基於深度學習六維姿態迴歸之自主移動機器人初始姿態估測與定位失效偵測方法

Abstract

為解決機器人定位系統之初始姿態估測與機器人綁架問題，本研究之深度學習模型藉由單張RGB影像預測位於地圖中的六維姿態，並且可實時運作於嵌入式系統上。在特殊結構的卷積神經網絡基礎下，加入幾何限制模組以及輔助學習方法增加模型的準確性，以此深度學習模型預測初始姿態。基於此深度學習模型，本研究開發一套定位失效偵測演算法，藉由評估目前主要定位系統長期與短期的代價變化，做到實時運算、低誤判率，且高失效偵測率的結果。最後經由實驗可證明，本研究模型運算速度可達到現今地圖座標迴歸模型(map coordinate regression model)最快的4.7ms，並且在嵌入式系統上達到19.15fps的速度。於室外資料集達到平均誤差1.51m與7.79°、室內資料集平均誤差0.40m與1.78°的精度；此外，定位失效偵測演算法實驗當中達到0.98~1.00的精準率與0.78~1.00的召回率，顯示演算法的低誤判率與高定位失效偵測成功率。