[發明專利]自走車導航裝置及其方法

在審

• 申請號: 202011121353.9
• 申請日: 2020-10-20
• 公開（公告）號: CN114252071A
• 公開（公告）日: 2022-03-29
• 發明（設計）人: 李永仁;涂兆輝;鄭憬聰;洪瑞志
• 申請（專利權）人: 財團法人工業技術研究院
• 主分類號: G01C21/20
• 分類號: G01C21/20;G01C21/00;G01C21/16
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 周天宇

本公開提供了一種自走車導航裝置及其方法，此裝置其包含彩色深度攝影機、至少一個傳感器及處理器。彩色深度攝影機在自走車被操作沿包含至少一個路徑的目標路線移動時擷取各路徑的深度影像資料及彩色影像資料。該些傳感器(包含六軸傳感器及旋轉編碼器)記錄自走車在各路徑的加速度、移動速度、方向、轉向角度及移動距離。處理器根據該些路徑的該些深度影像資料、該些彩色影像資料、該些加速度、該些移動速度、該些方向、該些轉向角度及該些移動距離產生訓練資料，并將訓練資料輸入機械學習模型進行深度學習以產生訓練結果。因此，在不使用定位技術即可實現自走車的自動導航，能降低自動導航技術的成本。

技術領域

本公開涉及一種導航裝置，具體涉及一種自走車導航裝置及方法。

背景技術

由于人工智能的進步，自動導航技術的應用也愈來愈廣泛。現有的自動導航技術依不同應用環境或精確度的需求，需要搭配不同的定位技術；然而，這些定位技術均有一定的布建難度及復雜度，故會大幅增加自動導航技術的成本。

現有的機器學習技術可通過影像辨識及數種傳感器模仿人類操作模式。然而，若將現有的機器學習技術應用于自走車(automated guided vehicle，AGV)的自動導航技術，可能會因影像信息量過于龐大、噪聲背景過多以及圖片相似度過高等因素，導致學習的結果無法收斂。因此，現有的機器學習技術無法應用于自走車的自動導航技術。

發明內容

本公開的目的是在于提供一種自走車導航裝置及其方法，在不使用定位技術即可實現自走車的自動導航。

本公開另一目的是利用機械學習，并結合深度影像學習環境輪廓邏輯，應用降維方法對深度影像資料進行處理，使深度影像資料的信息量大幅降低，產出有環境輪廓上視圖，并通過機械學習模型根據降維后的深度影像資料進行深度學習。

根據本公開的一實施例，本公開提出一種自走車導航裝置，其包含彩色深度攝影機、至少一個傳感器及處理器。彩色深度攝影機在自走車被操作沿包含至少一個路徑的目標路線移動時擷取各路徑的深度影像資料及彩色影像資料。該些傳感器包含六軸傳感器及旋轉編碼器；該些傳感器記錄自走車在各路徑的加速度、移動速度、方向、轉向角度及移動距離。處理器根據該些路徑的該些深度影像資料、該些彩色影像資料、該些加速度、該些移動速度、該些方向、該些轉向角度及該些移動距離產生訓練資料，并將訓練資料輸入機械學習模型進行深度學習以產生訓練結果。

根據本公開的另一實施例，本公開提出一種自走車導航方法，其包含操作自走車沿包含至少一個路徑的目標路線移動；由彩色深度攝影機擷取各路徑的深度影像資料及彩色影像資料；通過至少一個傳感器，包含六軸傳感器及旋轉編碼器，記錄自走車在各路徑的加速度、移動速度、方向、轉向角度及移動距離；經由處理器根據該些路徑的該些深度影像資料、該些彩色影像資料、該些加速度、該些移動速度、該些方向、該些轉向角度及該些移動距離產生訓練資料；以及；由處理器將訓練資料輸入機械學習模型進行深度學習以產生訓練結果。

承上所述，依本公開的自走車導航裝置及其方法，其可具有一或多個下述優點：

(1)本公開自走車導航裝置能在不使用定位技術的情況下通過機械學習模型產生訓練結果以模仿人類的操作模式，以實現自走車的自動導航，故能大幅降低自動導航技術的成本。

(2)本公開自走車導航裝置應用降維方法對深度影像資料進行處理，使深度影像資料的信息量大幅降低，并通過機械學習模型根據降維后的深度影像資料進行深度學習，故能有效地進行深度學習且能提升深度學習的效率。

(3)本公開自走車導航裝置通過機械學習模型同時根據深度影像資料及彩色影像資料進行深度學習，通過降維后的深度影像資料，可加強自走車導航裝置的環境輪廓及空間邏輯概念；因此，自走車導航裝置不再僅使用影像相似度學習，而是根據環境輪廓、空間邏輯概念及影像相似度進行比對，以決定自走車的加速度、移動速度、方向、轉向角度、移動距離及停靠站，上述的機制能有效地解決影像資料過度學習或影像資料量太過復雜無法收斂問題，能有效地提升導航辨識效果。