一种导航机器人式运载工具的方法，包括：由所述机器人式运载工具的向后图像传感器捕获图像；

由所述机器人式运载工具的处理器使用所捕获的图像来执行同时定位和地图绘制(SLAM)跟踪；

由所述处理器确定所述机器人式运载工具是否正在接近障碍物；

由所述处理器响应于确定所述机器人式运载工具正在接近障碍物，来确定所述机器人式运载工具的所述图像传感器的旋转角度是否超过旋转门限；

由所述处理器响应于确定所述图像传感器的所述旋转角度超过所述旋转门限，来确定SLAM跟踪是否稳定；以及由所述处理器响应于确定所述SLAM跟踪不稳定，来重新初始化所述机器人式运载工具的姿态

权利要求1-30不具备专利法第二十二条第三款规定的创造性。

1、权利要求1要求保护一种导航机器人式运载工具的方法，对比文件1(US2016144505A1)  公开了用于执行遮挡检测的系统和方法，并具体公开了(参见说明书具体实施例部分和附图): 种导航移动机器人车辆的方法，移动机器人车辆10包括一个或多个后向倾斜相机410,后向 倾斜相机410用于捕获图像(即由所述机器人式运载工具的向后图像传感器捕获图像);处理器 使用所捕获的图像来执行同时定位和地图绘制(SLAM)跟踪；机器人主体100的前部105承载缓 冲器115,缓冲器115可以用于检测(例如，经由缓冲器传感器系统550的一个或多个传感器) 事件，包括(但不限于)移动机器人10的驱动路径中的障碍物。根据移动机器人10的行为编 程，它可以通过控制轮模块11la、111b以响应于事件(例如，远离检测到的障碍物返回)操纵 机器人10来响应由保险杠115、悬崖传感器119a-119f 和一个或多个接近传感器120a-120n 检 测到的事件(例如，障碍物、悬崖、墙壁)(即由所述处理器确定所述机器人式运载工具是否正 在接近障碍物)。

权利要求1与对比文件1相比，区别特征是：由所述处理器响应于确定所述机器人式运载 工具正在接近障碍物，来确定所述机器人式运载工具的所述图像传感器的旋转角度是否超过旋 转门限；由所述处理器响应于确定所述图像传感器的所述旋转角度超过所述旋转门限，来确定 SLAM 跟踪是否稳定；以及由所述处理器响应于确定所述 SLAM跟踪不稳定，来重新初始化所述 机器人式运载工具的姿态。基于上述区别特征，确定权利要求1实际解决的技术问题是：如何 实现机器人的稳定视觉跟踪导航。

对比文件2(US2010049391A1)公开了自动移动装置，并具体公开了(参见说明书具体实施 例部分和附图):包括激光测距仪20,其被布置成测量设备1与周围环境中存在的物体(例如， 墙壁和障碍物等)之间的距离；加速度传感器21,其被布置成检测激光测距仪20的倾斜度； 计算读取的倾斜角的微分值，当倾斜角的微分值低于规定阈值时，基于由激光测距仪20获取的 距离信息和角度信息以及由编码器16检测到的每个电动马达12的旋转角度来估计自身位置， 并且基于由激光测距仪20获取的距离信息和角度信息来生成全局地图(SLAM)。 当倾斜角的微 分值超过规定阈值时，确定激光测距仪20正在振动，并且停止使用激光测距仪20的检测结果 的自位置估计。然后，执行航位推算功能，其中基于从每个电动马达12的旋转角度获取的设备的行进量来估计自位置(即判断图像传感器旋转角度是否超过阈值，以确定 SLAM追踪是否稳 定)。

上述内容在对比文件2中的作用与其在权利要求1中的作用相同，均通过感测环境特征的 传感器运动角度是否超过阈值判定SLAM追踪的稳定性，可见对比文件2给出了结合启示。

对比文件3(CN102609942A)公开了使用深度图进行移动相机定位，并具体公开了(参见说 明书具体实施例部分和附图):实时相机跟踪失败时，启动重新定位，重新定位引擎322包括实 时地操作的跟踪失败检测器500。跟踪失败检测器500可以包括阈值502,该阈值502是取决于 所涉及的应用域而被预先配置的。例如，当该帧对齐引擎输出的对准参数改变超过阈值量时， 跟踪失败可能发生；当用于跟踪移动深度相机的位置和定向的迭代过程的收敛中发生失败时， 可以检测到跟踪失败。跟踪失败检测器500可以包括作为一个或多个规则、准则、阈值或其他 条件存储的运动试探(heuristic)504;      在一示例中，使用违反的三个方面的组合来根据以下检 测跟踪失败：违反运动试探、违反旋转阈值和/或当用于跟踪移动深度相机的位置和定向的迭代 过程的失败由于无法收敛或以太大的残留误差收敛而发生；重新定向引擎还包括重新定向过程 508,该重新定向过程可以使用关键帧或可以在没有关键帧的情况下操作。关键帧是先前通过实 时跟踪器收集的或人工生成的深度图或彩色视频帧。通过找到是当前相机视图的良好匹配的关 键帧来恢复跟踪，并且这提供了初始姿势估计，跟踪可以从该初始姿势估计重新开始(即判断 定SLAM追踪是否稳定，当SLAM跟踪不稳定，重新初始化所述机器人式运载工具的姿态)。

上述内容在对比文件3中的作用与其在权利要求1中的作用相同，均通过判定SLAM跟踪是 否稳定以及通过重新初始化机器人位姿响应 SLAM跟踪不稳定状态，可见对比文件3给出了结合 启示。

在此基础上，对于本领域技术人员来说使用处理器执行各计算判断步骤和响应控制步骤是 常规技术手段；由于传感器倾斜角度或者转动角度的异常变化常因为遇到障碍物导致，因此在 检测接近障碍物之后检测图像传感器的旋转角度是本领域技术人员容易想到的，不需要付出创 造性劳动，也未产生预料不到的技术效果。

因此，在对比文件1的基础上结合对比文件2、对比文件3和本领域公知常识得出权利要 求1所要求保护的技术方案，对本技术领域技术人员来说是显而易见的，权利要求1所要求保 护的技术方案不具有突出的实质性特点，因而不具备创造性。

2、权利要求10要求保护一种机器人式运载工具，对比文件1(US2016144505A1)公开了用 于执行遮挡检测的系统和方法，并具体公开了(参见说明书具体实施例部分和附图):移动机器 人车辆10(即机器人式运载工具)包括一个或多个后向倾斜相机410(即向后图像传感器),后向倾斜相机410被配置用于在同时定位和地图绘制(SLAM)跟踪中使用；处理器耦合到后向倾斜 相机410并且被配置为通过后向倾斜相机410捕获图像；使用所捕获的图像来执行同时定位和 地图绘制(SLAM)跟踪；确定移动机器人车辆10的主体100是否正在接近障碍物，响应于确定主 体100正在接近障碍物，控制轮模块11la 、111b。

权利要求10与对比文件1相比，区别特征是：由所述处理器响应于确定所述机器人式运载 工具正在接近障碍物，来确定所述机器人式运载工具的所述图像传感器的旋转角度是否超过旋 转门限；由所述处理器响应于确定所述图像传感器的所述旋转角度超过所述旋转门限，来确定 SLAM 跟踪是否稳定；以及由所述处理器响应于确定所述 SLAM跟踪不稳定，来重新初始化所述 机器人式运载工具的姿态。基于上述区别特征，确定权利要求10实际解决的技术问题是：如何 实现机器人的稳定视觉跟踪导航。

对比文件2(US2010049391A1)公开了自动移动装置，并具体公开了(参见说明书具体实施 例部分和附图):包括激光测距仪20,其被布置成测量设备1与周围环境中存在的物体(例如， 墙壁和障碍物等)之间的距离； 加速度传感器21,其被布置成检测激光测距仪20的倾斜度；  计算读取的倾斜角的微分值，当倾斜角的微分值低于规定阈值时，基于由激光测距仪20获取的  距离信息和角度信息以及由编码器16检测到的每个电动马达12的旋转角度来估计自身位置，  并且基于由激光测距仪20获取的距离信息和角度信息来生成全局地图(SLAM) 。当倾斜角的微 分值超过规定阈值时，确定激光测距仪20正在振动，并且停止使用激光测距仪20的检测结果 的自位置估计。然后，执行航位推算功能，其中基于从每个电动马达12的旋转角度获取的设 备的行进量来估计自位置(即判断图像传感器旋转角度是否超过阈值，以确定 SLAM追踪是否稳 定)。

上述内容在对比文件2中的作用与其在权利要求1中的作用相同，均通过感测环境特征的 传感器运动角度是否超过阈值判定 SLAM追踪的稳定性，可见对比文件2给出了结合启示。

对比文件3(CN102609942A)公开了使用深度图进行移动相机定位，并具体公开了(参见说 明书具体实施例部分和附图):实时相机跟踪失败时，启动重新定位，重新定位引擎322包括实 时地操作的跟踪失败检测器500。跟踪失败检测器500可以包括阈值502,该阈值502是取决于 所涉及的应用域而被预先配置的。例如，当该帧对齐引擎输出的对准参数改变超过阈值量时， 跟踪失败可能发生；当用于跟踪移动深度相机的位置和定向的迭代过程的收敛中发生失败时， 可以检测到跟踪失败。跟踪失败检测器500可以包括作为一个或多个规则、准则、阈值或其他 条件存储的运动试探(heuristic)504;      在一示例中，使用违反的三个方面的组合来根据以下检 测跟踪失败：违反运动试探、违反旋转阈值和/或当用于跟踪移动深度相机的位置和定向的迭代过程的失败由于无法收敛或以太大的残留误差收敛而发生；重新定向引擎还包括重新定向过程 508,该重新定向过程可以使用关键帧或可以在没有关键帧的情况下操作。关键帧是先前通过实 时跟踪器收集的或人工生成的深度图或彩色视频帧。通过找到是当前相机视图的良好匹配的关 键帧来恢复跟踪，并且这提供了初始姿势估计，跟踪可以从该初始姿势估计重新开始(即判断 定SLAM追踪是否稳定，当SLAM跟踪不稳定，重新初始化所述机器人式运载工具的姿态)。

上述内容在对比文件3中的作用与其在权利要求1中的作用相同，均通过判定SLAM跟踪是 否稳定以及通过重新初始化机器人位姿响应 SLAM跟踪不稳定状态，可见对比文件3给出了结合 启示。

在此基础上，对于本领域技术人员来说使用处理器执行各计算判断步骤和响应控制步骤是 常规技术手段；由于传感器倾斜角度或者转动角度的异常变化常因为遇到障碍物导致，因此在 检测接近障碍物之后检测图像传感器的旋转角度是本领域技术人员容易想到的，不需要付出创 造性劳动，也未产生预料不到的技术效果。

因此，在对比文件1的基础上结合对比文件2、对比文件3和本领域公知常识得出权利要 求10所要求保护的技术方案，对本技术领域技术人员来说是显而易见的，权利要求10所要求 保护的技术方案不具有突出的实质性特点，因而不具备创造性。

3、权利要求19要求保护一种其上存储有处理器可执行指令的非暂时性处理器可读介质， 对比文件1(US2016144505A1)公开了用于执行遮挡检测的系统和方法，并具体公开了(参见说 明书具体实施例部分和附图):移动机器人行为控制应用710可以使用与包含非暂时性机器可读 指令的存储器通信的一个或多个处理器来实现(一种其上存储有处理器可执行指令的非暂时性 处理器可读介质),所述非暂时性机器可读指令配置处理器以实现编程行为730和控制仲裁器 750,编程行为730可以包括可以用于致动移动机器人10的不同行为的各种模块(所述处理器 可执行指令被配置为使得机器人式运载工具的处理器执行包括以下各项的操作):

移动机器人车辆10包括一个或多个后向倾斜相机410,后向倾斜相机410用于捕获图像， 处理器使用所捕获的图像来执行同时定位和地图绘制(SLAM)跟踪(使用由所述机器人式运载工 具的向后图像传感器捕获的图像来执行同时定位和地图绘制(SLAM)跟踪);机器人主体100的前 部105承载缓冲器115,缓冲器115可以用于检测(例如，经由缓冲器传感器系统550的一个 或多个传感器)事件，包括(但不限于)移动机器人10的驱动路径中的障碍物。  根据移动机 器人10的行为编程，它可以通过控制轮模块11la 、111b  以响应于事件(例如，远离检测到的 障碍物返回)操纵机器人10来响应由保险杠115、悬崖传感器119a-119f 和一个或多个接近传 感器120a-120n 检测到的事件(例如，障碍物、悬崖、墙壁)(确定所述机器人式运载工具是否正在接近障碍物，并进行响应)。

权利要求19与对比文件1相比，区别特征是：响应于确定所述机器人式运载工具正在接近 障碍物，来确定所述机器人式运载工具的所述图像传感器的旋转角度是否超过旋转门限；响应 于确定所述图像传感器的所述旋转角度超过所述旋转门限，来确定SLAM跟踪是否稳定；以及响 应于确定所述SLAM跟踪不稳定，来重新初始化所述机器人式运载工具的姿态。基于上述区别特 征，确定权利要求19实际解决的技术问题是：如何实现机器人的稳定视觉跟踪导航。

对比文件2(US2010049391A1)公开了自动移动装置，并具体公开了(参见说明书具体实施 例部分和附图):包括激光测距仪20,其被布置成测量设备1与周围环境中存在的物体(例如， 墙壁和障碍物等)之间的距离；加速度传感器21,其被布置成检测激光测距仪20的倾斜度；  计算读取的倾斜角的微分值，当倾斜角的微分值低于规定阈值时，基于由激光测距仪20获取的  距离信息和角度信息以及由编码器16检测到的每个电动马达12的旋转角度来估计自身位置，  并且基于由激光测距仪20获取的距离信息和角度信息来生成全局地图(SLAM)。 当倾斜角的微 分值超过规定阈值时，确定激光测距仪20正在振动，并且停止使用激光测距仪20的检测结果 的自位置估计。然后，执行航位推算功能，其中基于从每个电动马达12的旋转角度获取的设 备的行进量来估计自位置(即判断图像传感器旋转角度是否超过阈值，以确定 SLAM追踪是否稳 定)。

上述内容在对比文件2中的作用与其在权利要求1中的作用相同，均通过感测环境特征的 传感器运动角度是否超过阈值判定 SLAM追踪的稳定性，可见对比文件2给出了结合启示。

对比文件3(CN102609942A)公开了使用深度图进行移动相机定位，并具体公开了(参见说 明书具体实施例部分和附图):实时相机跟踪失败时，启动重新定位，重新定位引擎322包括实 时地操作的跟踪失败检测器500。跟踪失败检测器500可以包括阈值502,该阈值502是取决于 所涉及的应用域而被预先配置的。例如，当该帧对齐引擎输出的对准参数改变超过阈值量时， 跟踪失败可能发生；当用于跟踪移动深度相机的位置和定向的迭代过程的收敛中发生失败时， 可以检测到跟踪失败。跟踪失败检测器500可以包括作为一个或多个规则、准则、阈值或其他 条件存储的运动试探(heuristic)504;       在一示例中，使用违反的三个方面的组合来根据以下检 测跟踪失败：违反运动试探、违反旋转阈值和/或当用于跟踪移动深度相机的位置和定向的迭代 过程的失败由于无法收敛或以太大的残留误差收敛而发生；重新定向引擎还包括重新定向过程 508,该重新定向过程可以使用关键帧或可以在没有关键帧的情况下操作。关键帧是先前通过实 时跟踪器收集的或人工生成的深度图或彩色视频帧。通过找到是当前相机视图的良好匹配的关 键帧来恢复跟踪，并且这提供了初始姿势估计，跟踪可以从该初始姿势估计重新开始(即判断上述内容在对比文件3中的作用与其在权利要求1中的作用相同，均通过判定SLAM 跟踪是 否稳定以及通过重新初始化机器人位姿响应SLAM跟踪不稳定状态，可见对比文件3给出了结合 启示。

在此基础上，对于本领域技术人员来说使用处理器执行各计算判断步骤和响应控制步骤是 常规技术手段；由于传感器倾斜角度或者转动角度的异常变化常因为遇到障碍物导致，因此在 检测接近障碍物之后检测图像传感器的旋转角度是本领域技术人员容易想到的，不需要付出创 造性劳动，也未产生预料不到的技术效果。

因此，在对比文件1的基础上结合对比文件2、对比文件3和本领域公知常识得出权利要 求19所要求保护的技术方案，对本技术领域技术人员来说是显而易见的，权利要求19所要求 保护的技术方案不具有突出的实质性特点，因而不具备创造性。

4、权利要求26要求保护一种机器人式运载工具，对比文件1(US2016144505A1)公开了用 于执行遮挡检测的系统和方法，并具体公开了(参见说明书具体实施例部分和附图):移动机器 人车辆10(即机器人式运载工具)包括一个或多个后向倾斜相机410(即用于捕获图像的单元；), 后向倾斜相机410用于捕获图像，处理器使用所捕获的图像来执行同时定位和地图绘制(SLAM) 跟踪(用于使用所捕获的图像来执行同时定位和地图绘制(SLAM)跟踪的单元);确定移动机器人 车辆10的主体100是否正在接近障碍物，响应于确定主体100正在接近障碍物，控制轮模块 111a 、111b (用于确定所述机器人式运载工具是否正在接近障碍物的单元，并进行响应)。

权利要求26与对比文件1相比，区别特征是：用于响应于确定所述机器人式运载工具正在 接近障碍物，来确定所述机器人式运载工具的所述图像传感器的旋转角度是否超过旋转门限的 单元；用于响应于确定所述图像传感器的所述旋转角度超过所述旋转门限，来确定SLAM跟踪是 否稳定的单元；以及用于响应于确定所述SLAM跟踪不稳定，来重新初始化所述机器人式运载工 具的姿态的单元。基于上述区别特征，确定权利要求26实际解决的技术问题是：如何实现机器 人的稳定视觉跟踪导航。

对比文件2(US2010049391A1)公开了自动移动装置，并具体公开了(参见说明书具体实施 例部分和附图):包括激光测距仪20,其被布置成测量设备1与周围环境中存在的物体(例如， 墙壁和障碍物等)之间的距离；加速度传感器21,其被布置成检测激光测距仪20的倾斜度； 计算读取的倾斜角的微分值，当倾斜角的微分值低于规定阈值时，基于由激光测距仪20获取的 距离信息和角度信息以及由编码器16检测到的每个电动马达12的旋转角度来估计自身位置，  并且基于由激光测距仪20获取的距离信息和角度信息来生成全局地图(SLAM)。当倾斜角的微分值超过规定阈值时，确定激光测距仪20正在振动，并且停止使用激光测距仪20的检测结果 的自位置估计。然后，执行航位推算功能，其中基于从每个电动马达12的旋转角度获取的设 备的行进量来估计自位置(即判断图像传感器旋转角度是否超过阈值，以确定 SLAM追踪是否稳 定)。

上述内容在对比文件2中的作用与其在权利要求1中的作用相同，均通过感测环境特征的 传感器运动角度是否超过阈值判定 SLAM追踪的稳定性，可见对比文件2给出了结合启示。

对比文件3(CN102609942A)公开了使用深度图进行移动相机定位，并具体公开了(参见说 明书具体实施例部分和附图):实时相机跟踪失败时，启动重新定位，重新定位引擎322包括实 时地操作的跟踪失败检测器500。跟踪失败检测器500可以包括阈值502,该阈值502是取决于 所涉及的应用域而被预先配置的。例如，当该帧对齐引擎输出的对准参数改变超过阈值量时， 跟踪失败可能发生；当用于跟踪移动深度相机的位置和定向的迭代过程的收敛中发生失败时， 可以检测到跟踪失败。跟踪失败检测器500可以包括作为一个或多个规则、准则、阈值或其他 条件存储的运动试探(heuristic)504;       在一示例中，使用违反的三个方面的组合来根据以下检 测跟踪失败：违反运动试探、违反旋转阈值和/或当用于跟踪移动深度相机的位置和定向的迭代 过程的失败由于无法收敛或以太大的残留误差收敛而发生；重新定向引擎还包括重新定向过程 508,该重新定向过程可以使用关键帧或可以在没有关键帧的情况下操作。关键帧是先前通过实 时跟踪器收集的或人工生成的深度图或彩色视频帧。通过找到是当前相机视图的良好匹配的关 键帧来恢复跟踪，并且这提供了初始姿势估计，跟踪可以从该初始姿势估计重新开始(即判断 定SLAM追踪是否稳定，当SLAM跟踪不稳定，重新初始化所述机器人式运载工具的姿态)。

上述内容在对比文件3中的作用与其在权利要求1中的作用相同，均通过判定SLAM 跟踪是 否稳定以及通过重新初始化机器人位姿响应SLAM跟踪不稳定状态，可见对比文件3给出了结合 启示。

在此基础上，对于本领域技术人员来说使用处理器执行各计算判断步骤和响应控制步骤是 常规技术手段；由于传感器倾斜角度或者转动角度的异常变化常因为遇到障碍物导致，因此在 检测接近障碍物之后检测图像传感器的旋转角度是本领域技术人员容易想到的，不需要付出创 造性劳动，也未产生预料不到的技术效果。因此，在对比文件1的基础上结合对比文件2、对 比文件3和本领域公知常识得出权利要求26所要求保护的技术方案，对本技术领域技术人员来 说是显而易见的，权利要求26所要求保护的技术方案不具有突出的实质性特点，因而不具备创 造性。

5、权利要求2、11、20、27是从属权利要求，对比文件1还公开了以下内容(参见说明书具体实施例部分和附图):由处理器识别在所捕获的图像中的特征；如果可检测特征的数量低于 用于检测地标的最小数量的特征的阈值，则移动机器人10将创建新的地标，在实施例中，界 标的阈值数量是以每英尺行进1-10个界标的速率检测到的可识别特征的集群(即由所述处理器 选择具有超过特征门限的数量的特征的捕获的图像；由所述处理器确定所选择的图像的跟踪特 征的数量是否超过跟踪门限)。

对比文件4 (US2016080644A1) 公开了移动辅助装置、移动辅助方法和计算机程序产品， 并具体公开了以下内容(参见说明书具体实施例部分和附图):第一确定单元123检测由成像单 元11拍摄的第一图像中的多个第一特征点；并且，基于检测到的第一特征点的数量和分布中 的至少一个，确定是否开始计算成像单元11的位置和取向。更具体地，如果第一特征点的数 量和分布中的至少一个超过第一阈值，则第一确定单元123确定开始计算成像单元11的位置和 取向。然而，如果第一特征点的数量和分布中的至少一个等于或小于第一阈值，则第一确定单 元123确定不能开始成像单元11的位置和方向的计算(即确定所述跟踪特征的所述分布超过分 布门限，来定位)。

上述内容在对比文件4中的作用与其在本申请中的作用相同，均基于图像特征分布阈值筛 选用于定位的图像，可见对比文件4给出了结合启示。在此基础上，对于本领域技术人员来说， 使用处理器执行各计算判断步骤和响应控制步骤是常规技术手段；通过确定跟踪特征是否超过 分布阈值，当超过分布阈值时，由处理器执行SLAM,即仅当不能从图像中提取足够的信息时才 进行SLAM以节约处理程序是容易想到的，当SLAM不稳定的时候，也即基于所捕获的图像可能 得到不准确的 SLAM结果的时候，再基于上述筛选手段筛选能够用以稳定SLAM跟踪的图像是本 领域技术人员容易想到的，不需要付出创造性劳动，也未产生预料不到的技术效果。因此所引 用的权利要求不具备创造性时，权利要求2、11、20、27所要求保护的技术方案也不具备创造 性。

6、权利要求3、12、21、28是从属权利要求，对比文件1还已经公开了以下内容(参见说 明书具体实施例部分和附图):倾斜相机125允许移动机器人10聚焦在典型室内环境内的特征 不变的区域上，诸如在门框、相框和其他静态家具和物体周围成像的那些特征，从而允许移动 机器人100重复地识别可靠的地标，从而在环境内准确地定位和映射。  另外，在实施方式中， 移动机器人10上的相机125是320×240VGA、0.0768MP相机(或640×480VGS、0.3MP相机), 其以小于30毫秒的速率以每秒3帧的图像处理速率传送图像。在实施方式中，相机125没有 IR 滤光器以用于在低照明环境中更好地检测特征。在实施方式中，如果可检测特征的数量低 于用于检测地标的最小数量的特征的阈值，则移动机器人10将创建新的地标。在实施例中，界标的阈值数量是以每英尺行进1-10个界标的速率检测到的可识别特征的集群，并且优选地以 大约每秒1英尺或大约每秒306mm的速率每英尺机器人行进3个界标。

对比文件5(CN1818545A)公开了远距离面内小位移测量系统，并具体公开了以下内容(参 见说明书具体实施例部分和附图):计算机接收并存储步骤b 中的初始状态图象数据，精确提取 合作标志的中心位置，计算图像上合作标志 PT、PB 间的距离和合作标志 PL、PR 间的距离，并 计算垂直和水平两个方向上的成像比例(即选择在图像的视场中具有两个或更多个目标对象的 捕获的图像；以及由处理器基于所选择的图像内所述目标对象的位置，来确定图像比例)。

上述内容在对比文件5中的作用与其在本申请中的作用相同，均通过具有多个目标的图像 计算图像比例，可见对比文件5给出了结合启示。在此基础上，对于本领域技术人员来说，在 初始化机器人位姿时获得图像比例是基于视觉进行SLAM的常规技术手段；为方便后续SLAM跟  踪稳定性判断，在初始化阶段确定图像传感器的旋转角度是否能够被确定也是本领域技术人员， 再基于上述筛选手段筛选能够用以稳定SLAM跟踪的图像是本领域技术人员容易想到的，不需要 付出创造性劳动，也未产生预料不到的技术效果。因此所引用的权利要求不具备创造性时，权  利要求3、12、21、28所要求保护的技术方案也不具备创造性。

7、权利要求4、13、22、29是从属权利要求，对于本领域技术人员来说，在初始化机器人 位姿时校正旋转角度是常规初始化流程；在对比文件已经公开获得多于两个的目标对象的图像 基础上，由处理器确定并响应于所选的图像包括多于两个的目标对象，基于此确定旋转角度校 正是本领域技术人员容易想到的。因此所引用的权利要求不具备创造性时，权利要求4、13、 22、29所要求保护的技术方案也不具备创造性。

8、权利要求5、14、23、30是从属权利要求，对比文件6 (US2016134860A1) 公开了使用 相机位置和姿态获得精度的成像对象的多模板改进3D建模，并具体公开了以下内容(参见说明 书具体实施例部分第3段):图1示出了这种3D 建模系统110在其操作环境10中的实施例，其 具有各种3D物体，诸如圆柱形物体12a 、房间12d中的基座12c 上的球12b, 以被捕获/建模。 具有已知尺寸的已知参考对象或模板14被放置在场景10中。如下面进一步描述的，3D建模 设备110的相机112和投影仪114的位置和姿态根据一系列捕获图像中的多个图像中的参考模 板/对象14的已知相对尺寸的失真来计算(即所述目标对象是球形的)。

上述内容在对比文件6中的作用与其在本申请中的作用相同，均通过设置球形目标对象测 试相机跟踪性能，可见对比文件6给出了结合启示。因此所引用的权利要求不具备创造性时， 权利要求5、14、23、30所要求保护的技术方案也不具备创造性。

9、权利要求6、15、24是从属权利要求，对比文件1已经公开了以下内容(参见说明书具体实施例部分和附图):斜相机125允许移动机器人10聚焦在典型室内环境内的特征不变的区 域上，诸如在门框、相框和其他静态家具和物体周围成像的那些特征，从而允许移动机器人100 重复地识别可靠的地标，从而在环境内准确地定位和映射；机器人10为在该照明强度下可辨别 的特征构建有用的定位地图，并且在实施方式中，机器人存储具有在各种光强度下查看的地标 的一个或多个持久地图，例如与包括与季节性照明变化相关联的一天中的时间和日历日期的数 据相关联的那些持久地图。在其他实施方式中，如果环境太暗并且照明不足以进行特征检测， 则移动机器人10将依赖于另一传感器或组合传感器，诸如瞄准地板的轮程计和光学航位推算漂 移检测传感器114(图1B) ( 例 如 ，LED或激光照明鼠标传感器)来定位。在一个实施方式中， 地标数据库650包括从可以被称为地标姿势的特定姿势捕获的地标图像(即特征包括以下各项 中的一项或多项：物理地形、轮廓、照明、建筑物固定设施和环境的视觉元素)。因此所引用的 权利要求不具备创造性时，权利要求6、15、24所要求保护的技术方案也不具备创造性。

10、权利要求7、16、25是从属权利要求，对比文件1还公开了以下内容(参见说明书具 体实施例部分和附图):执行SLAM 跟踪包括：遮挡检测数据包括直方图，该直方图标识相机视 场的不同部分并且提供视场的每个部分由VSLAM 应用使用以生成或标识特征的对应频率。在多 个实施例中，基于遮挡检测数据来检测遮挡相机的遮挡的存在还包括识别捕获图像中的相机视 场的未被VSLAM应用程序用于阈值数量的图像的一部分；当倾斜的前置相机125先前使用的相 同地标不再在前置相机125的视场内时，倾斜的后置相机410可以允许VLSAM过程使用这些地 标；移动机器人10可以使用前置相机125来检测和跟踪与地标相关联的一组特征，同时在向前 方向上朝向地标移动，并且在切换方向时，使用后置相机410来检测和跟踪同一组特征，同时 远离地标移动(由所述处理器识别在所捕获的图像中的特征；由所述处理器确定是否能够在捕 获的图像之间跟踪所识别的特征)。

在此基础上，对于本领域技术人员来说，由处理器根据在捕获的图像之间跟踪所识别的特 征，基于这些特征的失配数量与失配门限比较确定是否在丢失跟踪目标，基于判断结果，采用 旋转图像传感器或其他调整机器人姿态的方式以恢复稳定跟踪是容易想到的。因此所引用的权 利要求不具备创造性时，权利要求7、16、25所要求保护的技术方案也不具备创造性。

11、权利要求8-9,17-18是从属权利要求，对比文件1还已经公开了以下内容(参见说明 书具体实施例部分和附图):所述相机被定位在所述移动机器人的所述顶表面下方的凹陷结构 内，并且被倾斜，使得所述相机光轴在与所述顶表面一致的水平面上方以30-40度的锐角对准， 并且瞄准所述机器人主体的向前驱动方向，并且其中所述相机的所述视场在所述垂直方向上跨 越45-65度的视锥体；以高于向前运动方向的角度倾斜相机可以增加当相机朝向对象移动时在相机的视场上观察到的视差。特别地，使相机以高于向前运动方向的角度倾斜增加了在视场(相 机视场的具有最高角分辨率的部分)的中心内观察到的视差。在倾斜使得其光轴155相对于与 向前运动方向对准的水平轴形成锐角的相机的视场的中心内可观察到的特征将在朝向特征移动 时捕获的一系列图像中向上移动。因此，诸如(但不限于)经常悬挂在住宅墙壁上并且在任何 比例和各种照明条件下具有容易辨别的特征的相框和电视的对象为在住宅环境中操作的移动机 器人(诸如房屋清洁机器人)提供了优异的导航地标。将相机125向上倾斜还可以使移动机器 人10能够更精确地确定悬挂在墙壁上的物体的下侧的3D结构。此外，倾斜相机125允许移动 机器人10聚焦在典型室内环境内的特征不变的区域上。

在此基础上，对于本领域技术人员来说，已知调整角度使得相机能够捕获更多特征和更良 好的时差，为了不易丢失特征，基于相机形状尺寸确定安装位置和方向使得特征在视场中停留 较长时间是容易想到的，不需要付出创造性劳动，也未产生预料不到的技术效果。因此所引用 的权利要求不具备创造性时，权利要求8-9,17-18所要求保护的技术方案也不具备创造性。

权利要求1中的技术术语“旋转门限”属于申请人针对涉案申请技术方案的自造词，“旋转门限”没有在说明书中给出清晰完整明确的定义，本领域技术不清楚何为“旋转门限”，在专利诉讼或者FTO检索中，无法确认“旋转门限“的具体数值，说明书中也没有任何关于如何得出旋转门限具体数值的描述，因此权利要求1没有清楚的概况保护范围不符合专利法第26条第4款的规定。

权利要求1包括技术特征：

a由所述机器人式运载工具的向后图像传感器捕获图像；

b由所述机器人式运载工具的处理器使用所捕获的图像来执行同时定位和地图绘制(SLAM)跟踪；

c由所述处理器确定所述机器人式运载工具是否正在接近障碍物；

d由所述处理器响应于确定所述机器人式运载工具正在接近障碍物，来确定所述机器人式运载工具的所述图像传感器的旋转角度是否超过旋转门限；

e由所述处理器响应于确定所述图像传感器的所述旋转角度超过所述旋转门限，来确定SLAM跟踪是否稳定；

f以及由所述处理器响应于确定所述SLAM跟踪不稳定，来重新初始化所述机器人式运载工具的姿态

方案2对比文件US2016144505为最接近的对比文件：

对比文件US2016144505记载[0095] 图4所示的移动机器人10配置的前后倾斜摄像头125、410的剖视图在图5中进行了概念性展示。倾斜摄像头125、410被定位，使得每个摄像头125、410的各自光轴155a、155b在移动机器人10的前进和后退方向上相对于顶表面108成一个锐角φ对齐。通过将摄像头125、410设置在这些角度，前置摄像头125主要朝向墙壁、天花板、大型固定家具（如电视柜、沙发和台面的顶部），这些家具通常位于移动机器人10前方的典型室内环境中，而后置摄像头410主要朝向移动机器人10前进方向上的墙壁、天花板、大型固定家具的顶部（相当于权利要求中a由所述机器人式运载工具的向后图像传感器捕获图像；）。当移动机器人10沿前进方向行驶时，后置摄像头410主要对准后方环境中的静态特征（相当于权利要求中a由所述机器人式运载工具的向后图像传感器捕获图像；）。使用前后倾斜摄像头125、410使得移动机器人10能够观察到高浓度的可靠、静态和不变的特征，以在周围环境中构建反复可识别的独特地标，用于VSLAM（视觉同步定位与建图）中（相当于权利要求中b由所述机器人式运载工具的处理器使用所捕获的图像来执行同时定位和地图绘制(SLAM)跟踪；），同时保持检测这些特征的角度精度。此外，当这些地标不再在前置摄像头125的视野范围内时，后置倾斜摄像头410可以允许VLSAM过程使用之前由前置摄像头125使用的相同地标（相当于权利要求中b由所述机器人式运载工具的处理器使用所捕获的图像来执行同时定位和地图绘制(SLAM)跟踪；）。这在移动机器人10被配置为以“玉米行”模式导航其环境以及在被强行移动到新位置或因光照变化而失去姿态跟踪的情况下重新定位时特别有用。在这种情况下，每次移动机器人10转弯时，前置摄像头125使用的相同地标将由后置摄像头410捕获，用于返回路径的导航。此外，与移动机器人10使用例如360度全向相机相比，后置摄像头410可能检测地标的角度精度更高，假设相同的传感器分辨率。这是由于在使用窄视场镜头捕获周围环境中的特征时，可以达到更高的空间分辨率。

[0085] 除了导航系统120的相机125外，移动机器人10还可以包括不同类型的传感器系统500，以实现可靠和稳健的自主移动。额外的传感器系统500可以与其他传感器系统配合使用，以创建移动机器人10环境的感知，从而使机器人能够对该环境中的动作做出智能决策。各种传感器系统可以包括机器人主体100支持的一种或多种类型的传感器，包括但不限于障碍物检测相当于权利要求中c由所述处理器确定所述机器人式运载工具是否正在接近障碍物；）、障碍物回避（ODOA）传感器、通信传感器、导航传感器、测距传感器、接近传感器、接触传感器（例如，保险杠传感器）、声呐、雷达、LIDAR（激光雷达，光学遥感技术，通过测量散射光的特性来获取远处目标的距离和/或其他信息）和/或LADAR（激光探测与测距）。在某些实现方案中，传感器系统包括测距声呐传感器、接近悬崖检测器119a-119f、（相当于权利要求中c由所述处理器确定所述机器人式运载工具是否正在接近障碍物；）接近传感器120a-120n（例如，“n”表示在机器人10侧墙外观看的无限数量的接近传感器阵列），保险杠传感器系统550中的接触传感器、激光扫描仪和/或成像声呐。

[0079] 在许多实施例中，主体 100 的前部 105 携带一个缓冲器 115，可以用于检测（例如，通过缓冲器传感器系统 550 的一个或多个传感器）包括（但不限于）移动机器人 10 驱动路径中的障碍物等事件。相当于权利要求中c由所述处理器确定所述机器人式运载工具是否正在接近障碍物；）根据移动机器人 10 的行为编程，它可以通过控制轮模块 111a、111b 来响应缓冲器 115、悬崖传感器 119a-119f 和一个或多个接近传感器 120a-120n 检测到的事件（例如，障碍物、悬崖、墙壁）以应对事件（例如，退回检测到的障碍物）。（相当于权利要求中c由所述处理器确定所述机器人式运载工具是否正在接近障碍物；）

[0108] 一个用于在环境中导航的移动机器人行为控制应用710（基于但不限于VSLAM过程）概念性地展示于图7中。移动机器人行为控制应用710可以从移动机器人10携带的一个或多个传感器720（例如，机器视觉系统、碰撞、接近、墙壁、停滞和/或悬崖传感器）接收其周围环境的信息。移动机器人行为控制应用710可以根据从传感器760接收到的信息控制机器人的资源725（例如，轮子模块）的使用，导致移动机器人10执行基于周围环境的行为。例如，当移动机器人10用于清洁环境时，移动机器人行为控制应用710可以从导航系统120接收图像，并指示移动机器人10在环境中导航，同时避免在图像中检测到的障碍物和杂物。（相当于权利要求中c由所述处理器确定所述机器人式运载工具是否正在接近障碍物；）移动机器人行为控制应用710可以通过与包含非瞬态机器可读指令的存储器通信的一个或多个处理器来实现，这些指令将处理器配置为实现编程行为730和控制仲裁器750。

对比文件US2016144505与权利要求1包括区别技术特征：

d由所述处理器响应于确定所述机器人式运载工具正在接近障碍物，来确定所述机器人式运载工具的所述图像传感器的旋转角度是否超过旋转门限；要解决的技术问题如何确定图像传感器的姿态。

e由所述处理器响应于确定所述图像传感器的所述旋转角度超过所述旋转门限，来确定SLAM跟踪是否稳定；要解决的技术问题在什么情况下判断SLAM是否稳定。

f以及由所述处理器响应于确定所述SLAM跟踪不稳定，来重新初始化所述机器人式运载工具的姿态。要解决的技术问题如何恢复SLAM稳定。

对比文件US2016080644A1公开：

[0050] 图5是图3所示的重定位引擎322的更详细示意图。它包括一个实时操作的跟踪失败检测器500。跟踪失败检测器500可能包括根据相关应用领域预先配置的阈值502。例如，当帧对齐引擎输出的配准参数变化超过一个阈值时，可能会发生跟踪失败。在另一个示例中，当帧对齐引擎输出的SE3矩阵在连续输出之间变化超过一个阈值时，可能会发生跟踪失败。当用于跟踪移动深度相机位置和方向的迭代过程失败时，可能检测到跟踪失败。跟踪失败检测器500可能包括一个运动启发式504，存储为一个或多个规则、标准、阈值或其他条件。例如，运动启发式可能是一个规则，规定移动环境传感器300以具有白噪声加速度的恒定速度移动。任何不符合此运动启发式的帧对齐引擎输出可能会触发跟踪失败。在另一个示例中，运动启发式可能是移动环境传感器300以随机游走方式移动，其最大线速度设定为普通人行走速度（在传感器由用户佩戴的情况下），且旋转速度任意高。任何不符合此运动启发式的帧对齐引擎输出可能会触发跟踪失败。可以使用这些跟踪失败检测方法中的任意组合。在一个示例中，使用三个方面的违规组合来检测跟踪失败，即违反运动启发式、违反旋转阈值（相当于权利要求中d由所述处理器响应于确定所述机器人式运载工具正在接近障碍物，来确定所述机器人式运载工具的所述图像传感器的旋转角度是否超过旋转门限；e由所述处理器响应于确定所述图像传感器的所述旋转角度超过所述旋转门限，来确定SLAM跟踪是否稳定；）和/或当用于跟踪移动深度相机位置和方向的迭代过程由于无法收敛或收敛时残差过大而失败时。

对比文件US2010049391记载[0055] 然后，在步骤S106中确定倾斜角度的差分值是否超过规定的阈值（例如，5度/秒）。当倾斜角度的差分值低于规定的阈值时，过程进入步骤S108，执行SLAM功能，在该功能中，自我位置基于激光测距仪20获取的距离信息和角度信息以及编码器16检测到的每个电动机12的旋转角度进行估计，并基于激光测距仪20获取的距离信息和角度信息生成全球地图。当倾斜角度的差分值超过规定的阈值时，判断激光测距仪20正在振动，并停止使用激光测距仪20的检测结果进行自我位置估计相当于权利要求中d由所述处理器响应于确定所述机器人式运载工具正在接近障碍物，来确定所述机器人式运载工具的所述图像传感器的旋转角度是否超过旋转门限；e由所述处理器响应于确定所述图像传感器的所述旋转角度超过所述旋转门限，来确定SLAM跟踪是否稳定；）。然后，过程进入步骤S110，执行航位推算功能，其中基于从每个电动机12的旋转角度获取的设备移动量估计自我位置（相当于权利要求中f以及由所述处理器响应于确定所述SLAM跟踪不稳定，来重新初始化所述机器人式运载工具的姿态。要解决的技术问题如何恢复SLAM稳定）。

对比文件CN105210113A公开[0035] 在一个实施例中，当满足阈值跟踪条件时，HSLAM可触发从6DOF SLAM到全景SLAM的实时切换。举例来说，所述阈值跟踪条件可包含：充分的定向变化(例如，旋转相机视图)、维持相机位置(例如，相机位置是固定的或大约与先前所捕获图像相同)，以及低现有覆盖范围(例如，所捕获的图像区为3D地图中的新的或先前未映射的区)。举例来说，可基于HSLAM检测到当前图像的百分之五十或以下被已知特征点覆盖来确定低现有覆盖范围，从而如果相机视图继续转向新的区，那么指示跟踪可能接近跟丢。（相当于权利要求中d由所述处理器响应于确定所述机器人式运载工具正在接近障碍物，来确定所述机器人式运载工具的所述图像传感器的旋转角度是否超过旋转门限；e由所述处理器响应于确定所述图像传感器的所述旋转角度超过所述旋转门限，来确定SLAM跟踪是否稳定；）在其它实施例中，HSLAM可使用一般化的几何学稳健信息准则(即，GRIC)得分来触发从6DOF SLAM到全景SLAM的切换。

对比文件us20160147230公开[0153]移动机器人10确定 ( 1910 ) 摄像机125的视野的不同部分，其中在导航过程（包括但不限于 VSLAM 过程）期间识别和利用特征，并相应地更新 ( 1915 ) 遮挡检测数据。当移动机器人10被配置成使得导航过程执行 VSLAM 过程时，图像的某些部分可能包含 VSLAM 过程可利用来生成地标的特征，用于执行视觉测量和绘制环境图。移动机器人10可以收集遮挡检测数据，该数据描述用于生成和/或检测地标的图像部分，并且这些图像部分可以对应于摄像机视野的不同部分。在本发明的一个可选方面中，移动机器人10可以维护用于识别特征的视野的各个部分的直方图。（相当于权利要求中d由所述处理器响应于确定所述机器人式运载工具正在接近障碍物，来确定所述机器人式运载工具的所述图像传感器的旋转角度是否超过旋转门限；e由所述处理器响应于确定所述图像传感器的所述旋转角度超过所述旋转门限，来确定SLAM跟踪是否稳定；）当存在遮挡时，直方图将反映出视野的这些部分未被 VSLAM 用来生成和/或检测地标。

对比文件us20090149994公开[0070]为了将从第一距离数据中提取的相对角点与从第二距离数据中提取的相对角点匹配，以上述方式获得旋转角度和移动距离，（相当于权利要求中d由所述处理器响应于确定所述机器人式运载工具正在接近障碍物，来确定所述机器人式运载工具的所述图像传感器的旋转角度是否超过旋转门限；）并且可以校正获得第二距离数据时移动机器人的姿势。此后，基于新校正的姿势执行SLAM过程。（相当于权利要求e由所述处理器响应于确定所述图像传感器的所述旋转角度超过所述旋转门限，来确定SLAM跟踪是否稳定；）如果在SLAM过程中感测到入口，则在重复执行操作S210至S240的同时校正移动机器人的姿势。

因此，对于在要求保护的发明的有效申请⽇期之前具有该领域普通技能的⼈来说，修改US2016144505A1以由处理器确定是否存在机器⼈⻋辆的图像传感器的旋转⻆度超过旋转阈值，以响应确定机器⼈⻋辆正在接近障碍物;在确定图像传感器的旋转⻆度超过旋转阈值后，由处理器确定SLAM是否为稳定;通过处理器重新初始化机器⼈⻋辆的姿态，以确定SLAM跟踪不稳定，正如US_2012194644和US2010049391所做的那样，以确定SLAM具有低置信度⽔平时，停⽌SLAM，通过替代⽅法导航，并在SLAM结果的置信度再次增加时重新初始化SLAM:从⽽减少由于⾝体运动导致的SLAM误差引⼊的错误机会。

根据权利要求1所述的方法，其中，重新初始化所述机器人式运载工具的所述姿态包括：由所述处理器识别在所捕获的图像中的特征；

由所述处理器选择具有超过特征门限的数量的特征的捕获的图像；

由所述处理器确定所选择的图像的跟踪特征的数量是否超过跟踪门限；

由所述处理器响应于确定所选择的图像的所述跟踪特征的数量超过跟踪门限，来确定所述跟踪特征的分布是否超过分布门限；以及由所述处理器响应于确定所述跟踪特征的所述分布超过分布门限，来执行SLAM跟踪。

权利要求2中的技术术语“跟踪门限”和”特征门限“和”分布门限“属于申请人针对涉案申请技术方案的自造词，“跟踪门限”和”特征门限“和”分布门限“没有在说明书中给出清晰完整明确的定义，本领域技术不清楚何为“跟踪门限”和”特征门限“和”分布门限“，在专利诉讼或者FTO检索中，无法确认“跟踪门限“和”特征门限“和”分布门限“的具体数值，说明书中也没有任何关于如何得出“跟踪门限”和”特征门限“和”分布门限“具体数值的描述，因此权利要求2没有清楚的概况保护范围不符合专利法第26条第4款的规定。

权利要求2为权利要求1中技术特征”重新初始化所述机器人式运载工具的所述姿态“的细化描述。该技术特征包括重新调整运载工具的具体姿态，调整姿态必然涉及物理动作，然而权利要求2中的技术方案全部是处理器对于信号的处理，并不涉及任何对于机器人运载工具姿态的物理调整。本领域技术人员不清楚如何通过权利要求2记载的技术方案来初始化机器人运载工具的姿态。因此权利要求2没有清楚的概况保护范围不符合专利法第26条第4款的规定。

对比文件US2016144505[0032] 在某些实施例中，VSLAM 应用程序进一步指示处理器：识别捕获图像不同部分中的特征；并基于包含特征的捕获图像部分更新描述 VSLAM 应用程序正在使用的图像部分的遮挡检测数据。（相当于权利要求中由所述处理器识别在所捕获的图像中的特征；）

[0068] 将摄像头125向上倾斜还可以使移动机器人10更精确地确定悬挂在墙上的物体底部的3D结构。此外，摄像头125的倾斜使得移动机器人10能够聚焦在典型室内环境中特征不变的区域，例如在门框、画框和其他静态家具和物体周围成像的那些特征，从而使移动机器人100能够反复识别可靠的地标（相当于权利要求中由所述处理器选择具有超过特征门限的数量的特征的捕获的图像；），从而在环境中准确定位和映射。此外，在一些实现中，移动机器人10上的摄像头125是一个320×240 QVGA，0.0768百万像素的摄像头（或640×480 VGA，0.3百万像素的摄像头），以低于30毫秒的速率传输图像，图像处理速率为每秒3帧。在一些实现中，摄像头125没有红外滤镜，以便在低光照环境中更好地检测特征。在实现中，如果可检测的特征数量低于检测地标的最低特征数量阈值，移动机器人10将创建新的地标。（相当于权利要求中由所述处理器选择具有超过特征门限的数量的特征的捕获的图像；）在实施例中，地标数量的阈值为每英尺行程检测到1-10个地标特征的聚类，优选为每英尺机器人行程检测到约3个地标，以大约每秒1英尺或大约每秒306毫米的速度行进。（相当于权利要求中由所述处理器选择具有超过特征门限的数量的特征的捕获的图像；）如果环境过暗且光照不足以进行特征检测，移动机器人10将依赖于其他传感器，如瞄准地面的光学航位推算传感器（例如LED或激光照明的鼠标传感器）进行定位。

[0101] 地标数据库650包含关于若干先前观察到的地标的信息，移动机器人10可以利用这些地标进行视觉测量，从而确定相对位姿。地标可以被视为具有特定3D结构的特征集合。可以利用各种特征来识别地标，包括（但不限于）2D特征、3D特征、使用尺度不变特征变换（SIFT）描述符识别的特征、使用加速稳健特征（SURF）描述符识别的特征，以及/或使用二进制稳健独立基本特征（BRIEF）描述符识别的特征。当移动机器人10配置为清洁机器人时，地标可以是（但不限于）基于图片框角落的3D结构识别的一组特征，或基于门框的3D结构识别的一组特征。这些特征基于房间内的静态几何结构，尽管这些特征在照明和尺度上有一定的变化，但它们比环境中位于较低区域且经常被移动的物体（如椅子、垃圾桶、宠物等）更容易整体辨识和识别为地标。在实施中，移动机器人10上的相机125是一台320×240 QVGA，0.0768 MP的相机（或640×480 VGA，0.3 MP的相机），没有红外滤镜，以便在低照明环境中更好地检测特征。在实施中，尤其是当机器人10开始一个新任务而不在运行之间存储数据，或进入一个以前未探索过的区域时，移动机器人10将创建新的地标。在实施中，如果光照变化使先前查看的特征难以辨认，并且可检测到的特征数量低于检测地标所需的最低特征数量阈值，移动机器人10也将创建新的地标。（相当于权利要求中由所述处理器确定所选择的图像的跟踪特征的数量是否超过跟踪门限；）在某些实施例中，地标数量的阈值是以1-10个地标每英尺的速度检测到的一组可识别特征，最好是每英尺机器人行进距离检测到大约3个地标，速度约为1英尺每秒或约306毫米每秒。这样，机器人10为在该照明强度下可辨识的特征建立了一个有用的定位地图，并且在实施中，机器人会存储一个或多个持久性地图，其中包含在不同光照强度下观察到的地标，例如包含与季节性光照变化相关的数据的地图，这些数据包括与时间和日期相关的信息。在其他实施中，如果环境过于黑暗且光照不足以进行特征检测，移动机器人10将依赖于另一种传感器或传感器组合，（相当于权利要求中由所述处理器确定所选择的图像的跟踪特征的数量是否超过跟踪门限；）例如轮式里程计和光学无迹漂移检测传感器114（图1B），该传感器指向地面（例如，LED或激光照明的鼠标传感器）以进行定位。（相当于权利要求中由所述处理器响应于确定所选择的图像的所述跟踪特征的数量超过跟踪门限，来确定所述跟踪特征的分布是否超过分布门限；以及由所述处理器响应于确定所述跟踪特征的所述分布超过分布门限，来执行SLAM跟踪。）在一个实施中，地标数据库650包含从特定姿势捕获的地标图像，可以称为地标姿势。视觉测量涉及确定相对于地标姿势的位姿。为了便于视觉测量，地标数据库650存储了与每个地标相关的一组特征及其3D结构。

对比文件US2016080644公开：

[0076] 第一确定单元123检测由成像单元11拍摄的第一图像中的多个第一特征点；并且基于检测到的第一特征点的数量和分布中的至少一个，确定是否开始计算成像单元11的位置和方向。更具体地说，如果第一特征点的数量和分布中的至少一个超过了第一个阈值，则第一确定单元123确定开始计算成像单元11的位置和方向。（相当于权利要求中由所述处理器确定所选择的图像的跟踪特征的数量是否超过跟踪门限；）然而，如果第一特征点的数量和分布中的至少一个等于或小于第一个阈值，则第一确定单元123确定无法开始计算成像单元11的位置和方向。

对于拥有本领域普通技能的⼈来说，在已被保护的发明的有效申请⽇期之前，在US2016144505的基础上进⼀步修改⽅技术以确定跟踪特征的分布是否超过分布阈值，并根据US2016080644的指⽰，通过处理器执⾏SLAM跟踪，以确定跟踪特征的分布是否超过分布阈值，只有当可以从图像中提取⾜够的信息时才进⾏SLAM跟踪。从⽽节省了处理时间，是容易想到的。

根据权利要求1所述的方法，还包括通过以下操作来初始化所述机器人式运载工具的姿态：由所述图像传感器捕获目标对象的图像；

由所述处理器使用所捕获的所述目标对象的图像来执行视觉同时定位和地图绘制(VSLAM)；

由所述处理器确定所述图像传感器的所述旋转角度是否能够被确定；

由所述处理器响应于确定所述图像传感器的所述旋转角度能够被确定，来选择在图像的视场中具有两个或更多个目标对象的捕获的图像；以及由所述处理器至少部分地基于所选择的图像内所述目标对象的位置，来确定图像比例。

权利要求3中的技术术语“图像比例”属于申请人针对涉案申请技术方案的自造词，“图像比例”没有在说明书中给出清晰完整明确的定义，本领域技术人员不清楚何为“图像比例”，在专利诉讼或者FTO检索中，无法确认“图像比例“的具体数值，说明书中也没有任何关于如何得出图像比例具体数值的描述，图像比列可以理解为数量比列，也可以理解为面积比列，本领域技术人员不清楚权利要求中的图像比列究竟是什么和什么的比列，说明书中也没有关于图像比列的详细描述，因此权利要求3没有清楚的概况保护范围，不符合专利法第26条第4款的规定。

对比文件US2016144505公开：[0063] 现在请参照图1A-1C、图4和图5，本发明的系统和方法展示了如何使用移动机器人10的机器视觉系统执行视觉同时定位与地图构建（VSLAM），该系统包括一个或多个倾斜摄像头125。在实现中，一个或多个倾斜摄像头125固定在移动机器人10的主体100的中央部分，以相对于机器人顶部表面108的固定角度倾斜放置，并且每个倾斜摄像头125都由一个与摄像头光轴155成锐角对齐的镜头盖135保护。若摄像头125嵌入移动机器人10的主体100的某个部分中，则镜头盖135也可能相对于凹槽130的开口后移。在实现中，导航系统120是移动机器人10的一部分，该机器人是一种家用清洁机器人，其高度从地面到机器人顶部表面108不超过4英寸。这样，家用清洁机器人10可以进入狭小空间（例如椅子下方和厨房橱柜面框下方）。在若干实现中，移动机器人10的直径为13.9英寸，重量为8.4磅，移动速度为每秒220毫米到450毫米。在本发明的进一步可选方面，所述一个或多个倾斜摄像头125被倾斜设置，以便家用清洁机器人10能够捕捉静止的、特征丰富的对象的图像，如悬挂在家庭墙壁上的画框和其他无位移的特征。如下文进一步讨论，移动机器人10可以利用位于地面以上特定高度范围内的静态物体的特征来构建环境地图（相当于权利要求中由所述图像传感器捕获目标对象的图像；），并使用基于视觉的传感器和基于视觉的同时定位与地图构建（VSLAM）进行导航。

[0023] 本发明的某些实施例提供了一种配置用于在操作环境中导航的移动机器人，该机器人包括：一个主体，包含：一个配置用于沿移动方向平移机器人的驱动机制；一个里程传感器系统；一个机器视觉系统，包括一个摄像头，用于捕捉移动机器人操作环境的图像；以及至少一个处理器；存储器包含行为控制应用和视觉同时定位与地图构建（VSLAM）应用、（相当于权利要求中由所述处理器使用所捕获的所述目标对象的图像来执行视觉同时定位和地图绘制(VSLAM)；）操作环境的预加载地图以及机器人位姿估计值；其中，行为控制应用指示处理器：驱动并捕捉：使用里程传感器系统的里程数据；以及使用机器视觉系统的图像；通过向VSLAM应用提供至少捕获的图像和里程数据作为输入来确定更新的机器人位姿并更新操作环境地图；更新描述VSLAM应用使用的图像部分的遮挡检测数据，以确定更新的机器人位姿并更新操作环境地图；基于遮挡检测数据检测遮挡摄像头的遮挡物的存在；并在遮挡检测数据指示存在遮挡摄像头的遮挡物时提供通知，其中，VSLAM应用指示处理器：基于机器视觉传感器系统捕获的图像和里程传感器系统捕获的里程数据估计移动机器人在环境地图中的位置，并基于机器视觉传感器系统捕获的图像更新地图（相当于权利要求中由所述处理器使用所捕获的所述目标对象的图像来执行视觉同时定位和地图绘制(VSLAM)；）。

[0032] 在某些实施例中，VSLAM 应用程序进一步指示处理器：识别捕获图像不同部分中的特征；并基于包含特征的捕获图像部分更新描述 VSLAM 应用程序正在使用的图像部分的遮挡检测数据相当于权利要求中由所述处理器使用所捕获的所述目标对象的图像来执行视觉同时定位和地图绘制(VSLAM)；）。

对比文件US2016080644A1公开：

[0050] 图5是图3所示的重定位引擎322的更详细示意图。它包括一个实时操作的跟踪失败检测器500。跟踪失败检测器500可能包括根据相关应用领域预先配置的阈值502。例如，当帧对齐引擎输出的配准参数变化超过一个阈值时，可能会发生跟踪失败。在另一个示例中，当帧对齐引擎输出的SE3矩阵在连续输出之间变化超过一个阈值时，可能会发生跟踪失败。当用于跟踪移动深度相机位置和方向的迭代过程失败时，可能检测到跟踪失败。跟踪失败检测器500可能包括一个运动启发式504，存储为一个或多个规则、标准、阈值或其他条件。例如，运动启发式可能是一个规则，规定移动环境传感器300以具有白噪声加速度的恒定速度移动。任何不符合此运动启发式的帧对齐引擎输出可能会触发跟踪失败。在另一个示例中，运动启发式可能是移动环境传感器300以随机游走方式移动，其最大线速度设定为普通人行走速度（在传感器由用户佩戴的情况下），且旋转速度任意高。任何不符合此运动启发式的帧对齐引擎输出可能会触发跟踪失败。可以使用这些跟踪失败检测方法中的任意组合。在一个示例中，使用三个方面的违规组合来检测跟踪失败，即违反运动启发式、违反旋转阈值（相当于权利要求中d由所述处理器响应于确定所述机器人式运载工具正在接近障碍物，来确定所述机器人式运载工具的所述图像传感器的旋转角度是否超过旋转门限；e由所述处理器响应于确定所述图像传感器的所述旋转角度超过所述旋转门限，来确定SLAM跟踪是否稳定；）和/或当用于跟踪移动深度相机位置和方向的迭代过程由于无法收敛或收敛时残差过大而失败时。

对比文件US2010049391记载[0055] 然后，在步骤S106中确定倾斜角度的差分值是否超过规定的阈值（例如，5度/秒）。当倾斜角度的差分值低于规定的阈值时，过程进入步骤S108，执行SLAM功能，在该功能中，自我位置基于激光测距仪20获取的距离信息和角度信息以及编码器16检测到的每个电动机12的旋转角度进行估计，并基于激光测距仪20获取的距离信息和角度信息生成全球地图。当倾斜角度的差分值超过规定的阈值时，判断激光测距仪20正在振动，并停止使用激光测距仪20的检测结果进行自我位置估计相当于权利要求中d由所述处理器响应于确定所述机器人式运载工具正在接近障碍物，来确定所述机器人式运载工具的所述图像传感器的旋转角度是否超过旋转门限；e由所述处理器响应于确定所述图像传感器的所述旋转角度超过所述旋转门限，来确定SLAM跟踪是否稳定；）。然后，过程进入步骤S110，执行航位推算功能，其中基于从每个电动机12的旋转角度获取的设备移动量估计自我位置（相当于权利要求中f以及由所述处理器响应于确定所述SLAM跟踪不稳定，来重新初始化所述机器人式运载工具的姿态。要解决的技术问题如何恢复SLAM稳定）。

US2016144505A1教导提出了从物体中提取特征的方法，并要求有最少数量的特征（将相机 125 倾斜使移动机器人 10 能够聚焦在典型室内环境中特征不变的区域，例如那些围绕门框、相框和其他静态家具和物体的特征，从而使移动机器人 100 能够重复识别可靠的地标，从而在环境中准确定位和绘图。[0068] 公开了将相机 125 倾斜，使移动机器人 10 能够聚焦在典型室内环境中特征不变的区域，例如那些围绕门框、相框和其他静态家具和物体的特征，从而使移动机器人 100 能够重复识别可靠的地标，从而在环境中准确定位和绘图。[0101] 公开了当光照变化使先前查看的特征变得无法辨识，并且可检测特征的数量低于检测地标所需的最低特征数量阈值时，移动机器人 10 还将创建新的地标。在某些实施例中，地标数量阈值是以每英尺行进距离检测到的 1-10 个地标为单位的特征集群，优选为每英尺行进距离 3 个地标，速度约为每秒 1 英尺或约 306 毫米/秒）。随着机器人创建新的地标，它必须从图像中的多个物体中提取特征。此外，随着机器人继续以每英尺行进距离 1-10 个地标的速率检测相同地标的特征，必须考虑尺度以精确执行 SLAM（同步定位与地图构建）。

因此，对于本领域普通技术人员而言，在所主张发明的有效申请日之前，从图像中的多个物体中提取特征以执行 SLAM，并考虑比例因子以准确执行 SLAM，从而提高效率，是显而易见的。

或者，US2017374342教导提出了捕捉多个物体的图像用于 SLAM，并使用尺度不变特征变换（[0025] 和图 3A 公开了，在 302，光学图像数据（例如，一个或多个图像）可以由 SLAM 设备（例如，图 1 中的设备 102）捕获和/或存储激光线和一个物体（在某些示例中，多个物体）的图像）。并且在 [0018] 中，公开了该设备可以使用合适的特征检测技术（如尺度不变特征变换（SIFT））识别物体 204 的一个或多个特征。由于尺度是不变的，图像中物体之间的实际尺度变化被考虑在内）。

因此，对于本领域具有普通技能的技术人员而言，在所主张发明的有效申请日之前，进一步修改 US2016144505A1的技术以捕捉多个物体并根据US2017374342的教导确定物体之间的比例，以从图像中提取最大特征并执行准确的 SLAM，而不考虑物体比例变化，是显而易见的。

根据权利要求3所述的方法，还包括：由所述处理器确定所选择的图像是否包括多于两个的目标对象；以及由所述处理器响应于确定所选择的图像包括多于两个的目标对象，来确定旋转角度校正。

说明书[0086] 在框902中，图像传感器可以捕获目标对象的图像。从目标对象集合的接近度内或其附近的位置，机器人式运载工具的图像传感器可以捕获旋转对称的三维目标对象(例如，具有处理器已知的直径和分离距离的球)的图像。可以将目标对象布置为使得机器人式运载工具图像传感器可以容易地获取至少两个目标对象的图像。如果图像传感器无法获得两个或更多个目标对象的图像，则处理器可以指示各种致动器将机器人式运载工具移动到另一位置或姿态并且重试。上述记载说明在捕获目标对象的图像中已经完成了姿态调整既旋转角度校正，本领域技术人员不清楚该权利要求中的旋转角度校正具体为什么含义，要将旋转角度校正到多少度，如何才算完成了旋转角度校正。因此权利要求4没有清楚的概况保护范围，不符合专利法第26条第4款的规定。

US2016144505A1进一步教导：通过处理器在确定所选图像包含两个以上目标物体时进行旋转角度校正（[0023] 公开了 VSLAM 应用使用图像来确定更新的机器人姿态并更新操作环境的地图。姿态包括角度信息，并通过图像确定。而图像包含多个物体，这可以通过US_2017374342的教导得出的）。

根据权利要求3所述的方法，其中，所述目标对象是球形的。

US_2018046874教导使用球形物体进行 SLAM（[0117]，公开了可以基于由相机 708 的位置和方向（例如，通过图 3 中的方向和位置确定模块 322 确定的）生成深度信息。例如，基于物理物体在 3D 地图中的预先确定位置（例如，通过 SLAM 算法）和相机在该 3D 地图中的位置，可以确定相机与物理物体之间的距离。[0166]，公开了物理标记包括大小不同的球形或球形物体，虽然可以理解物理标记可能包括各种不同的形状和大小，亦可理解物理标记可以具有多种不同的形状和大小）。

由于球形物体因其均匀的形状而需要更少的特征来识别它们，在所主张发明的有效申请日之前，具备普通技能的技术人员会显而易见地进一步修改 US2016144505A1_ 的技术，采用 US_2018046874 所教导的使用球形物体进行 SLAM，以减少识别图像中物体所需的处理资源。

根据权利要求3所述的方法，其中，特征包括以下各项中的一项或多项：物理地形、轮廓、照明、建筑物固定设施和环境的视觉元素。

US2016144505A1_ 进一步教导：其中特征包括一个或多个物理地形、轮廓、照明、建筑装置和环境的视觉元素（[0068] 公开了门框、画框和其他静态家具及物体，允许移动机器人 100 反复识别可靠的地标）。

根据权利要求1所述的方法，其中，执行SLAM跟踪包括：由所述处理器识别在所捕获的图像中的特征；

由所述处理器确定是否能够在捕获的图像之间跟踪所识别的特征；

由所述处理器响应于确定能够在捕获的图像之间跟踪所识别的特征，来确定在捕获的图像之间的特征的失配数量是否低于失配门限；以及由所述处理器响应于确定在捕获的图像之间的特征的所述失配数量低于所述失配门限，来确定所述机器人式运载工具的姿态。

权利要求中的技术术语“失配门限”属于申请人针对涉案申请技术方案的自造词，“失配门限”没有在说明书中给出清晰完整明确的定义，本领域技术不清楚何为“失配门限”，在专利诉讼或者FTO检索中，无法确认“失配门限“的具体数值，说明书中也没有任何关于如何得出失配门限具体数值的描述，因此权利要求1没有清楚的概况保护范围不符合专利法第26条第4款的规定。

对比文件US2016144505记载[0007] 在几个实施例中，遮挡检测数据包括一个直方图，该直方图标识摄像头视野的不同部分，并提供SLAM应用使用视野每个部分生成或识别特征的相应频率。（相当于权利要求中由所述处理器识别在所捕获的图像中的特征）[0032] 在某些实施例中，VSLAM 应用程序进一步指示处理器：识别捕获图像不同部分中的特征；并基于包含特征的捕获图像部分更新描述 VSLAM 应用程序正在使用的图像部分的遮挡检测数据（相当于权利要求中由所述处理器确定是否能够在捕获的图像之间跟踪所识别的特征；）。[0096] 在一些实施例中，两个摄像头125、410都可以捕捉周围环境的图像，并将这些图像提供给VSLAM过程。在某些实施例中，只有其中一个摄像头125或410提供输入图像给VSLAM过程。例如，移动机器人10可以使用前置摄像头125来检测和跟踪与地标相关联的一组特征，（相当于权利要求中由所述处理器确定是否能够在捕获的图像之间跟踪所识别的特征；）同时在朝向地标的前进方向移动，并在换方向后，使用后置摄像头410来检测和跟踪相同的一组特征（相当于权利要求中由所述处理器确定是否能够在捕获的图像之间跟踪所识别的特征；），同时远离地标移动。

[0134] 为了说明可观察到的差异性，将三个连续视图 1310、1312 和 1314 叠加在一起。当特征不位于摄像头 125 视野的精确中心线时，特征将向上移动并远离摄像头视野的中心线。显然，显著的差异性可以用来比从图 13A 所示的连续视图 1300、1302 和 1304 中观察到的特征得出更精确的距离估计。当考虑一组特征时，增加的差异性提供了更多关于形成地标的一组特征的 3D 结构的信息。例如，如果一组特征对应于环境中具有 3D 结构的物体（如门框），而不仅仅是墙上的一个圆圈，那么当移动机器人 10 接近门框时，它将能够以更高的精度确定门框的 3D 结构。如上所述，地标的 3D 结构确定的精度显著影响后续导航中使用地标进行相对姿态估计的精度。摄像头 125 的倾斜还可以使移动机器人 10 看到更多物体的底部。许多配置为家居清洁对象的移动机器人 10 依赖的导航对象是相对平的物体，这些物体挂在墙上或安装在墙上，例如（但不限于）相框、平板电视和扬声器系统。摄像头 125 的倾斜增加了摄像头视野中用于成像这些物体底部的部分。因此，这些物体底部的 3D 结构可以被更精确地确定，从而导致基于地标 3D 结构的后续导航更加精确。

[0048] 图13A 示出了可用于确定到某一特征的距离的视差。

[0122] 移动机器人10可以利用地标，这些地标是具有特定视觉可识别的3D结构的特征集合，以进行导航。移动机器人10通过捕获环境的图像并观察和聚合图像之间的常见特征来创建地标。通过叠加图像并测量每个特征之间的视差，并估计图像捕获时的姿态变化，移动机器人10以已知速度移动时，可以测量到每个特征的距离。然后这些距离可用于确定定义地标的特征集合的3D结构。如上所述，当地标的部分或全部特征随后被观察到时，可以利用这些特征的3D结构知识来估计移动机器人10的相对姿态。(相当于权利要求中由所述处理器响应于确定能够在捕获的图像之间跟踪所识别的特征，来确定在捕获的图像之间的特征的失配数量是否低于失配门限；以及由所述处理器响应于确定在捕获的图像之间的特征的所述失配数量低于所述失配门限，来确定所述机器人式运载工具的姿态。)在实现中，移动机器人10可以在行驶一段距离时拍摄两张或更多图像，以实现定位。

特征之间的差异是捕获图像之间特征的不匹配，并且在物体本⾝⽆法识别之前，它可以增加到⼀个极限。因此，对于在要求保护的发明的有效申请⽇期之前在该领域拥有普通技能的⼈来说，进⼀步修改⽅技术以具有数字/或阈值是显⽽易⻅的捕获图像之间的不匹配特征，以准确地执⾏slam并保持对确定位置的⾼度置信度，是容易想到的。

根据权利要求1所述的方法，其中，如果所述图像传感器的平面角是小的，则所述向后图像传感器在所述机器人式运载工具上被安装为使所述图像传感器的短边面向所述机器人式运载工具的前和后。

权利要求中的技术特征”平面角是小的“不清楚，本领域技术人员无法确认究竟平面角多少度是小的，说明书中的记载”[0032] 当平面角是小的时，诸如0‑45度“，其中”诸如“两个字表明0-45只是一种选择，而非对于”小“的明确定义。

权利要求中的技术特征”图像传感器的短边面向所述机器人式运载工具的前和后“不清楚，图像传感器的短边为一条线，本领域技术人员不清楚一条线如何面向机器人式运载工具的前和后，并且说明书没有任何附图来帮助本领域技术人员理解图像传感器的短边面向所述机器人式运载工具的前和后。

说明书记载[0025] 如本文中所使用的，术语“机器人式运载工具”指代包括被配置为提供一些自主或半自主能力的机载处理设备的各种类型的运载工具中的一种运载工具。机器人式运载工具的示例包括但不限于：飞行器，诸如无人驾驶飞行器(UAV)；地面运载工具(例如，自主式或半自主式汽车、真空机器人等)；水基运载工具(即，被配置用于在水面上或在水下操作的运载工具)；天基运载工具(例如，航天器或航天探测器)；和/或其某种组合。在一些实施例中，机器人式运载工具可以是有人驾驶的。在其它实施例中，机器人式运载工具可以是无人驾驶的。在其中机器人式运载工具是自主式的实施例中，机器人式运载工具可以包括机载计算设备，机载计算设备被配置为在没有例如来自人类操作者(例如，经由远程计算设备)的远程操作指令的情况下(即，自主地)操纵和/或导航机器人式运载工具。在其中机器人式运载工具是半自主式的实施例中，机器人式运载工具可以包括机载计算设备，机载计算设备被配置为接收例如来自人类操作者(例如，经由远程计算设备)的一些信息或指令，并且与所接收的信息或指令一致地来自主地操纵和/或导航机器人式运载工具。在一些实现中，机器人式运载工具可以是飞行器(无人驾驶或有人驾驶)，其可以是旋翼飞机或有翼飞机。例如，旋翼飞机(也被称为多旋翼飞行器或多旋翼直升机)可以包括多个推进单元(例如，转子/推进器)，其为机器人式运载工具提供推进力和/或提升力。旋翼飞机的特定非限制性示例包括三旋翼直升机(三个转子)、四旋翼直升机(四个转子)、六旋翼直升机(六个转子)和八旋翼直升机(八个转子)。然而，旋翼飞机可以包括任意数量的转子。机器人式运载工具可以包括可以执行各种功能的各种组件和/或有效载荷。

若机器人运载工具为地面运载工具或水基运载工具则可以将导航平面理解为固定的地平面或水平面，但若机器人运载工具为飞行器特别是多旋翼飞行器，多旋翼飞行器可以在三位空间内任意移动，该导航平面为一个变量，本领域技术人员不清楚一个任意变动的导航平面如何做到”如果所述图像传感器的平面角是小的，则所述向后图像传感器在所述机器人式运载工具上被安装为使所述图像传感器的短边面向所述机器人式运载工具的前和后。“

根据权利要求1所述的方法，其中，如果所述图像传感器的平面角是大的，则所述向后图像传感器在所述机器人式运载工具上被安装为使所述图像传感器的长边面向所述机器人式运载工具的前和后。

权利要求中的技术特征”平面角是大的“不清楚，本领域技术人员无法确认究竟平面角多少度是小的，说明书中的记载”当平面角是大的时，诸如在46‑90度之间“，其中”诸如“两个字表明46‑90只是一种选择，而非对于”大“的明确定义。

权利要求中的技术特征”图像传感器的短边面向所述机器人式运载工具的前和后“不清楚，图像传感器的短边为一条线，本领域技术人员不清楚一条线如何面向机器人式运载工具的前和后，并且说明书没有任何附图来帮助本领域技术人员理解图像传感器的短边面向所述机器人式运载工具的前和后。

说明书记载[0025] 如本文中所使用的，术语“机器人式运载工具”指代包括被配置为提供一些自主或半自主能力的机载处理设备的各种类型的运载工具中的一种运载工具。机器人式运载工具的示例包括但不限于：飞行器，诸如无人驾驶飞行器(UAV)；地面运载工具(例如，自主式或半自主式汽车、真空机器人等)；水基运载工具(即，被配置用于在水面上或在水下操作的运载工具)；天基运载工具(例如，航天器或航天探测器)；和/或其某种组合。在一些实施例中，机器人式运载工具可以是有人驾驶的。在其它实施例中，机器人式运载工具可以是无人驾驶的。在其中机器人式运载工具是自主式的实施例中，机器人式运载工具可以包括机载计算设备，机载计算设备被配置为在没有例如来自人类操作者(例如，经由远程计算设备)的远程操作指令的情况下(即，自主地)操纵和/或导航机器人式运载工具。在其中机器人式运载工具是半自主式的实施例中，机器人式运载工具可以包括机载计算设备，机载计算设备被配置为接收例如来自人类操作者(例如，经由远程计算设备)的一些信息或指令，并且与所接收的信息或指令一致地来自主地操纵和/或导航机器人式运载工具。在一些实现中，机器人式运载工具可以是飞行器(无人驾驶或有人驾驶)，其可以是旋翼飞机或有翼飞机。例如，旋翼飞机(也被称为多旋翼飞行器或多旋翼直升机)可以包括多个推进单元(例如，转子/推进器)，其为机器人式运载工具提供推进力和/或提升力。旋翼飞机的特定非限制性示例包括三旋翼直升机(三个转子)、四旋翼直升机(四个转子)、六旋翼直升机(六个转子)和八旋翼直升机(八个转子)。然而，旋翼飞机可以包括任意数量的转子。机器人式运载工具可以包括可以执行各种功能的各种组件和/或有效载荷。

若机器人运载工具为地面运载工具或水基运载工具则可以将导航平面理解为固定的地平面或水平面，但若机器人运载工具为飞行器特别是多旋翼飞行器，多旋翼飞行器可以在三位空间内任意移动，该导航平面为一个变量，本领域技术人员不清楚一个任意变动的导航平面如何做到”如果所述图像传感器的平面角是大的，则所述向后图像传感器在所述机器人式运载工具上被安装为使所述图像传感器的长边面向所述机器人式运载工具的前和后。“

一种机器人式运载工具，包括：

向后图像传感器，其被配置用于在同时定位和地图绘制(SLAM)跟踪中使用；以及处理器，其耦合到所述向后图像传感器并且被配置为：通过所述向后图像传感器捕获图像；

使用所捕获的图像来执行同时定位和地图绘制(SLAM)跟踪；

确定所述机器人式运载工具是否正在接近障碍物；

响应于确定所述机器人式运载工具正在接近障碍物，来确定所述机器人式运载工具的所述图像传感器的旋转角度是否超过旋转门限；

响应于确定所述图像传感器的所述旋转角度超过所述旋转门限，来确定SLAM跟踪是否稳定；以及响应于确定所述SLAM跟踪不稳定，来重新初始化所述机器人式运载工具的姿态。

与权利要求1对应

根据权利要求10所述的机器人式运载工具，其中，所述处理器还被配置为通过如下操作来重新初始化所述机器人式运载工具的所述姿态：识别在所捕获的图像中的特征；

选择具有超过特征门限的数量的特征的捕获的图像；

确定所选择的图像的跟踪特征的数量是否超过跟踪门限；

响应于确定所选择的图像的所述跟踪特征的数量超过跟踪门限，来确定所述跟踪特征的分布是否超过分布门限；以及响应于确定所述跟踪特征的所述分布超过分布门限，来执行SLAM跟踪。

与权利要求2对应

根据权利要求10所述的机器人式运载工具，其中，所述处理器还被配置为通过如下操作来初始化所述机器人式运载工具的姿态：通过所述图像传感器捕获目标对象的图像；

使用所捕获的所述目标对象的图像来执行视觉同时定位和地图绘制(VSLAM)；

确定所述图像传感器的所述旋转角度是否能够被确定；

响应于确定所述图像传感器的所述旋转角度能够被确定，来选择在图像的视场中具有两个或更多个目标对象的捕获的图像；以及至少部分地基于所选择的图像内所述目标对象的位置，来确定图像比例。

与权利要求3对应

根据权利要求12所述的机器人式运载工具，其中，所述处理器还被配置为：确定所选择的图像是否包括多于两个的目标对象；以及响应于确定所选择的图像包括多于两个的目标对象，来确定旋转角度校正。

与权利要求4对应

根据权利要求12所述的机器人式运载工具，其中，所述目标对象是球形的。

与权利要求5对应

根据权利要求12所述的机器人式运载工具，其中，特征包括：物理地形、轮廓、照明、建筑物固定设施和环境的视觉元素。

与权利要求6对应

与权利要求6对应

根据权利要求10所述的机器人式运载工具，其中，所述处理器还被配置为通过如下操作来执行SLAM跟踪：识别在所捕获的图像中的特征；

确定是否能够在捕获的图像之间跟踪所识别的特征；

响应于确定能够在捕获的图像之间跟踪所识别的特征，来确定在捕获的图像之间的特征的失配数量是否低于失配门限；以及响应于确定在捕获的图像之间的特征的所述失配数量低于所述失配门限，来确定所述机器人式运载工具的姿态。

与权利要求7对应

根据权利要求10所述的机器人式运载工具，其中，如果所述图像传感器的平面角是小的，则所述向后图像传感器被安装为使所述图像传感器的短边面向所述机器人式运载工具的前和后。

与权利要求8对应

根据权利要求10所述的机器人式运载工具，其中，如果所述图像传感器的平面角是大的，则所述向后图像传感器被安装为使所述图像传感器的长边面向所述机器人式运载工具的前和后。

与权利要求9对应

一种其上存储有处理器可执行指令的非暂时性处理器可读介质，所述处理器可执行指令被配置为使得机器人式运载工具的处理器执行包括以下各项的操作：使用由所述机器人式运载工具的向后图像传感器捕获的图像来执行同时定位和地图绘制(SLAM)跟踪；

确定所述机器人式运载工具是否正在接近障碍物；

响应于确定所述机器人式运载工具正在接近障碍物，来确定所述机器人式运载工具的所述图像传感器的旋转角度是否超过旋转门限；

响应于确定所述图像传感器的所述旋转角度超过所述旋转门限，来确定SLAM跟踪是否稳定；以及响应于确定所述SLAM跟踪不稳定，来重新初始化所述机器人式运载工具的姿态。

与权利要求1对应

根据权利要求19所述的非暂时性处理器可读介质，其中，所存储的处理器可执行指令还被配置为使得所述机器人式运载工具的所述处理器执行操作，以使得重新初始化所述机器人式运载工具的所述姿态包括：识别在所捕获的图像中的特征；

选择具有超过特征门限的数量的特征的捕获的图像；

确定所选择的图像的跟踪特征的数量是否超过跟踪门限；

响应于确定所选择的图像的所述跟踪特征的数量超过跟踪门限，来确定所述跟踪特征的分布是否超过分布门限；以及响应于确定所述跟踪特征的所述分布超过分布门限，来执行SLAM跟踪。

与权利要求2对应

根据权利要求19所述的非暂时性处理器可读介质，其中，所存储的处理器可执行指令还被配置为使得所述机器人式运载工具的所述处理器执行用于初始化所述机器人式运载工具的姿态的操作，包括：使用所捕获的目标对象的图像来执行视觉同时定位和地图绘制(VSLAM)；

确定所述图像传感器的所述旋转角度是否能够被确定；

响应于确定所述图像传感器的所述旋转角度能够被确定，来选择在图像的视场中具有两个或更多个目标对象的捕获的图像；以及至少部分地基于所选择的图像内所述目标对象的位置，来确定图像比例。

与权利要求3对应

根据权利要求21所述的非暂时性处理器可读介质，其中，所存储的处理器可执行指令还被配置为使得所述机器人式运载工具的所述处理器执行还包括以下各项的操作：确定所选择的图像是否包括多于两个的目标对象；以及响应于确定所选择的图像包括多于两个的目标对象，来确定旋转角度校正。

与权利要求4对应

根据权利要求21所述的非暂时性处理器可读介质，其中，所述目标对象是球形的。

与权利要求5对应

根据权利要求21所述的非暂时性处理器可读介质，其中，所存储的处理器可执行指令还被配置为使得所述机器人式运载工具的所述处理器执行操作，以使得特征包括以下各项中的一项或多项：物理地形、轮廓、照明、建筑物固定设施和环境的视觉元素。

与权利要求6对应

根据权利要求19所述的非暂时性处理器可读介质，其中，所存储的处理器可执行指令还被配置为使得所述机器人式运载工具的所述处理器执行操作，以使得执行SLAM跟踪包括：识别在所捕获的图像中的特征；

确定是否能够在捕获的图像之间跟踪所识别的特征；

响应于确定能够在捕获的图像之间跟踪所识别的特征，来确定在捕获的图像之间的特征的失配数量是否低于失配门限；以及响应于确定在捕获的图像之间的特征的所述失配数量低于所述失配门限，来确定所述机器人式运载工具的姿态。

与权利要求7对应

一种机器人式运载工具，包括：

用于捕获图像的单元；

用于使用所捕获的图像来执行同时定位和地图绘制(SLAM)跟踪的单元；

用于确定所述机器人式运载工具是否正在接近障碍物的单元；

用于响应于确定所述机器人式运载工具正在接近障碍物，来确定所述机器人式运载工具的图像传感器的旋转角度是否超过旋转门限的单元；

用于响应于确定所述图像传感器的所述旋转角度超过所述旋转门限，来确定SLAM跟踪是否稳定的单元；以及用于响应于确定所述SLAM跟踪不稳定，来重新初始化所述机器人式运载工具的姿态的单元。

与权利要求1对应

根据权利要求26所述的机器人式运载工具，其中，用于重新初始化所述机器人式运载工具的所述姿态的单元包括：用于识别在所捕获的图像中的特征的单元；

用于选择具有超过特征门限的数量的特征的捕获的图像的单元；

用于确定所选择的图像的跟踪特征的数量是否超过跟踪门限的单元；

用于响应于确定所选择的图像的所述跟踪特征的数量超过跟踪门限，来确定所述跟踪特征的分布是否超过分布门限的单元；以及用于响应于确定所述跟踪特征的所述分布超过分布门限，来执行SLAM跟踪的单元。

与权利要求2对应

根据权利要求26所述的机器人式运载工具，还包括用于初始化所述机器人式运载工具的姿态的单元，包括：用于捕获目标对象的图像的单元；

用于使用所捕获的所述目标对象的图像来执行视觉同时定位和地图绘制(VSLAM)的单元；

用于确定所述图像传感器的所述旋转角度是否能够被确定的单元；

用于响应于确定所述图像传感器的所述旋转角度能够被确定，来选择在图像的视场中具有两个或更多个目标对象的捕获的图像的单元；以及用于至少部分地基于所选择的图像内所述目标对象的位置，来确定图像比例的单元。

与权利要求3对应

根据权利要求28所述的机器人式运载工具，还包括：用于确定所选择的图像是否包括多于两个的目标对象的单元；以及用于响应于确定所选择的图像包括多于两个的目标对象，来确定旋转角度校正的单元。

与权利要求4对应

根据权利要求28所述的机器人式运载工具，其中，所述目标对象是球形的。

与权利要求5对应