找到圖像中滿足某些標準（諸如高局部空間頻率和對比度）的小區域，使得這些區域在視覺上存在區別。然后可存儲這些區域，以便在由同一相機在稍后的較短時間間隔后拍攝的后續相機圖像中定位同一區域。然后，通過應用考慮相機鏡頭失真的相機模型，將這些特征的位置映射到現實世界的方向上。然后將它們提供給算法的后端，即所謂的束調整器。束調整器嘗試將基于先前相機圖像的特征在3d空間中的預測位置與當前相機圖像的新方向進行比較，并同時確定這些特征在3d空間中相對于彼此的位置以及相機相對于這些特征的位置。通過重復此過程，束調整器會跟蹤移動相機的位置以及這些特征隨時間的地圖位置。
4、這種方法存在若干缺點，這些缺點限制了它在現實世界的機器人應用中的有效性。首先，特征提取和束調整兩者都是計算成本非常高的過程。特征提取可以
5、其次，束調整要求新的特征方向和預測的特征位置收斂到穩定的解，而這受到傳感器噪聲和環境變化（諸如風吹動灌木叢上的樹葉）的嚴重影響。如果在相機圖像中的不正確位置錯誤地檢測到特征，則束調整可能無法收斂到穩定的解，并且系統將“迷失”并且無法定位。
6、為了解決束調整器收斂失敗的問題，現有技術采用兩種方法。一種方法減少了失敗，而另一種方法在收斂失敗時允許系統以降低的性能繼續運行。
7、第一種方法是異常值剔除。使用約束條件集合來評估當特征被發現時，它與先前發現的特征相同的可能性。例如，如果特征從相機的一側移動到另一側，則除非相機移動得非常快，否則它不太可能是同一個特征，因此會被拒絕作為匹配。如果它接近之前的位置，那么它很可能是相同的特征并被接受。被接受的特征將被傳遞給束調整器，被拒絕的特征則不會。異常值剔除是另一種計算成本非常高的過程，并且對于某些slam系統來說，它是最大的計算部分。
8、第二種方法是視覺-慣性里程計。這是一個以一種不同的方式使用特征提取器所定位到的特征的系統。它使用第二種運動信息源，即來自慣性傳感器的線性加速度度量，并且跟蹤特征，以預測相機的速度而不是地點。然后可隨時間推移對該速度度量進行整合，并將其與束調整器結合使用，以補償收斂失敗。然而，對vio進行整合會隨著時間的推移累積地點誤差，并且由于這種slam方法依賴于地點的度量測量，因此在較長的整合時間內會導致失敗。由于vio和束調整使用相同的特征，特征提取是整個系統的單點故障。
9、特征提取前端的另一個弱點是，特征的大小意味著對于單個特征而言，數據維度相對較低，并且因此，在圖像中有較高的概率出現多個部分與該特征匹配，尤其是在混疊環境中，諸如一條具有間隔均勻的完全相同的門的酒店走廊。在這些環境中，束調整器可能會收斂到不正確位置。
10、環路閉合是現有技術的另一個弱點。當移動相機經過一個完整的環路并從不同方向返回到同一位置時，系統必須識別出它已返回到同一位置。由于該系統是度量型的，所以還必須確保地圖在同一地方的相同位置上的一致性。由于束調整過程中累積的誤差，這種情況很少發生，并且環路兩端位置的表示之間通常存在度量誤差。然后，系統必須重新遍歷整個環路中其存儲的所有特征，并對它們進行調整以補償并消除這個誤差。這個環路閉合過程不僅計算成本非常高，而且容易出錯。
11、能夠應對此類環境和問題的算法的計算復雜度非常高，限制了它們可以部署的平臺。此外，所生成的地圖的內存消耗非常高，大約數百兆字節到幾千兆字節。
12、因此，認識到需要一種定位和地圖構建的方法和系統，使得智能體能夠理解空間及其內部對象的結構和身份標識，并且該方法和系統不易出錯，計算量和內存占用也較低。
技術實現思路
1、提供本
技術實現思路
以便以簡化形式介紹將在以下具體實施方式中進一步描述的一些概念。
2、根據本公開的第一方面，提供了一種解析智能體在多維空間中的環境的計算機實現的方法，該方法包括：獲得該智能體的第一位置處的第一傳感器數據，其中該第一傳感器數據描述了該智能體周圍的環境；檢索存儲的第二傳感器數據以與該第一傳感器數據進行比較，其中該第二傳感器數據描述了指示該多維空間中的特征的第二位置周圍的環境；獲得該第一傳感器數據的多個第一子區域，每個第一子區域描述了該第一位置處該智能體周圍的該環境的相應第一部分，每個第一部分與從該第一位置出發的相應第一方向相關聯；獲得該第二傳感器數據的多個第二子區域，每個第二子區域描述了該第二位置周圍的該環境的相應第二部分，每個第二部分與來自該第二位置的相應第二方向相關聯；并且，對于每個第二子區域：使用相似性比較度量將該第二子區域與每個第一子區域進行比較，以確定與該第二子區域最相似的第一子區域；確定與該第二子區域相關聯的該第二方向和與該最相似的第一子區域相關聯的該第一方向之間的相對旋轉；該方法還包括：聚合針對該多個第二子區域的該相對旋轉以獲得動作向量，該動作向量指示從該智能體的該第一位置到該第二位置的估計方向，該第二位置指示該多維空間的該特征。
3、該第一子區域和該第二子區域是該第一傳感器數據和該第二傳感器數據的方向部分，并且由該第一傳感器數據和該第二傳感器數據的連續子集形成。比較這些子區域而不是比較該第一傳感器數據和該第二傳感器數據的整體會引入方向變化，從而在一個方向上的比較中子區域可能彼此緊密匹配，但在另一方向上則不匹配。該概念有效地允許通過比較多個子區域集合來確定指示2d或3d空間中的該第二位置的待確定的方向。這形成了動作向量的方向。因此，該方法提供了一種僅基于對該第一傳感器數據和該第二傳感器數據的比較，重新定位到先前訪問過的位置（該第二位置）的方法。
4、該第一傳感器數據和該第二傳感器數據可以分別是第一圖像數據和第二圖像數據，其中該第一子區域中的每個第一子區域包括該第一圖像數據的連續像素子集，并且其中該第二子區域中的每個第二子區域包括該第二圖像數據的連續像素子集。可以修改圖像數據以縮減其大小，從而提高計算效率。該第一傳感器數據和該第二傳感器數據也可另選地為任何能夠在幾何上表示該環境的數據。
5、該第一傳感器數據和該第二傳感器數據可以分別被排列在第一向量和第二向量中，該第一向量和該第二向量分別從該第一圖像數據和該第二圖像數據級聯而成。圖像數據本文檔來自技高網...
【技術保護點】
1.一種解析智能體在多維空間中的環境的計算機實現的方法，所述方法包括：
2.根據權利要求1所述的方法，其中所述第一傳感器數據和所述第二傳感器數據分別是第一圖像數據和第二圖像數據，其中所述第一子區域中的每個第一子區域包括所述第一圖像數據的連續像素子集，并且其中所述第二子區域中的每個第二子區域包括所述第二圖像數據的連續像素子集。
3.根據任一前述權利要求所述的方法，其中所述第一傳感器數據和所述第二傳感器數據被排列在第一向量和第二向量中，所述第一向量和所述第二向量分別從所述第一圖像數據和所述第二圖像數據級聯而成。
4.根據任一前述權利要求所述的方法，其中所述相似性度量是所述第一子區域與所述第二子區域之間的內積。
5.根據任一前述權利要求所述的方法，其中獲得所述第一傳感器數據包括：
6.根據權利要求5所述的方法，其中處理所述原始第一傳感器數據和所述原始第二傳感器數據包括對所述原始第一傳感器數據和所述原始第二傳感器數據應用一個或多個濾波器和/或掩模以分別縮減所述原始第一傳感器數據和所述原始第二傳感器數據的每個維度的大小。
<...【技術特征摘要】
【國外來華專利技術】
1.一種解析智能體在多維空間中的環境的計算機實現的方法，所述方法包括：
2.根據權利要求1所述的方法，其中所述第一傳感器數據和所述第二傳感器數據分別是第一圖像數據和第二圖像數據，其中所述第一子區域中的每個第一子區域包括所述第一圖像數據的連續像素子集，并且其中所述第二子區域中的每個第二子區域包括所述第二圖像數據的連續像素子集。
3.根據任一前述權利要求所述的方法，其中所述第一傳感器數據和所述第二傳感器數據被排列在第一向量和第二向量中，所述第一向量和所述第二向量分別從所述第一圖像數據和所述第二圖像數據級聯而成。
4.根據任一前述權利要求所述的方法，其中所述相似性度量是所述第一子區域與所述第二子區域之間的內積。
5.根據任一前述權利要求所述的方法，其中獲得所述第一傳感器數據包括：
6.根據權利要求5所述的方法，其中處理所述原始第一傳感器數據和所述原始第二傳感器數據包括對所述原始第一傳感器數據和所述原始第二傳感器數據應用一個或多個濾波器和/或掩模以分別縮減所述原始第一傳感器數據和所述原始第二傳感器數據的每個維度的大小。
7.根據權利要求5或6中任一項所述的方法，其中所述原始第一傳感器數據和所述原始第二傳感器數據分別是原始第一圖像數據和原始第二圖像數據。
8.根據任一前述權利要求所述的方法，其中獲得所述第一傳感器數據的多個第一子區域包括：
9.根據權利要求8所述的方法，其中存在至少四次迭代，使得存在至少四個第一子區域和至少四個第二子區域。
10.根據權利要求8或9所述的方法，其中所述掩模小于所述第一傳感器數據和所述第二傳感器數據，其中所述掩模包括主維度，所述主維度：等于或小于所述第一傳感器數據和所述第二傳感器數據的對應主維度的大小的50%；或者
11.根據權利要求8至10中任一項所述的方法，其中所述第一傳感器數據和所述第二傳感器數據分別被排列在第一數組和第二數組中，其中所述第一數組和所述第二數組具有x×y個單元的維度，并且所述掩模具有(x-m)×y個單元的維度，其中m是正整數。
12.根據任一前述權利要求所述的方法，所述方法還包括：
13.根據權利要求12所述的方法，所述方法還包括，在根據所述動作向量將所述智能體移動到新位置之后：
14.根據任一前述權利要求所述的方法，所述方法還包括：
15.根據任一前述權利要求所述的方法，其中確定所述相對旋轉包括確定所述第一方向與所述第二方向之間的偏移角。
16.根據權利要求15所述的方法，其中所述方法還包括：
17.根據權利要求16所述的方法，所述方法還包括確定與相對的第二子區域對相關聯的多對偏移角中的每對偏移角的相應幅度，并且對所述相應幅度進行聚合/平均以形成所述動作向量的所述幅度。
18.根據任一前述權利要求所述的方法，其中所述第一傳感器數據表示所述智能體周圍的基本上360度視圖，并且其中所述第二傳感器數據表示所述第二位置周圍的基本上360度視圖，其中由每個第一子區域描述的每個第一部分是所述智能體周圍的所述360度視圖的一部分，并且其中由每個第二子區域描述的每個第二部分是所述第二位置周圍的所述360度視圖的一部分。
19.根據任一前述權利要求所述的方法，其中所述多個第一子區域中的每個第一子區域與至少一個相鄰第一子區域重疊，并且所述多個第二子區域中的每個第二子區域與至少一個相鄰第二子區域重疊。
20.根據任一前述權利要求所述的方法，其中所述環境的所述特征是以下中的一者：
21.根據任一前述權利要求所述的方法，其中所述智能體是虛擬的，其中所述多維空間是二維虛擬空間或三維虛擬空間，并且其中所述第一傳感器數據和所述第二傳感器數據是使用虛擬傳感器獲得的。
22.根據權利要求1至20中任一項所述的方法，其中所述智能體是物理實體，其中所述多維空間是三維真實物理空間，并且其中所述第一傳感器數據是使用物理傳感器獲得的。
23.根據權利要求22所述的方法，其中所述第二傳感器數據描述了指示所述多維空間內的目標位置的環境，使得由所述第二傳感器數據描述的所述環境的所述特征與所述目標位置相...
【專利技術屬性】
技術研發人員：A·J·科佩，M·F·凱利，S·S·詹姆斯，A·布倫金索普，
申請(專利權)人：奧普特朗技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。