[發明專利]即時訓練軌跡導引系統及方法

在審

• 申請號: 201810431140.2
• 申請日: 2018-05-08
• 公開（公告）號: CN110163336A
• 公開（公告）日: 2019-08-23
• 發明（設計）人: 王學誠;艾琳·德尼瑞歐;勞拉·賈雷;丹尼爾·克羅齊;多米尼克·賈里希;陳季希;林倪敬;莊子寬
• 申請（專利權）人: 財團法人交大思源基金會
• 主分類號: G06N3/04
• 分類號: G06N3/04;G01C21/20
• 代理公司: 中國商標專利事務所有限公司 11234
• 代理人: 宋義興;張立晶

本發明公開一種即時訓練軌跡導引系統及方法。即時訓練軌跡導引系統包含影像輸入模塊、深度學習訓練模塊及控制模塊。影像輸入模塊包含設置于自走裝置上的多個影像輸入單元。當自走裝置受控而沿循跡線行進時，影像輸入模塊通過該多個影像輸入單元獲得與循跡線有關的多個影像數據。深度學習訓練模塊耦接影像輸入模塊，用以根據該多個影像數據進行深度學習訓練，以產生結果模型。控制模塊分別耦接深度學習訓練模塊及自走裝置，用以根據結果模型預測并控制自走裝置的行進方向，致使自走裝置自動地沿循跡線行進。

技術領域

本發明是與軌跡導引(Trail following)有關，尤其是關于一種即時訓練軌跡導引系統及方法。

背景技術

一般而言，既有的軌跡導引系統的應用大致可分為下列兩類：一類是應用于視障人士之的行走輔助的軌跡導引，而另一類則是應用于工廠生產線中的自動搬運車的軌跡導引。無論是上述哪一類的應用，已知的軌跡導引系統大多仍采用傳統電腦視覺的方式來進行影像處理及數據運算。

然而，在上述的處理方式之下，一旦環境中的光線產生明顯變化或是處于動態的環境中，例如實施場所是處于室外環境中或是人員活動較頻繁的生產線環境中，很可能使得影像辨識結果受影響而導致軌跡導引的行進方向出現嚴重偏差。

在實際應用中，目前工廠生產線中的自動搬運車大多仍采用磁條導航或是光學導航(反光膠帶)的方式沿著特定循跡線(或稱指引線)上行走。然而，一旦循跡線出現磨損或臟污時，此種磁力或光學辨識的方式很可能會發生誤判而導致自動搬運車的行進方向出現偏差。再者，若行進路線欲進行更改時，重新布設磁條導航的難度相對較高，且現有的光學導航還須搭配其他設備，例如射頻識別(Radio Frequency Identification,RFID)來進行多路線的設定以及交叉口的處理，相當麻煩且耗費成本。

此外，對于需要高安全性與高可靠度的軌跡導引任務而言，例如盲人導航，至今仍無完全取代導盲磚的導引設備。然而，既有的導盲磚需要相當高的建置及維護成本，且很可能反而造成其他無障礙設施使用者(例如輪椅使用者)的不便。

綜合上述可知：已知的軌跡導引系統在實際應用中仍會遭遇到許多問題，亟待進一步加以克服，以有效提升軌跡導引系統的可靠度及安全性。

發明內容

有鑒于此，本發明提出一種即時訓練軌跡導引系統及方法，以有效解決現有技術所遭遇到的上述種種問題。

根據本發明之一具體實施例為一種即時訓練軌跡導引方法。于此實施例中，即時訓練軌跡導引方法包括下列步驟：

(a)控制一自走裝置沿一循跡線行進并同時搜集與循跡線有關的多個影像數據；

(b)根據該多個影像數據進行一深度學習訓練(Deep learning training)，以產生一結果模型；以及

(c)根據結果模型預測并控制自走裝置的行進方向，致使自走裝置自動地沿循跡線行進。

于一實施例中，該多個影像數據包含多個真實影像數據，該多個真實影像包含有循跡線的影像且該多個真實影像數據是由設置于自走裝置上的多個影像輸入單元取得，該多個影像輸入單元是彼此間隔一特定角度。

于一實施例中，該多個影像數據還包含多個虛擬影像數據，且該多個虛擬影像數據是由多個虛擬影像輸入單元于一虛擬環境中模擬而得，該多個虛擬影像輸入單元亦彼此間隔特定角度。

于一實施例中，步驟(b)是基于一卷積類神經網絡(Convolutional NeuralNetworks,CNN)進行深度學習訓練，卷積類神經網絡包含多個卷積層(Convolutionlayer)、多個池化層(Pooling layer)及多個全連接層(fully connected layers)，該多個卷積層與該多個池化層是彼此交錯排列且該多個全連接層位于卷積神經網絡的輸出端。