Método de localización y mapeo simultáneo para dispositivos robóticos.

Método de localización y mapeo simultáneo para dispositivos robóticos que comprende al menos las etapas de asociación,

localización y actualización del mapa o mapeado y que se caracteriza porque la modelización del mapa en la etapa de mapeado está basada en entidades denominadas objetos, definidas como una secuencia de puntos móviles ajustables dinámicamente en tamaño con el fin de representar la forma de los contornos de los obstáculos reales detectados por al menos un sensor del dispositivo robótico; y donde cada punto de la secuencia que representa los objetos tiene asociado una posición y un peso que indica el grado de movilidad del mismo. La idea básica es crear un modelo del entorno por el que se desplaza el vehículo al mismo tiempo que éste se encuentra localizado.

Campo de la invención

El objeto de la invención es un sistema de localización y mapeo simultáneo para dispositivos robóticos, conocido en el campo de la robótica por su acrónimo SLAM. La idea básica es crear un modelo del entorno por el que se desplaza el vehículo al mismo tiempo que éste se encuentra localizado. La forma de localizarse a partir de las observaciones obtenidas por sensores, así como el modo en que se modela la información del entorno, generan las diversas técnicas del SLAM, campo técnico donde queda integrada la presente invención.

Estado de la técnica

El objeto de los métodos y sistemas SLAM es emplear los datos de un sensor de un vehículo robotizado (que en la presente memoria quedará referido indistintamente como robot o vehículo) para actualizar la posición del mismo, así como la información del entorno almacenada en una estructura denominada mapa. Normalmente, suele usarse como sensor un dispositivo láser, que es el que proporciona la información del entorno. Con ella, el robot debe ser capaz de corregir su posición y la de los elementos contenidos en el mapa. Esto se consigue extrayendo distintas características de los datos obtenidos por el sensor.

En el caso de un sensor láser, se entiende por característica cualquier región consecutiva de puntos correspondientes a coordenadas del mapa en la secuencia de datos proporcionada por el sensor, que pertenecen a un mismo objeto de una superficie real. Cada una de estas características tiene una incertidumbre de posición, al igual que el vehículo, que tiene dicha incertidumbre a través de la información que le proporciona su sistema de odometría (consistente en el ángulo de giro de las ruedas y la distancia recorrida). La actualización de la posición del vehículo y la de los elementos del mapa se realiza teniendo en cuenta la incertidumbre de las observaciones procedentes del sensor y la de la odometría.

En el proceso de localización, inicialmente, el vehículo detecta los obstáculos mediante su sensor. Posteriormente, el vehículo se mueve, mientras que su sistema de odometría le

proporciona la distancia recorrida y el ángulo de giro de las ruedas. Con esta información se establece una primera hipótesis de localización. Tras ello, el robot vuelve a medir la localización de los objetos del entorno y, en base a esa localización, establece una segunda hipótesis de localización que no tiene por qué coincidir con la calculada mediante odometría. Finalmente, el robot fusiona la hipótesis de localización proporcionada por la odometría y por los sensores para, en función de la incertidumbre de ambas, establecer una hipótesis de localización definitiva.

Nuestra propuesta de SLAM consta de tres entradas y dos salidas. Las entradas consisten en el punto correspondiente a la última posición conocida del vehículo (Xt), los datos adquiridos por sensores externos, tales como un láser y un sensor de imagen, y finalmente, la pluralidad de puntos correspondiente al estado del mapa en el instante actual (Mt).

En SLAM, uno de los sensores externos más utilizados es el láser. Éste recoge la información métrica del entorno realizando un barrido angular de su haz láser de modo que, para cada ángulo de barrido de dicho haz, se conoce la distancia o rango al obstáculo más cercano. Toda la información de rangos adquirida, para cada posición del haz en un mismo barrido, queda definida en esta memoria como "scan. Por otro lado, la información de la odometría tiene que ver con la distancia recorrida por el vehículo en un lapso de tiempo dado, así como con la posición de giro de sus ruedas. Normalmente, esta información suele recabarse empleando dispositivos conocidos como "encoders, asociados a los motores de tracción y giro de las ruedas del vehículo.

El mapa de cualquier proceso de SLAM tiene el cometido de guardar la información proporcionada por el sensor externo. La forma en que se almacena esta información es una de las claves que confiere a cualquier estrategia de SLAM su ventaja resolutiva frente a las restantes. Por tanto, uno de los problemas técnicos a resolver por la presente invención es la optimización de la gestión de la información proporcionada por el sensor, es decir, el establecimiento de un mapa del entorno.

Uno de los factores determinantes en la localización de cualquier proceso de SLAM es la asociación de la información recibida en un instante por un sensor con la ya existente en el mapa. Identificando esta información capturada por el sensor en un instante con otra ya almacenada y asumiendo la invariabilidad del mapa, puede resolverse la localización del vehículo. Esta forma de localización está basada en la observación, puesto que requiere de

la información procedente de algún sensor externo para su cálculo. Para que la asociación entre la información del sensor y la contenida en el mapa sea posible, todos los procesos de SLAM realizan una segmentación del sean. Esta segmentación consiste en la extracción de unas unidades de información significativas (las características anteriormente referidas) a partir del conjunto de rangos aportados por el sensor. Las características son una agregación de datos consecutivos del sensor que facilitan la asociación con la información almacenada en el mapa a un nivel de abstracción superior a la mínima posible basada en puntos simples.

Por otro lado, la odometría proporciona la información necesaria para calcular una localización del vehículo basada en su dinámica. Esta localización será denominada en adelante localización por predicción.

Una vez calculada la localización empleando toda la información sensorial del vehículo: (a) láser (localización por observación) y (b) encoders (predicción), cualquier estrategia SLAM fusiona ambas informaciones de localización para obtener una predicción de la localización única de un punto (Xt+1). A partir de ésta, se actualiza el mapa utilizando la información del sensor láser, obteniendo un nuevo estado del mapa (Mt+1).

Las técnicas de SLAM se pueden agrupar en dos clases: SLAM topológico y SLAM métrico.

El primero de ellos (SLAM topológico) trata de mantener un mapa del entorno basado en posiciones relativas de los lugares más significativos del entorno en el que se mueve el vehículo (habitaciones, pasillos, cruces de corredores, etc.). Los mapas de esta categoría [AdrienAngeli, StéphaneDoncieux, Jean A Arcady Meyer, David Filliat. Visual topological SLAM and global localization. In iCRA'09 Proceedings of the 2009 IEEE internationalconferenceonRobotics and Automation, páginas 2029 a 2034\ se modelan empleando grafos de nodos conectados, de modo que cada uno de estos representan un escenario concreto del entorno. Cuando el robot llega a un lugar del mapa y desea dirigirse a otro, consulta su mapa topológico y averigua la distancia y dirección del nuevo destino.

En el segundo caso (SLAM métrico), el vehículo mantiene un mapa de las características más relevantes del entorno, que le sirven para localizarse. Las características son almacenadas en el mapa guardando su posición más probable dentro de un sistema de

coordenadas métrico absoluto; la probabilidad de la posición se va modificando según el vehículo se desplaza por el entorno, utilizando las nuevas observaciones de las características para reforzar su certidumbre de posición.

A continuación, se establecen las diferentes técnicas de localización y mapeado empleadas en las técnicas de SLAM métrico en el estado de la técnica, por ser aquí donde se encuentran los problemas técnicos resueltos por la presente invención y, por tanto, donde se proponen las aproximaciones más novedosas de la presente invención.

Las técnicas de localización SLAM métrico se agrupan principalmente en tres categorías básicas: EKF (filtro extendido de Kalman), RBPF (filtro de partículas) y Sean - Matching.

Las técnicas de mapeo se clasifican en otras tres categorías: marcas, grid (rejilla), patrones y alineamiento de scans. Atendiendo a esta clasificación, se pueden considerar las 15 siguientes técnicas de SLAM teniendo en cuenta todas las posibles relaciones entre métodos de localización y mapeado:

Reivindicaciones:

Patentes similares o relacionadas:

Sensores de pista para detectar la posición del vehículo con respecto a las pistas, del 15 de Julio de 2020, de Autostore Technology AS: Un método para rastrear la posición de un vehículo operado remotamente siguiendo una ruta establecida en relación con las pistas establecidas en una estructura de marco que forma […]

Un aparato, método y programa informático para habilitar la carga de un vehículo, del 15 de Julio de 2020, de Nokia Technologies OY: Un método que comprende: obtener información de un vehículo alimentado por energía solar, en el que la información comprende al […]

Procedimiento de funcionamiento de un aparato de limpieza dotado de movilidad automática, del 1 de Julio de 2020, de VORWERK & CO. INTERHOLDING GMBH: Procedimiento de funcionamiento de un aparato de limpieza dotado de movilidad automática dentro de un entorno, en el que el aparato de limpieza limpia una superficie […]

Robot móvil autónomo para ejecutar asignaciones de trabajo en un entorno físico en el que hay obstáculos estacionarios y no estacionarios, del 1 de Julio de 2020, de OMRON CORPORATION: Un robot móvil para ejecutar una asignación de trabajo en un entorno físico en el que hay obstáculos estacionarios y no estacionarios, comprendiendo […]

Procedimiento para el control de una unidad de luz de una iluminación exterior de automóvil, automóvil, dispositivo externo al vehículo y sistema, del 17 de Junio de 2020, de AUDI AG: Procedimiento para el control de al menos una unidad de luz de una iluminación exterior de automóvil de un primer automóvil (10a, 10b, 10c) en una columna de vehículos […]

Método, sistema y dispositivo de control de emergencia para gestión de tráfico de vehículos autónomos en situaciones de emergencia, del 17 de Junio de 2020, de THE BOEING COMPANY: Método para gestión de tráfico de vehículos autónomos en situaciones de emergencia, que comprende: tras la recepción , por un vehículo […]

Procedimiento de limpieza temporizada, dispositivo y medio de almacenamiento, del 17 de Junio de 2020, de Beijing Xiaomi Mobile Software Co., Ltd: Un procedimiento de limpieza temporizada que comprende: obtener un mapa topográfico de una región de limpieza, en el que el mapa […]

Conjunto compuesto por un sistema de alimentación en tierra y un vehículo eléctrico, del 17 de Junio de 2020, de ALSTOM Transport Technologies: Conjunto formado por un sistema de alimentación en tierra y un vehículo eléctrico , el sistema de alimentación en tierra es del […]