[发明专利]具有数据融合的机器人跟踪导航

说明书

公开了用于与机器人导航控制一起示例性地使用的传感器融合的系统和方法。系统和方法包括从对传感器数据进行处理的多个专家模块提供目标地点的局部估计。基于离预期的估计值的马氏距离并且基于局部估计之间的欧几里得距离对局部估计进行加权。基于给予每个局部估计的权重将局部估计融合在贝叶斯融合中心中。

相关申请的交叉引用

本申请要求2017年2月8日提交的美国临时专利申请No.62/456,345的优先权，该申请的内容特此整个地通过引用并入本文。

背景技术

本公开涉及机器人导航领域。更具体地说，本公开涉及机器人导航的跟踪系统中的数据融合的使用。

各种可导航机器人是已知的。这包括常被称为无人机的无人飞行器(UAV)。其他形式的可导航机器人包括移动式地面机器人平台。一种类型的自主或半自主导航包括跟踪或跟随物体，所述物体可以包括人、动物或物体。该跟踪可以使用某种形式的计算机视觉作为输入。对于用于物体或行人跟踪的机器人平台的兴趣一直显著增长。这样的平台的设计通常涉及几个主要元素：其灵活性足以在不同场景中检测并且跟随不同类型的目标的跟踪器；鲁棒的深度估计机制；用于检测并且移除错误肯定或异常值的鲁棒的机制；以及很好地调谐的运动控制。

许多目前的方法力图通过添加越来越多的昂贵的传感器以提供附加输入来改进计算机视觉跟踪的结果。然而就这个附加输入而言，用于处理和计算目的的各种信息源被独立处理。机器人导航系统的一些例子例如在以下参考文献中提供：(参见：U.S.9,070,289、U.S.9,171,261、U.S.2007/0018890、WO 2016/131847、U.S.7,211,980、U.S.7,765,062、U.S.2016/0031559、“Sensor Fusion of Camera,GPS,and IMU Using FuzzyAdaptive Multiple Motion Models”，Bostanci等人、以及“A Fault-Tolerant MultipleSensor Fusion Approach Applied to VAV Attitude Estimation”，Gu等人)，这些参考文献的内容整个地通过引用并入本文。

近年来，视觉跟踪的发展已经使得能够以良好的结果跟随物体的新的机器人平台出现。然而，鲁棒性仍是计算机视觉团体中的主要关注的问题。这部分是由于使得难以关联未知情境内的连续的视频帧中的目标的图像的问题而导致的。这些问题包括：物体和/或相机的运动、方位和姿势改变、照明变化、遮挡、标度改变、杂乱、以及场景中的类似的物体的存在。这些常见的干扰使得用任何单一方法进行跟踪在许多短期情境中不可靠，并且在大多数长期应用中几乎是不可能的。虽然特定的算法可以为某些情境工作，但是它可能不能为其他情境工作。基于这个范例，本文章提出了通过将这些算法中的几种算法融合到唯一输出中的一般跟踪方法。融合是在边界框级别上进行的，其中由单独的跟踪算法中的每种跟踪算法提供的测量被作为传感器测量进行处理。

在文献中，传感器融合也被称为多传感器数据融合、数据融合或多传感器信息的组合。所有这些方法都旨在于从几个源创建信息的协同作用的相同目标。通常，单个的传感器执行的观测有不准确的问题。只有一个观测物理现象的传感器的系统在不依赖于额外的传感器的情况下一般不能降低其不确定性。此外，传感器的故障导致作为整体的系统的故障。不同类型的传感器提供具有不同的准确度水平的信息的频谱和在不同条件下操作的能力。

尽管有以上指出的进展，但是视觉跟踪的鲁棒性仍是对于机器人导航的主要关注的问题。这部分是由于使得难以关联未知情境内的连续的视频帧中的目标的图像的问题而导致的。这些问题包括：物体和/或相机的运动、方位和姿势改变、照明变化、遮挡、标度改变、杂乱、以及场景中的类似的物体的存在。这些常见的干扰使得用任何单一方法进行跟踪在许多短期情境中不可靠，并且在大多数长期应用中几乎是不可能的。虽然特定的算法可以为某些情境工作，但是它可能不能为其他情境工作。