CN111164380B - 机器人的方位确定的方法、机器人的方位确定设备和机器人 - Google Patents

Abstract

本发明涉及一种用于机器人(10)的方位确定的方法且至少包括：方法步骤，在该方法步骤中提供对于机器人(10)的预期的方位的预期的方位数据(I)；以及方法步骤，在该方法步骤中提供对于机器人(10)的实际的方位的实际的方位数据(II)。根据本发明，在一个方法步骤中使用该预期的方位数据(I)和实际的方位数据(II)求取无异常的方位数据，该无异常的方位数据用于所述机器人(10)的方位确定。此外，本发明还涉及机器人(10)以及方位确定设备(26)。

Description

机器人的方位确定的方法、机器人的方位确定设备和机器人

技术领域

本发明涉及一种用于机器人、特别是自主的机器人的方位确定(Lagebestimmung)的方法。此外，本发明还涉及一种这样的机器人、特别是自主的机器人。

发明内容

本发明基于一种用于机器人、特别是自主的机器人的方位确定的方法，该方法包括：至少一个方法步骤，在其中提供对于机器人的预期方位的预期的方位数据p_p ^t；至少一个方法步骤，在其中提供对于机器人的实际方位的实际的方位数据p_u ^t。在一种实施方式中，也可以在唯一的方法步骤中实现所述方法步骤。

“机器人”、特别是“自主的机器人”尤其应理解为至少部分自动的移动设备，其至少部分自行地完成工作、优选面的处理——所谓的处理面。特别是机器人应自行地开始、自行地结束工作，和/或应自行地选择和/或影响涉及处理面的处理的至少一个参数。此外，设备特别是应理解为如下：其至少为了完成该工作、特别是为了处理该处理面而自行地运动和/或自主地在处理面的预给定的工作区域中移动。这样的机器人的典型的应用领域包括多种活动，例如扫除、吸尘、清洁、割草、收割、采集、分类、灌溉、施肥、测绘或诸如此类。因此，在下文中为了阐明本发明的优点而示出的实施例的相关原则和技术原理当然可以转移到任意机器人、特别是自主的机器人、例如特别是自主的扫地机、自主的清洁机器人、自主的扫雪机器人、自主的吸尘器、自主的游泳池清洁机、自主的地板擦拭机器人、自主的割草机、自主的锯机、自主的灌溉机器人、自主的施肥机器、自主的测绘机等。

自动的或至少部分自动的移动的工作设备如机器人、特别是自主的机器人(例如地面处理机器)通常应自行地在限定的工作区域内运动，而不离开该工作区域。为此，特别是在用于机器人的方位确定的方法的范畴内，机器人的方位确定是必要的。因此，“用于机器人的方位确定的方法”应理解为如下方法：该方法至少结合机器人的导航方法或作为导航方法的一部分用于机器人的方位改变、特别是运动学上的运动且特别是总的来说能够实现机器人的自主的移动运动。

在方法的一种实施方式中，用于方位确定的方法也可以实现为与导航方法无关的方法。导航方法监控、协调和控制例如用于机器人的轨迹规划和运动控制的任务。特别是在导航方法的范围中执行如下任务：例如计算运动规划、计算行驶方向、开始运动、特别是在运动规划之后控制和/或调节运动、对处理面上的障碍物做出反应和/或对处理面的边界做出反应。为了执行导航方法，通常需要方位数据，即涉及机器人在空间中、特别是在面上、优选在处理面上的位置和/或定向的说明。相比之下，这样的方位数据的确定和提供、亦即特别是机器人在空间中和/或在面上的位置和/或定向的确定是用于方位确定的方法的任务。这样的方法的典型的子任务例如涉及确定机器人的相对和/或绝对的当前位置、测量位置和/或里程数据、计算经过的距离等。

在本方法中，在一个方法步骤中提供对于机器人的预期方位的预期的、特别是预测的、可能不准确的方位数据p_p ^t。“预期的方位数据p_p ^t”特别是应理解为涉及机器人在空间中和/或在面上的位置和/或定向的数据，其可配属于机器人的还未经证实的方位。在方法的一种实施方式中，预期的方位数据p_p ^t原则上可以简单地涉及第一数据组的方位数据，而不管方位数据的确定的特性或其发生(Zustandekommen)。例如预期的方位数据p_p ^t可以提供为机器人的第一传感器设备的数据。替代地，预期的方位数据p_p ^t可以视为满足确定条件的方位数据，例如视为相对较不准确的方位数据。替代地，预期的方位数据p_p ^t可以提供为估算或预测的方位数据。替代地，预期的方位数据p_p ^t可以提供为机器人的最后有效的、特别是最后经验证的方位数据。

在方法的一种实施方式中，借助机器人的至少一个第一传感器设备提供、特别是测量或检测并接下来提供预期的方位数据p_p ^t。第一传感器设备特别是构造为用于求取方位数据、优选位置数据和/或里程数据和/或定向数据的设备且可以为此具有一个或多个来自如下传感器组的传感器：该传感器组至少包括倾斜、角度、间距、平移、加速度以及转速的传感器。例如可以使用用于机器人的驱动的驱动装置实现第一传感器设备。例如可以特别是分析处理滚动体、轮、链等——其在机器人处理时关于处理面转动——的转动，用以确定位置变化和/或里程变化和/或定向变化。特别是，传感器设备可能结合计算单元设计用于求取沿在轨道上运动的机器人的行驶方向上经过的路段长度，优选地还有在轨道上经过的行驶角。替代或附加地，第一传感器设备也可以包括用于求取方位数据的另外的传感器。例如，方位确定也可以使用GPS传感器、回声传感器、声呐传感器、超声波传感器、雷达传感器、距离传感器、激光雷达传感器(英语Light Detection and Ranging，光探测和测距)、摄像机传感器、立体摄像机传感器、惯性传感器或其他对于本领域内技术人员显得有意义的用于求取位置数据和/或里程数据和/或定向数据的传感器实现。应指出的是，用于提供预期的方位数据p_p ^t的第一传感器设备也可以设置成使用多个这样的传感器来提供方位数据、特别是测量或检测且接着提供方位数据。例如可以由多个传感器提供的传感器数据计算、特别是合并或求平均预期的方位数据p_p ^t。

在一个实施例中，借助第一传感器设备重复、特别是连续或准连续地测量和提供预期的方位数据p_p ^t，其中，第一传感器设备使用用于驱动机器人的驱动装置实现为里程传感器设备。例如方位数据以50Hz的频率测量地且因此更新地提供(在借助惯性传感装置提供的预期的方位数据p_p ^t的情况下可以利用直至2000Hz的频率)。

“设置”特别是专门应理解为“编程”、“设计”、“设立”和/或“配备”。一个对象“设置”用于确定的功能特别是应理解为：该对象在至少一个应用状态和/或运行状态下满足和/或执行该确定的功能或者设计为满足所述功能。

在方法的一个替代或附加的实施方式中，基于先前确定的实际的方位数据p_u ^t提供预期的方位数据p_p ^t。例如可以设想，只要最后的实际的方位数据p_u ^t-1是无异常的方位数据，就将预期的方位数据p_p ^t假定为机器人的最后经证实的方位——即例如假定为最后的实际的方位数据p_u ^t-1。

在本方法中，在一个方法步骤中提供对于机器人的实际方位的实际的、特别是测量的、优选相对于预期的方位数据p_p ^t相对较准确的方位数据p_u ^t。“实际的方位数据p_u ^t”特别是应理解为涉及机器人在空间中和/或在面上的位置和/或定向的数据，其可以配属于机器人的方位的准确或至少较准确的确定。在方法的一种实施方式中，实际的方位数据p_u ^t原则上可以简单地涉及第二数据组的方位数据，而不管方位数据的确定的特征或其发生。例如实际的方位数据p_u ^t可以提供为机器人的第二传感器设备的数据。替代地，实际的方位数据p_u ^t可以视为满足确定条件的数据，例如相比于预期的方位数据p_p ^t更精确的数据。替代地，例如不同于估算的或预测的或预先计算的预期的方位数据p_p ^t，实际的方位数据p_u ^t可以提供为测量的方位数据。

在方法的一种实施方式中，借助机器人的至少一个第二传感器设备提供实际的方位数据p_u ^t，特别是作为绝对的方位数据来检测和提供。第二传感器设备尤其构造为用于求取方位数据、优选位置数据和/或里程数据和/或定向数据的装置，且原则上可以在一种实施方式中相应于对于第一传感器设备的实施方案中的至少一种来实现。在一种实施方式中，第二传感器设备设置用于测量和提供绝对的方位数据。“绝对方位数据”尤其应理解为“非相对测量的”方位数据，其允许在不参考先前测量的方位数据的情况下说明机器人的方位。

在此应说明的是，用于提供实际的方位数据p_u ^t的第二传感器设备也可以设置成使用多个传感器来提供方位数据、特别是测量或检测且接着提供方位数据。例如可以由多个传感器提供的传感器数据计算、特别是求平均或另外地合并实际的方位数据p_u ^t。

在方法的一种实施方式中，实际的方位数据p_u ^t借助地图校准方法由借助第一传感器设备提供的方位数据和/或借助第二传感器设备提供的方位数据来求取和提供。“地图校准方法”应理解为如下方法：在该方法中，所提供的方位数据、特别是借助第一传感器设备和/或借助第二传感器设备检测或测量的机器人的方位数据和/或机器人的测量的周围环境的方位数据利用数字地图、特别是存储在机器人上的地图的方位数据来校准且由此确定实际的方位数据p_u ^t。

在一个实施例中，借助地图校准方法由借助第一传感器设备提供的方位数据来求取实际的方位数据p_u ^t，其中，第一传感器设备基于位置数据和/或里程数据来确定预期的方位数据p_p ^t。

在一个替代或附加的实施例中，借助第二传感器设备的激光雷达传感器重复、特别是连续或准连续地测量和提供周围环境数据。“周围环境数据”特别是应理解为机器人与包围机器人的对象的距离。例如，这些周围环境数据(在另外的意义上也是方位数据)以1至100Hz的频率测量地并由此更新地提供(典型的频率可以是例如：激光雷达传感器10-100Hz；摄像机传感器10-100Hz；GPS传感器1-10Hz)。这些方位数据接着利用数字地图的方位数据来校准。在此，数字地图在设备内部存储在机器人上或者借助数据通信接口由外部存储设备(例如计算机、服务器等)加载。替代地，也可以在装置外部的服务器上实施借助数字地图的校准。应注意到，根据本发明的方法的时钟频率或重复率然而可以与所使用的传感器的时钟频率无关地选择。

在方法的一种实施方式中，将预期的方位数据p_p ^t与实际的方位数据p_u ^t彼此进行校准，以便可以确定特别是在预期的(通常较不准确的)方位数据p_p ^t中的偏差和/或误差。如果出现这样的偏差和/或误差，亦即预期的方位数据p_p ^t与实际的方位数据p_u ^t没有在可接受的偏差范围中相一致，那么可以使用实际的方位数据p_u ^t校准、特别是改写预期的方位数据p_p ^t。因此，在这样的偏差和/或这样的误差的确认中将实际的(通常较准确的)方位数据p_u ^t用于机器人的进一步的方位确定。

然而也可能在实际的方位数据p_u ^t中产生错误测量和/或含糊不清(Doppeldeutigkeit)。因此，例如借助第二传感器设备求取的方位数据——在实施例中周围环境的对象的方位的借助激光雷达传感器测量的周围环境数据——可能与在地图中对象的在地图校准方法的范围中求取的描绘的方位不同。对此的原因可能在于传感器设备(激光雷达传感器)的测量误差和/或地图的不准确性和/或地图校准方法的误差。特别是在这样的错误测量和/或含糊不清的情况下可能存在如下风险：特别是不准确的预期的方位数据p_p ^t在用于方位确定的方法中被错误的实际的方位数据p_u ^t代替且如此提高在方位确定中的不准确性。

根据本发明，因此在尤其另一方法步骤中使用预期的方位数据p_p ^t和实际的方位数据p_u ^t求取无异常的方位数据，所述无异常的方位数据用于机器人的方位确定。通过根据本发明的方法可以有利地实现在要使用的方位数据p_p ^t和p_u ^t中异常数据的简单且有针对性的探测，从而接着无异常的方位数据、特别是基于预期的方位数据p_p ^t和/或实际的方位数据p_u ^t准备好用于机器人的进一步的方位确定。特别是可以通过这种方式确保仅仅这样的方位数据用于方位确定：所述方位数据不是有误差的或者不一致的，亦即不是异常数据。因此可以极大地提高机器人的方位确定的准确度和可靠性。

在根据本发明的方法的一种实施方式中，为了确定无异常的方位数据，借助预期的方位数据p_p ^t和实际的方位数据p_u ^t的相似性分析来求取彼此一致的预期的方位数据p_p ^t和实际的方位数据p_u ^t。“相似性分析”特别是应理解为如下方法：借助该方法可以确定预期的方位数据p_p ^t和实际的方位数据p_u ^t的彼此一致性的程度。因此，可以不仅在预期的方位数据p_p ^t中而且在实际的方位数据p_u ^t中特别容易地探测到异常数据。

在根据本发明的方法的一种实施方式中，在建立相似性矩阵W的情况下，求取彼此一致的预期的方位数据p_p ^t和实际的方位数据p_u ^t。“相似性矩阵W”在此是一种简单的方法，借助该方法可以对于预期的方位数据p_p ^t和实际的方位数据p_u ^t检查成对、即彼此的一致性。特别是相似性矩阵是如下单个值的矩阵：所述单个值表示在至少两个多维数据点之间的相似性。

在一个示例性的实施方式中(自然没有一般性限制地)应考虑在两维中、即在一个面中的方位确定。机器人的方位应通过给定。在此，(x、y)可以表示在面中的笛卡尔坐标，其中，/>表示机器人的定向(例如关于“北方”)。在时刻t的预期的方位数据p_p ^t以p_p ^t表示，而在时刻t的实际的方位数据以p_u ^t表示。机器人在时刻t1与t2之间关于预期的方位数据和实际的方位数据的相对运动那么通过如下给定：

Δp_p ^t1,t2＝p_p ^t1θp_p ^t2或

Δp_u ^t1,t2＝p_u ^t1θp_u ^t2

其中，θ表示在机器人的方位之间的差运算器。在无异常的方位数据的情况下，在预期的方位数据之间的差和在实际的方位数据之间的差除了静态限定的噪声之外基本上相同，即在Δp_p ^t1,t2与Δp_u ^t1,t2之间的差除了静态限定的噪声之外等于零：

Δ^t1,t2＝Δp_p ^t1,t2θΔp_u ^t1,t2＝0

如果满足该条件，那么所基于的预期的方位数据p_p ^t和所基于的实际的方位数据p_u ^t视为成对或彼此一致的。

静态噪声可以借助特别是时间相关的协方差矩阵C^t1,t2量化。误差那么可以定义为通过协方差矩阵C^t1,t2加权的差Δ^t1,t2，即：

g^t1,t2＝(Δ^t1,t2)^TC^t1,t2Δ^t1,t2

而相似性可以借助高斯相似性函数详细说明：

s(g^t1,t2)＝exp(-g^t1,t2/2)＝exp((Δ^t1,t2)^TC^t1,t2Δ^t1,t2/2)

其中，(Δ^t1,t2)^T是Δ^t1,t2的转置矩阵。

在根据本发明的方法的一种实施方式中，作为(n×n)矩阵基于特别是分别对于n个时间[t_s，t_s+1，...t_s+n-1]、优选n个等距的时间提供的各n个预期的方位数据p_p ^t和n个实际的方位数据p_u ^t建立相似性矩阵W。因此，通过这种方式可以建立(n×n)相似性矩阵W，其中值W_i,j＝s(e^{t-(s+i)，t-(s+i)})。在根据本发明的方法的一种实施方式中，数量n、特别是时间[t_s，t_s+1，...t_s+n-1]的时间间隔通过预给定该方位确定的分辨率精度来限定。在根据本发明的方法的一种实施方式中，n≥3、优选n≥5、特别优选n≥7。例如数量n可以通过机器人的每个经过的路程的测量的期望的数量详细说明，例如通过5次测量/米。通过这样的预给定同样也可以确定时间[t_s，t_s+1，...t_s+n-1]的时间间隔。

在根据本发明的方法的一种实施方式中，借助相似性矩阵W的簇分析来求取分别彼此一致的预期的方位数据p_p ^t和实际的方位数据p_u ^t的组。“簇分析”特别是可理解为用于揭露在相似性矩阵W中的相似性结构的方法，即如下方案：其将在相似性矩阵W中的“情况”的不均一的总体分为均匀的组或部分数量或所谓的“组”。在此考虑关于所有相关变量的情况的相似性。簇分析的方法例如在Luxburg的《A tutorial on spectral clustering》(统计和计算，2007年，Springer出版社)中提出。

在根据本发明的方法的一种实施方式中，如果在相似性矩阵W中求取到恰好一组的彼此一致的预期的方位数据p_p ^t和实际的方位数据p_u ^t，那么实际的方位数据p_u ^t用作用于机器人的方位确定的无异常的方位数据。特别是在相似性矩阵W中求取到不是恰好一组的彼此一致的预期的方位数据p_p ^t和实际的方位数据p_u ^t的情况下，预期的方位数据p_p ^t用作用于机器人的方位确定的方位数据。特别是可以借助“自间隔方法(Eigengap-Methode)”求取多个彼此一致的预期的方位数据p_p ^t和实际的方位数据p_u ^t。在相似性矩阵W中求取到恰好一组的彼此一致的预期的方位数据p_p ^t和实际的方位数据p_u ^t的情况下，实际的方位数据p_u ^t用作用于机器人的方位确定的无异常的方位数据能够实现在提出的用于机器人的方位确定的方法的范围中根据本发明地提高方位确定准确度和精度。在根据本发明的方法的一种替代的实施方式中，如果在分别彼此一致的预期的方位数据p_p ^t和实际的方位数据p_u ^t的组中求取到最后提供的实际的方位数据p_u ^t，那么该实际的方位数据p_u ^t用作用于机器人的方位确定的无异常的方位数据。在方法的一种实施方式中，否则将预期的方位数据p_p ^t用作用于机器人的方位确定的无异常的方位数据。

总之，根据本发明的方法可以用于在机器人的运动期间求取确定数量的预期的方位数据p_p ^t——例如以基于机器人的轮子的运动的不准确的方位数据的形式——以及求取确定数量的实际的方位数据p_u ^t，例如以基于激光雷达传感器的相对较准确的方位数据的形式。借助所求取的预期的方位数据p_p ^t和求取的实际的方位数据p_u ^t接着建立相似性矩阵W，该相似性矩阵W对于确定数量的预期的方位数据p_p ^t和实际的方位数据p_u ^t编码各个预期的方位数据p_p ^t和实际的方位数据p_u ^t的彼此一致性。接着，借助簇分析来辨识分别彼此一致的预期的方位数据p_p ^t和实际的方位数据p_u ^t的组。如果仅存在唯一的这样的一组——即方位数据是一致的——那么基于另外的方位确定、例如使用卡尔曼滤波器来应用实际的方位数据p_u ^t。

最后还应提及的是，根据本发明的方法也可以扩展到另外的预期的方位数据p_p ^t和/或另外的实际的方位数据p_u ^t的应用，其例如使用另外的传感器设备求取。在此，另外的方位数据同样进入相似性矩阵W中，其中，该相似性矩阵采取较高的维度。

根据本发明也提出一种用于机器人的方位确定设备，该机器人尤其是自主的机器人，该方位确定设备具有至少一个计算单元，所述至少一个计算单元设置用于执行根据本发明的用于方位确定的方法。

“计算单元”至少应理解为一种如下设备：其具有用于接收信息的信息输入端，用于处理、尤其计算信息的信息处理单元以及用于传递经处理和/或计算的信息的信息输出端。有利地，计算单元具有如下构件，其包括至少一个处理器、存储器和带有分析处理和计算例程的运行程序。有利地，计算单元的电子构件可以布置在电路板上，例如在与用于控制机器人并尤其也以微控制器的形式的控制设备共同的电路板上。控制设备和计算单元尤其也可以实施为单个构件。计算单元设置用于获得和处理、特别是分析处理、传递且如果必要也存储方位数据、特别是预期的方位数据p_p ^t和实际的方位数据p_u ^t。特别是计算单元设置和编程用于实施根据本发明的用于机器人的方位确定的方法的方法步骤。

此外，根据本发明提出一种机器人、特别是自主的机器人，其具有至少一个根据本发明的方位确定设备，还具有：至少一个第一传感器设备，其用于求取位置数据和/或里程数据和/或定向数据(通常总结为“方位数据”)以及用于提供由位置数据和/或里程数据和/或定向数据推导出的预期的方位数据p_p ^t；第二传感器设备，其用于求取位置数据和/或里程数据和/或定向数据(通常总结为“方位数据”)以及用于提供由位置数据和/或里程数据和/或定向数据推导出的实际的方位数据p_u ^t。“传感器设备”在此应特别是理解为如下设备：该设备设置用于记录至少一个特征参量和/或信息和/或物理特征，其中，记录可以如特别是通过产生、发送和检测测量信号主动地发生，和/或如特别是通过检测传感器构件的特征变化被动地发生。可以设想不同的、对于本领域内技术人员显得有意义的传感器设备，其特别是例如可以考虑光学传感器、特别是拍摄传感器、声学传感器、特别是超声波传感器或者倾斜、间距、平移、加速、转动、接触、感应、电容、温度、湿度、射线、化学敏感的传感器等。传感器设备至少具有用于探测障碍物和/或用于限制处理面的传感器。

自主的机器人尤其可以实现为自主的扫地机、自主的清洁机器人、自主的扫雪机器人、自主的吸尘器、自主的游泳池清洁机、自主的地板擦拭机器人、自主的割草机、自主的锯机、自主的施肥机器、自主的测绘机或自主的机器人的其他对于本领域内的技术人员显得有意义的实施方式。

附图说明

根据在附图中示出的实施例在以下描述中进一步阐明本发明。附图、说明书和权利要求包含多个组合的特征。本领域技术人员根据目的将所述特征单独地考虑以及合并成有意义的另外的组合。附图中相同的附图标记表示相同元素。附图示出：

图1在透视的示意图中示出根据本发明的自主机器人的一种实施方式；

图2示出根据本发明的用于方位确定的方法的一种实施方式的流程图。

具体实施方式

图1示出机器人10的一种实施方式，如其例如可以实现为以自主的割草机10‘形式的自主的机器人。机器人10例如可以设置用于以任意形式处理机器人在其上运动的面12。在下文中所描述的基本原则在其他实施例的范围中可以转移到机器人10的可以满足各种各样的任务的任意实施方案，例如作为吸尘机器人、扫地机器人、清洁机器人、扫雪机器人、地板擦拭机器人、特别是也仅仅作为没有另外的处理功能的测绘机器人。

在图1中的机器人10——在自主割草机10‘的示例性的实施方式中——具有控制设备14。控制设备14具有至少一个存储单元16、处理器(未进一步示出)以及用于数据传输的数据通信接口18。控制设备14连同其构件至少部分地布置在机器人10的壳体20中。数据通信接口18用于数据传输，特别是无线或有线的数据传输，特别是用于数据传输给外部设备，例如平板电脑、智能电话、计算机、另外的机器人等。控制设备14尤其设置用于控制或调节机器人10的运动(通过箭头22标明)且特别是使用用于使机器人10运动的驱动单元24实现机器人10的运动。此外，机器人10具有方位确定设备26，该方位确定设备包括至少一个计算单元28，其设置和编程用于实施根据本发明的方法(参见图2)。此外，机器人10具有用户接口30，通过该用户接口可以将信息输出给操作者或者可以由操作者输入信息。特别是输出单元30由触摸显示器30‘形成。

为了移动，机器人10、特别是自主的割草机10‘具有轮子32，轮子32用于机器人10的驱动和方向变化。轮子32与电机(在此未示出)耦合且可以借助用于使机器人10的运动的驱动单元24来控制和运动。

自主的机器人10的能量供给设备(在此未示出)设置用于使机器人10起动和在运行期间给机器人10供给电能。优选地，该设备涉及独立于电网的蓄能器，特别是蓄电池。特别是能量供给设备为了在自主的机器人10中和/或在自主的机器人10以外供给能量而又由电网进行供电和充电。

机器人10、特别是方位确定设备26还具有第一传感器设备34a，用于求取方位数据和定向数据。第一传感器设备34a在该实施例中设置成与用于使机器人运动的驱动单元24直接进行通信。借助第一传感器设备34a可以由运动、特别是在测量轮子32的转动之后推断出机器人10经过的路段长度。同样第一传感器设备34a探测在经过的轨迹或路段区段之间的角变化。由该角和经过的路段长度求取关于机器人10在其上运动的面12以自主的机器人10的二维坐标的形式的预期的方位数据p_p ^t。第一传感器设备34a还设置用于，将由求取的方位数据和定向数据求取的预期的方位数据p_p ^t提供给方位确定设备26的计算单元28。

应指明的是，第一传感器设备34a为了提供所预期的方位数据p_p ^t也可以设置成使用多个传感器、例如使用GPS传感器或超声波传感器来提供方位数据。例如，由所述多个传感器提供的传感器数据可以计算、特别是合并或求平均所预期的方位数据p_p ^t。

在机器人10的替代的、未进一步示出的实施例中，第一传感器设备34a或方位确定设备26设置用于，基于第一传感器设备34a的测量的位置和定向数据且基于先前确定的实际的方位数据p_u ^t合并和提供预期的方位数据p_p ^t。

机器人10、特别是方位确定设备26还具有第二传感器设备34b，用于求取方位数据和定向数据。第二传感器设备34b在该实施例中构造为激光雷达传感器且设置成在测量机器人10的周围环境之后推断出机器人10的当前方位。在此，至包围机器人10的对象(在此未进一步示出)的测量的距离借助数字地图的方位数据在地图校准方法的范畴内进行校准，且如此借助地图校准方法由借助第二传感器设备34b提供的方位数据求取实际的方位数据p_u ^t且将其提供给方位确定设备26。周围环境的数字地图在该实施例中作为在机器人10的存储单元16上在设备内部存储的地图存在。数字地图在初始的学习行驶中被记录和存储。

图2示出根据本发明的用于机器人10的方位确定的方法的一个示例性实施方式的方法流程图，所述机器人特别是如结合图1所描述的自主机器人10‘。在第一方法步骤100中，提供对于机器人10的预期方位的预期的方位数据p_p ^t。使用第一传感器设备34a、特别是作为不准确的方位数据检测和提供预期的方位数据p_p ^t。在方法步骤102中，提供对于机器人10的实际方位的实际的方位数据p_u ^t。使用第二传感器设备34b——特别是作为相对较准确的方位数据——来检测和提供实际的方位数据p_u ^t。在方法步骤104中，基于对于5个等距的时间[t₀、t₁、t₂、t₃、t₄]提供的各5个预期的方位数据p_p ^t和5个实际的方位数据p_u ^t建立相似性矩阵W作为(5×5)矩阵。数量“5”和与之关联的等距的时间[t₀、t₁、t₂、t₃、t₄]如此选择，使得在预给定的平均移动速度的情况下每10厘米分别提供1组各5个预期的方位数据p_p ^t和5个实际的方位数据p_u ^t给方位确定设备30(亦即在此：t₀＝2秒、t₁＝4秒、t₂＝6秒、t₃＝8秒、t₄＝10秒)。因此可以实现机器人10的位置的±10cm的分辨精度。在方法步骤106中，接下来实施相似性矩阵W的簇分析，且在此推导出或确定分别彼此一致的预期的方位数据p_p ^t和实际的方位数据p_u ^t的组。在方法步骤108中检查：是否在相似性矩阵W中存在恰好一组的彼此一致的预期的方位数据p_p ^t和实际的方位数据p_u ^t。如果确认该检查，那么在方法步骤110中将实际的方位数据p_u ^t用作用于机器人10的方位确定的无异常的方位数据。然而如果未确认该检查，那么在方法步骤112中将预期的方位数据p_p ^t用于机器人10的方位确定。

在方法的一种替代的实施方式中，也可以在方法步骤108中检查：是否在分别彼此一致的预期的方位数据p_p ^t和实际的方位数据p_u ^t的组中求取到最后提供的实际的方位数据p_u ^t。如果确认该检查，那么在替代的方法步骤110中实际的方位数据p_u ^t用作用于机器人10的方位确定的无异常的方位数据。然而如果未确认该检查，那么在替代的方法步骤112中将预期的方位数据p_p ^t用于机器人10的方位确定。

根据本发明的方法重复地进行，如在图2中通过箭头114所标明的那样。

Claims (18)

1.一种用于机器人(10)的方位确定的方法，所述方法包括：

-至少一个方法步骤，在所述至少一个方法步骤中提供对于所述机器人(10)的预期方位的预期的方位数据p_p ^t；

-至少一个方法步骤，在所述至少一个方法步骤中提供对于所述机器人(10)的实际方位的实际的方位数据p_u ^t；

方法步骤：在所述方法步骤中使用所述预期的方位数据p_p ^t和所述实际的方位数据p_u ^t来求取无异常的方位数据，将所述无异常的方位数据用于所述机器人(10)的方位确定，其中，在建立相似性矩阵的情况下，求取彼此一致的预期的方位数据p_p ^t和实际的方位数据p_u ^t，并且分别基于预期的方位数据p_p ^t和实际的方位数据p_u ^t建立所述相似性矩阵，并且借助所述相似性矩阵的簇分析来求取分别彼此一致的预期的方位数据p_p ^t和实际的方位数据p_u ^t的组，其中，如果在所述相似性矩阵中求取到恰好一组的彼此一致的预期的方位数据p_p ^t和实际的方位数据p_u ^t，或者如果在所述分别彼此一致的预期的方位数据p_p ^t和实际的方位数据p_u ^t的组中求取到最后提供的所述实际的方位数据p_u ^t，那么所述实际的方位数据p_u ^t用作用于所述机器人(10)的方位确定的无异常的方位数据。

2.根据权利要求1所述的方法，其特征在于，作为(n×n)矩阵分别基于n个预期的方位数据p_p ^t和n个实际的方位数据p_u ^t建立所述相似性矩阵，所述n个预期的方位数据p_p ^t和所述n个实际的方位数据p_u ^t分别在n个时间[t_s，t_s+1，...t_s+n-1]提供。

3.根据权利要求2所述的方法，其特征在于，所述数量n通过预给定所述方位确定的分辨率精度来限定。

4.根据权利要求2或3所述的方法，其特征在于，n≥3。

5.根据权利要求1至3中任一项所述的方法，其特征在于，借助所述机器人(10)的至少一个第一传感器设备(34a)提供所述预期的方位数据p_p ^t。

6.根据权利要求1至3中任一项所述的方法，其特征在于，基于先前确定的实际的方位数据p_u ^t提供所述预期的方位数据p_p ^t。

7.根据权利要求5所述的方法，其特征在于，借助所述机器人(10)的至少一个第二传感器设备(34b)提供所述实际的方位数据p_u ^t。

8.根据权利要求7所述的方法，其特征在于，借助地图校准方法由借助所述第一传感器设备(34a)提供的方位数据和/或借助所述第二传感器设备(34b)提供的方位数据来求取所述实际的方位数据p_u ^t。

9.根据权利要求1所述的方法，其特征在于，所述机器人是自主的机器人(10‘)。

10.根据权利要求2所述的方法，其特征在于，所述n个预期的方位数据p_p ^t和所述n个实际的方位数据p_u ^t分别在n个等距的时间提供。

11.根据权利要求3所述的方法，其特征在于，所述时间[t_s，t_s+1，...，t_s+n-1]的时间间隔通过预给定所述方位确定的分辨率精度来限定。

12.根据权利要求2或3所述的方法，其特征在于，n≥5。

13.根据权利要求2或3所述的方法，其特征在于，n≥7。

14.根据权利要求7所述的方法，其特征在于，所述实际的方位数据p_u ^t作为绝对方位数据来检测和提供。

15.一种机器人(10)的方位确定设备(26)，所述方位确定设备具有至少一个计算单元(28)，所述至少一个计算单元设置用于执行根据权利要求1-14中任一项所述的用于方位确定的方法。

16.根据权利要求15所述的方位确定设备(26)，所述机器人(10)是自主的机器人(10‘)。

17.一种机器人(10)，所述机器人具有至少一个根据权利要求15或16所述的方位确定设备(26)，所述机器人还具有：

-至少一个第一传感器设备(34a)，所述至少一个第一传感器设备用于求取位置数据和/或里程数据和/或定向数据并且用于提供由所述位置数据和/或所述里程数据和/或所述定向数据推导出的预期的方位数据p_p ^t；

-至少一个第二传感器设备(34b)，所述至少一个第二传感器设备用于求取位置数据和/或里程数据和/或定向数据并且用于提供由所述位置数据和/或所述里程数据和/或所述定向数据推导出的实际的方位数据p_u ^t。

18.根据权利要求17所述的机器人(10)，其特征在于，所述机器人是自主的机器人(10‘)。