【技术实现步骤摘要】
本专利技术涉及用于确定用于移动设备、尤其是至少部分自动移动的交通工具或机器人、例如割草机器人的导航信息的方法、用于训练机器学习算法的方法、用于执行所述方法的移动设备以及计算单元和计算机程序。
技术介绍
1、诸如割草机器人、抽吸或擦拭机器人或其他家用机器人之类的移动设备或处理设备典型地在待处理的环境中、诸如在花园中或在住房中移动。在此情况下任务尤其是移动设备的导航，所述移动设备应该在环境中例如在一定的边界(工作区域)内在特定的路径上移动。
技术实现思路
1、根据本专利技术，提出具有独立专利权利要求的特征的用于确定用于移动设备的导航信息的方法、用于训练机器学习算法的方法、用于执行所述方法的移动设备以及计算单元和计算机程序。有利的设计方案是从属权利要求和以下描述的主题。
2、本专利技术论述尤其是自动地移动的移动设备，诸如优选地机器人、例如割草机器人。尽管下面应该主要关于割草机器人来解释本专利技术，但是也可以考虑其他移动设备或机器人。这样的移动设备(或移动工作设备)的示例一般来说例如是机器人和/或无人机和/或部分自动或(完全)自动地(在陆地、水中或空中)移动的交通工具。作为机器人例如可以考虑家用机器人，诸如抽吸和/或擦拭机器人、地面或道路清洁设备或割草机器人，以及同样可以考虑其他所谓的服务机器人，作为至少部分自动地移动的交通工具、例如客运交通工具或货运交通工具(还有所谓的陆上运输交通工具，例如在仓库中)以及飞机、诸如所谓的无人机或船只。自动驾驶或自主驾驶载客或载重汽车也可以被视
3、对于这样的移动设备，可以确定导航信息，移动设备可以基于所述导航信息移动。这样的导航信息可以例如包括移动设备应该沿着或按照其移动的特定运动路径或轨迹。在割草机器人的情况下，从而例如可以确定移动路径，所述移动路径使得尽可能快速且高效地驶遍草坪(即该环境中的工作区域)并且在此割草。为此，可以基于导航信息来确定用于使移动设备移动的控制信息，基于所述控制信息又可以使移动设备移动。这样的移动设备典型地具有驱动系统和用于根据这样的控制信息进行操控的控制或调节单元。
4、对于例如割草机器人通常期望的是，所述割草机器人停留在花园或草坪的边界内，因为可能存在不适用于最优运行的区域，诸如池塘、泥浆、碎石路面、花坛等。为此可以在花园中或在草坪中、尤其是在草坪的边缘处或割草机器人应该割到的地方敷设可以借助于机器人中的传感器检测或探测的线或缆绳。就此而论，还可以谈及草坪边，在所述草坪边处敷设这样的线。虽然这允许如期望的那样限制机器人的运动，但是由于敷设线或缆绳而需要高耗费。
5、为了(移动)设备能够识别环境中的特定特征、例如在割草机器人的情况下草坪边的另一可能性是使用环境检测装置或一个或多个传感器，诸如摄像机或摄影机、热像仪、雷达传感器、激光雷达传感器、激光测距仪、超声波传感器、惯性传感器和/或里程表。尤其是，在本专利技术的范围内，应该考虑能够实现环境的图像表示的检测装置或传感器，即优选地摄像机或摄影机。但是，同样可以例如借助于其他传感器、诸如激光雷达或超声波传感器必要时获得深度信息，所述深度信息可以以图像方式或作为(数字)图像来表示。环境的这样的图像于是可以被分析，以便识别或标识环境中的特定事物或对象，诸如刚好例如在割草机器人的情况下所提及的草坪边。
6、尤其是，在此情况下可以识别或标识环境中的许多不同对象或对象类型，其可以在确定导航信息时被考虑。这样的对象可以例如是房屋、墙、树木、树墩、石头、岩石、道路、草坪、花朵、花坛，以及例如人、动物、叶子或者天空或天空中的云。
7、在这里，现在尤其是可以使用所谓的语义分割。在此，给图像中的每个图像点(像素)分配多个类别中的一个类别，也即图像点被贴标签或分类。为此，首先典型地确定或提取图像点的特征，基于所述特征于是分配类别。这样的特征可以例如是形状、颜色、上下文、图案、光变化和/或图像上下文。从而例如可以给一个图像点分配绿色，并且周围的图像点同样可以全部是绿色。这将会指明草坪。
8、在此，作为类别可以考虑不同的特征。在割草机器人的示例的情况下，例如在简单的情况下可以使用两个类别，即“草坪”和“非草坪”，即针对图像的每个图像点确定该图像点是否指示草坪。不言而喻，也可以使用多于两个的类别，以便例如也识别路、道路、建筑物、交通工具或人或所提到的其他对象，并且必要时分配给图像点。根据类别“非草坪”——类别“背景”也是可设想的，不分配给另一类别的所有都被分配给所述类别“背景”。与(仅)识别图像中的对象的纯对象识别相比，通过所有这些贴标签添加更多信息。
9、原则上，不必针对每个单个的图像点进行分类，而是也可以针对图像的分段或部分进行所述分类，所述分段或部分分别包括多个图像点。这样的分段可以固定地被预先给定或者也可以在语义分割的范围中才被构成，必要时也在图像内具有不同的尺寸。为此，优选地使用一个或多个人工神经网络或一般基于人工智能的图案识别方法——下面也称为机器学习算法，在下面还要更详细地对此进行探讨。
10、以这种方式，因此可以从图像(输入图像)中产生经分类的结果图像(输出图像)、即一种地图，所述结果图像说明特定对象或一般特征位于何处。在具有两个类别“草坪”和“非草坪”的简单示例中，通过分配给要么“草坪”要么“非草坪”(所属的结果图像可以例如是纯黑/白的)的图像的区域之间的边界可以识别或确定草坪边。然后尤其是可以使用结果图像用于控制该设备，即例如可以在到达草坪边之前或在到达草坪边时停止该设备或使该设备转弯。此外可设想的是，例如在作为类别的尚未割的草坪和已经割了的草坪之间进行区分。
11、在这一点上应该提及的是，虽然可以优选地考虑这样的移动设备处或这样的移动设备中的摄像机或摄影机用于检测这样的(数字)图像，但是在本专利技术的范围内，如已经提及的，利用诸如所提及的激光雷达或超声波传感器或热像仪之类的其他传感器检测的或必要时通过进一步处理获得的环境表示也应该被理解为图像；于是在那里也可以应用语义分割。
12、通过尤其是对于环境的分别当前图像、即尤其是当(移动)设备移动时重复地或连续地进行该做法，可以基于分别当前的结果图像来运行或控制移动设备；从而例如可以控制割草机器人，使得所述割草机器人仅行驶直到所识别的草坪边(并且在此进行割草)，但是然后例如沿着草坪边继续行驶，但不能超过所述草坪边。
13、如现在已经表明的，虽然原则上有利的是，尽可能多的不同对象或对象类型被识别或分类以便基于此确定导航信息。然而，并非所有类型的对象都同样地良好地适用于确定导航信息。在此，尤其是对象的动态性可能有影响。如果在此情况下所考虑的对象总是处于相同的位置处，则对于例如在割草机器人的情况下如尤其是对于由移动设备一再行驶在的环境必要的安全和可重复导航是特别有利的。由于诸如slam(“同时定位和映射(simultaneous localizisation and mapping)”)之类的基本导航方法构建环境的内部地图，所述地图面向所识别的对象本文档来自技高网...
【技术保护点】
1.一种用于确定用于移动设备(100)、尤其是至少部分自动移动的交通工具或机器人、进一步尤其是割草机器人的导航信息的方法，所述方法包括：
2.根据权利要求1所述的方法，其中确定(428)所述导航信息(430)包括确定长期导航信息，所述长期导航信息尤其是在所述移动设备的多个运动周期上被使用，
3.根据权利要求1或2所述的方法，其中所述多个类别(C1、C2)恰好包括两个类别，其中一个类别(C1)包括静态对象或假定为静态的对象，并且另一类别(C2)包括其余对象。
4.根据权利要求2或3所述的方法，其中确定(428)所述导航信息包括确定短期导航信息，所述短期导航信息尤其是被用于所述移动设备的仅一个运动周期，
5.根据前述权利要求中任一项所述的方法，其中基于多个不同对象对多个类别分别之一的预先给定的分配(450)来分配(420)所述类别。
6.根据前述权利要求中任一项所述的方法，其中仅针对图像的所选择的区域(256)或针对图像的所选择的区域(256)以与针对图像的剩余部分相比更高的优先级将所述类别分别分配(420)给分段。
...【技术特征摘要】
1.一种用于确定用于移动设备(100)、尤其是至少部分自动移动的交通工具或机器人、进一步尤其是割草机器人的导航信息的方法，所述方法包括：
2.根据权利要求1所述的方法，其中确定(428)所述导航信息(430)包括确定长期导航信息，所述长期导航信息尤其是在所述移动设备的多个运动周期上被使用，
3.根据权利要求1或2所述的方法，其中所述多个类别(c1、c2)恰好包括两个类别，其中一个类别(c1)包括静态对象或假定为静态的对象，并且另一类别(c2)包括其余对象。
4.根据权利要求2或3所述的方法，其中确定(428)所述导航信息包括确定短期导航信息，所述短期导航信息尤其是被用于所述移动设备的仅一个运动周期，
5.根据前述权利要求中任一项所述的方法，其中基于多个不同对象对多个类别分别之一的预先给定的分配(450)来分配(420)所述类别。
6.根据前述权利要求中任一项所述的方法，其中仅针对图像的所选择的区域(256)或针对图像的所选择的区域(256)以与针对图像的剩余部分相比更高的优先级将所述类别分别分配(420)给分段。
7.根据权利要求6所述的方法，其中所述图像中的所选择的区域(256)根据移动设备(100)的环境检测装置(106)尤其是相对于设备(100)在其上移动的层面的位置被选择，利...
【专利技术属性】
技术研发人员：B·皮纳亚古铁雷斯，N·科内利斯，
申请(专利权)人：罗伯特·博世有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。