[發明專利]機器人感測裝置和傳感器規劃方法

在審

• 申請號: 201780080502.1
• 申請日: 2017-10-11
• 公開（公告）號: CN110114193A
• 公開（公告）日: 2019-08-09
• 發明（設計）人: 謝爾·南·林;大衛·斯科特·迪溫斯基;邊霄;韋恩·雷·格雷迪;穆斯塔法·戈卡恩·烏尊巴斯;穆斯塔法·德夫里姆·卡巴
• 申請（專利權）人: 通用電氣公司
• 主分類號: B25J9/16
• 分類號: B25J9/16;G05B19/401;G05D1/00
• 代理公司: 上海華誠知識產權代理有限公司 31300
• 代理人: 肖華

1.一種用于經由包括一個或多個傳感器的裝置獲取樣本的傳感器規劃的計算機實施方法，其特征在于，所述計算機實施方法包括：

通過一個或多個計算設備，限定感興趣區域；

通過所述一個或多個計算設備，識別所述一個或多個傳感器的一個或多個感測參數；

通過所述一個或多個計算設備，至少部分地基于所述一個或多個感測參數，確定用于由所述一個或多個傳感器獲取多個樣本的采樣組合；和

通過所述一個或多個計算設備，向包括所述一個或多個傳感器的所述裝置提供一個或多個命令控制信號，以至少基于所述采樣組合，使用所述一個或多個傳感器獲取所述感興趣區域的所述多個樣本。

2.根據權利要求1所述的計算機實施方法，其特征在于，其中確定由所述一個或多個傳感器獲取的采樣組合包括：

通過一個或多個計算設備，至少基于強化學習算法確定重疊指數的組合；

通過一個或多個計算設備，至少基于由所述一個或多個傳感器覆蓋的總區域、重疊邊緣和所述一個或多個重疊指數，計算一個或多個采樣組合的計分函數；和

通過一個或多個計算設備，選擇對應于最大計分函數的所述采樣組合。

3.根據權利要求2所述的計算機實施方法，其特征在于，其中所述強化學習算法包括使用SARSA、Q-學習和策略梯度強化學習算法中的至少一個。

4.根據權利要求2所述的計算機實施方法，其特征在于，其中至少基于強化學習算法確定重疊指數的組合包括確定零和非零重疊指數的組合。

5.根據權利要求1所述的計算機實施方法，其特征在于，其中確定用于由所述一個或多個傳感器獲取多個樣本的采樣組合至少基于計分函數，其中所述計分函數是覆蓋的總區域、重疊邊緣和重疊指數中的至少一個的函數。

6.根據權利要求1所述的計算機實施方法，其特征在于，其中識別一個或多個感測參數包括計算所述感興趣區域的至少一部分的曲率和/或法向矢量。

7.根據權利要求1所述的計算機實施方法，其特征在于，其中識別一個或多個感測參數包括限定由所述一個或多個傳感器覆蓋的總區域。

8.根據權利要求1所述的計算機實施方法，其特征在于，其中識別一個或多個感測參數包括限定測量分辨率、視場和/或景深中的一個或多個。

9.根據權利要求1所述的計算機實施方法，其特征在于，其中限定感興趣區域包括接收點云。

10.根據權利要求1所述的計算機實施方法，其特征在于，其中限定感興趣區域包括限定所述一個或多個傳感器在其中操作的有限空間。

11.根據權利要求1所述的計算機實施方法，其特征在于，其中獲取所述多個樣本包括平移一個或多個傳感器和/或平移所述感興趣區域。

12.根據權利要求1所述的計算機實施方法，其特征在于，其中識別一個或多個感測參數包括限定所述一個或多個傳感器的一個或多個平移。

13.根據權利要求1所述的計算機實施方法，其特征在于，其中所述一個或多個傳感器是成像設備、接近傳感器或其組合。

14.一種用于傳感器規劃的機器人感測裝置，其特征在于，所述裝置包括一個或多個傳感器和計算設備，所述計算設備包括一個或多個處理器和一個或多個存儲器設備，所述一個或多個存儲器設備存儲指令，當所述指令由所述一個或多個處理器執行時，使得所述一個或多個處理器執行操作，所述操作包括：

接收感興趣區域；

接收所述一個或多個傳感器的一個或多個感測參數；

確定用于由所述一個或多個傳感器獲取多個樣本的采樣組合；和

至少基于所述采樣組合，使用所述一個或多個傳感器獲取所述多個樣本。