[发明专利]用于训练异构感测系统的方法和异构感测系统

说明书

本发明提供训练异构感测系统的方法，包括：从第一传感器接收环境的数据，由第一处理单元识别来自第一传感器的数据中的对象；从第二传感器接收与第一传感器相对应的环境数据，由第二处理单元识别来自第二传感器的数据中的对象，用系统处理单元比较来自第一处理单元的已识别对象与来自第二处理单元的对应的对象，若从第一传感器的数据中识别出对象但未从第二传感器的数据中识别出该对象，或者若从第二传感器的数据中识别出对象但未从第一传感器的数据中识别出该对象，则确定为不一致情形，对存在不一致情形的数据进行标记，将所标记的数据存储在训练缓冲器中；用存储在训练缓冲器中的数据训练第一处理单元和/或第二处理单元。

技术领域

本发明总体上涉及感测系统领域，并且更特别地涉及用于机器人装置的感测系统，尤其是自主式机器人装置。

本申请基于申请号为US15/297,146、申请日为2016年10月19日的美国专利申请提出，并要求该美国专利申请的优先权，该美国专利申请的全部内容在此引入本申请作为参考。

背景技术

自主式机器人装置的种类包括用于运输乘员和货物的各种大小的自主式车辆、无人驾驶飞机和船舶、无人机、家庭机器人、送货机器人、用于室内和室外清洁、维修、建造和制造的装置等。

采用这种装置的感测系统包括获取反映周围环境属性数据的传感器和分析传感器的测量值并基于测量值作出决策的处理单元。分析和做决策对于程序员和硬件制造商来说是长期存在的挑战。计算机和传感器电子、机器人和算法这些领域的指数级发展已经产生了对于自主式机器人导航领域中一些长期存在的问题的成功解决方案。

已知的解决方案采用单一立体视觉传感器、主动和被动雷达(RADAR，无线电波探测与测距)、激光雷达(LIDAR，激光探测与测距)、声纳(SONAR，声音导航与测距)、触摸传感器和其他传感器。

然而，自主式机器人装置工业仍处于初期，创造真正有用、可靠的并且高效的自主式机器人装置需要很大的改进。

发明内容

本公开的示例性实施例着手于现代感测系统的两大重要挑战：几个不同的传感器子系统在异构传感器系统中的协同整合，以及在产品中部署之后以及操作期间对传感器系统的连续在线训练。

在传统意义上，自主式机器人装置设计意味着选择被认为是最适用于所选择的自主式装置的特定的感测系统，其应用领域受到可用技术和系统成本的限制。

在多数情形下选择单个感测系统会牺牲自主式装置的一些属性和/或它在特定状况下进行操作的能力。例如，在对用于自主式车辆的视觉感测系统或雷达感测系统的选择进行折衷时，视觉系统无法探测和识别某些对象，无法在大雨或雾中使用，并且在距离估算上会出错，而雷达系统会在某些其他对象上出错，会更耗能，具有较低分辨率，距离范围和刷新速度有限，并且会察觉不到例如颜色这种用于识别交通信号灯和交通标志的重要的视觉线索。

在本公开中将两个以上不同类型的传感器组合而成的感测系统称为异构感测系统，并且将其中的具体传感器及其对应的用于处理具体传感器输出的硬件和算法称为感测子系统。单纯地组合不同的感测子系统仅构成解决方案的一部分，而且可能增加价格、空间和能耗，有时反而还会产生相互矛盾的输出。

在本公开的示例性实施例中，描述了将感测子系统协同合并为高效的异构感测系统：

感测系统的整合与操作的已公开的不同方式包括：

(1)将它们的输出在环境地图、探测和识别对象的层级上进行合并，其中两个以上的输出用来(a)增加操作状况的范围，(b)减少误探测和漏检对象的数量，(c)增加测量值的置信度和准确度。