[发明专利]自走车导航装置及其方法

说明书

本公开提供了一种自走车导航装置及其方法，此装置其包含彩色深度摄影机、至少一个传感器及处理器。彩色深度摄影机在自走车被操作沿包含至少一个路径的目标路线移动时撷取各路径的深度影像资料及彩色影像资料。该些传感器(包含六轴传感器及旋转编码器)记录自走车在各路径的加速度、移动速度、方向、转向角度及移动距离。处理器根据该些路径的该些深度影像资料、该些彩色影像资料、该些加速度、该些移动速度、该些方向、该些转向角度及该些移动距离产生训练资料，并将训练资料输入机械学习模型进行深度学习以产生训练结果。因此，在不使用定位技术即可实现自走车的自动导航，能降低自动导航技术的成本。

技术领域

本公开涉及一种导航装置，具体涉及一种自走车导航装置及方法。

背景技术

由于人工智能的进步，自动导航技术的应用也愈来愈广泛。现有的自动导航技术依不同应用环境或精确度的需求，需要搭配不同的定位技术；然而，这些定位技术均有一定的布建难度及复杂度，故会大幅增加自动导航技术的成本。

现有的机器学习技术可通过影像辨识及数种传感器模仿人类操作模式。然而，若将现有的机器学习技术应用于自走车(automated guided vehicle，AGV)的自动导航技术，可能会因影像信息量过于庞大、噪声背景过多以及图片相似度过高等因素，导致学习的结果无法收敛。因此，现有的机器学习技术无法应用于自走车的自动导航技术。

发明内容

本公开的目的是在于提供一种自走车导航装置及其方法，在不使用定位技术即可实现自走车的自动导航。

本公开另一目的是利用机械学习，并结合深度影像学习环境轮廓逻辑，应用降维方法对深度影像资料进行处理，使深度影像资料的信息量大幅降低，产出有环境轮廓上视图，并通过机械学习模型根据降维后的深度影像资料进行深度学习。

根据本公开的一实施例，本公开提出一种自走车导航装置，其包含彩色深度摄影机、至少一个传感器及处理器。彩色深度摄影机在自走车被操作沿包含至少一个路径的目标路线移动时撷取各路径的深度影像资料及彩色影像资料。该些传感器包含六轴传感器及旋转编码器；该些传感器记录自走车在各路径的加速度、移动速度、方向、转向角度及移动距离。处理器根据该些路径的该些深度影像资料、该些彩色影像资料、该些加速度、该些移动速度、该些方向、该些转向角度及该些移动距离产生训练资料，并将训练资料输入机械学习模型进行深度学习以产生训练结果。

根据本公开的另一实施例，本公开提出一种自走车导航方法，其包含操作自走车沿包含至少一个路径的目标路线移动；由彩色深度摄影机撷取各路径的深度影像资料及彩色影像资料；通过至少一个传感器，包含六轴传感器及旋转编码器，记录自走车在各路径的加速度、移动速度、方向、转向角度及移动距离；经由处理器根据该些路径的该些深度影像资料、该些彩色影像资料、该些加速度、该些移动速度、该些方向、该些转向角度及该些移动距离产生训练资料；以及；由处理器将训练资料输入机械学习模型进行深度学习以产生训练结果。

承上所述，依本公开的自走车导航装置及其方法，其可具有一或多个下述优点：

(1)本公开自走车导航装置能在不使用定位技术的情况下通过机械学习模型产生训练结果以模仿人类的操作模式，以实现自走车的自动导航，故能大幅降低自动导航技术的成本。

(2)本公开自走车导航装置应用降维方法对深度影像资料进行处理，使深度影像资料的信息量大幅降低，并通过机械学习模型根据降维后的深度影像资料进行深度学习，故能有效地进行深度学习且能提升深度学习的效率。

(3)本公开自走车导航装置通过机械学习模型同时根据深度影像资料及彩色影像资料进行深度学习，通过降维后的深度影像资料，可加强自走车导航装置的环境轮廓及空间逻辑概念；因此，自走车导航装置不再仅使用影像相似度学习，而是根据环境轮廓、空间逻辑概念及影像相似度进行比对，以决定自走车的加速度、移动速度、方向、转向角度、移动距离及停靠站，上述的机制能有效地解决影像资料过度学习或影像资料量太过复杂无法收敛问题，能有效地提升导航辨识效果。