TWM590450U

TWM590450U - 穿載式導航避險裝置

Info

Publication number: TWM590450U
Application number: TW108213243U
Authority: TW
Inventors: 陳詠涵
Original assignee: 陳詠涵
Priority date: 2019-10-07
Filing date: 2019-10-07
Publication date: 2020-02-11

Abstract

一種供視障者使用的穿載式導航避險裝置，其結合AI技術並運用大數據計算以及使用SLAM環境建構法，以達成精準導航與迴避障礙物。

Description

穿載式導航避險裝置

本創作是有關一種輔助視障朋友的穿載式導航避險裝置。

視障朋友多是使用導盲杖及導盲犬來輔助行動，導盲杖可觸碰地面來探索道路的路況，然而導盲杖碰不到的物體，例如地上的坑洞、上方的招牌或是會移動的物體，視障朋友便無法利用導盲杖得知。導盲犬雖然可以引導視障朋友行走，但導盲犬的培訓成本高，無法推廣。因此需要一種導航避險裝置來協助視障朋友或其他有相同需求的朋友(例如失智老人)安全的到達目的地。

本創作的目的在於，提出一種穿載式導航避險裝置。

根據本創作，一種穿載式導航避險裝置包括：至少一感測電路，感測周圍物件，產生至少一感測資料；一同步定位及地圖建構電路透過外部的定位系統及地圖資料庫結合該至少一感測資料產生一第一資料及一第二資料；一處理電路接收該至少一感測資料及該第一資料並輸出一分類結果；一人工智慧分析電路分析該分類結果及該第二資料判斷該周圍物件的位置或種類，並規劃一行進路線；一語音輸出裝置根據該人工智慧分析電路提供的一語音資料產生一語音。

圖1顯示本創作穿載式導航避險裝置10的實施例，其具有多個感測電路用以感測穿載式導航避險裝置10周遭環境，這些感測電路分別為超音波感測器1002、熱像儀1004、雷達1006、雷射測距儀1008及雙鏡頭定位測距電路1010。在此實施例中，穿載式導航避險裝置10具有5個不同的感測電路，但在其他實施例中，感測電路的數量可以減少，也可以再增加其他能感測物件或距離的感測電路。超音波感測器1002可以發出一音波，該音波碰到物體後反射回超音波感測器1002，根據反射回來的音波，超音波感測器1002可產生一感測資料d1供判斷使用者的周遭環境，例如可以判斷使用者與物體之間的距離。熱像儀1004用以感測發熱物體(例如人或火源)以產生一感測資料d2供判斷使用者的周遭環境。雷達1006用以發射一電磁波，該電磁波碰到物體後反射回雷達1006，雷達依據反射的電磁波產生一感測資料d3以供判斷該物體的方位、距離、速度及形狀。雷射測距儀1008用以發射雷射脈衝，該雷射脈衝碰到物體後反射回雷射測距儀1008，根據接收到反射的雷射脈衝的時間，雷射測距儀1008產生一感測資料d4以供判斷與該物件的距離。雙鏡頭定位測距電路1010利用二個鏡頭取得二個影像資料，並根據該二個影像資料產生一感測資料d5以供判斷物件的方向及距離，該二個鏡頭可以分別取得穿載式導航避險裝置10的前方影像資料及後方影像資料。

穿載式導航避險裝置10的同步定位及地圖建構(Simultaneous Locatization And Map; SLAM)電路1014可透過外部的定位系統及地圖資料庫結合感測資料d1、d2、d3、d4及d5產生資料Ld1及Ld2，其中定位系統可以是全球定位系統(GPS)及北斗定位系統等，地圖資料庫可以是Google Map。穿載式導航避險裝置10的處理電路1012接收感測資料d1、d2、d3、d4及d5以及資料Ld2並輸出分類結果Cd，處理電路1012利用一演算避障法(例如VFH或VFH+)來處理感測資料d1、d2、d3、d4及d5，處理電路1012可以是微控制器(MCU)或中央處理器(CPU)。穿載式導航避險裝置10的模糊滑動控制電路1024根據雙鏡頭定位測距電路1010輸出的資料d6產生資料Sc。穿載式導航避險裝置10的人工智慧(Artificial Intelligence; AI)分析電路1016分析資料Ld1、分類結果Cd及資料Sc以判斷周圍物件的位置或種類並規劃行進路線，例如AI分析電路1016可判斷出前方20步或5公尺的距離有便利商店或障礙物，並規劃到達該便利商店或迴避該障礙物的行進路線，AI分析電路1016將判斷結果轉換為一語音資料ds，AI分析電路1016的分析結果可以儲存在雲端數據庫12中。穿載式導航避險裝置10的語音輸出裝置1018根據語音資料ds產生一語音告知使用者，語音輸出裝置1018可以是耳機或喇叭。

穿載式導航避險裝置10還包括一生理監測器1020、一電壓偵測器1022及一AI語音辨識電路1026，生理監測器1020是用以監測使用者的血壓、心跳或血糖，電壓偵測器1022是用以偵測穿載式導航避險裝置10的電池的電量，當電池的電量低於一預設值時，可發出一語音提醒使用者充電或更換電池，AI語音辨識電路1026可將使用者輸入的語音轉換為一輸入資料，例如，使用者可透過語音輸入一目的地，而AI分析電路1016可根據所輸入的目的地及SLAM電路1014提供的資料Ld1規劃一行進路線。

本創作的穿載式導航避險裝置10具有熱像儀1004以感測周遭溫度，因此當發生火災時，本創作的穿載式導航避險裝置10能判斷出著火地點，並引導使用者避開著火地點。

本創作的穿載式導航避險裝置10可放置在一背心上，以方便使用者穿載，如圖2所示，背心14具有穿載式導航避險裝置10，超音波感測器1002、熱像儀1004、雷達1006及雷射測距儀1008設置在背心14的前方區域1402，雙鏡頭定位測距電路1010的二個鏡頭分別設置在背心14的前方區域1402及背部區域1404以分別取得使用者的前方及後方的影像資料。在其他實施例中超音波感測器1002、熱像儀1004、雷達1006、雷射測距儀1008及雙鏡頭定位測距電路1010的位置是可以變化的，例如可將超音波感測器1002設置在使用者的手部，並透過無線傳輸方式將感測資料d1傳送至處理電路1012。

圖3顯示雙鏡頭定位測距電路1010的實施例，其中包括二個鏡頭20及22、視覺(vision)模組24、方針(strategy)決定模組26及驅動模組28。鏡頭20及22所取得的影像資料會傳送至視覺模組24，視覺模組24的影像處理程式2402對影像資料進行處理產生目標及物件的資訊2404。方針決定模組26根據目標及物件的資訊2404決定一分級方針(hierarchical strategy)2602給一模糊控制器2604。驅動模組28根據分級方針2602及模糊控制器2604的輸出產生一機器人ASCII命令2802給控制器2804。

圖4顯示圖3中視覺模組24的操作步驟，首先取得影像資料，如步驟S10所示，接著再依據影像資料偵測目標及物件以獲得目標及物件的資訊，如步驟S12及S14所示。在步驟S14中，步驟S1402對影像資料進行灰階轉換，接著進行步驟S1404及S1406對轉換後的資料進行平均濾波及二值化(binarization)。在步驟S1404結束後，進行步驟S1408對濾波後的資料進行邊緣偵測。在步驟S1410中，對進行二值化後的資料及進行邊緣偵測後的資料進行AND運算。在步驟S1410結束後，進行步驟S1412以消除上半部影像。接著，執行連結物件標記(connected component labeling)演算法，如步驟S1414所示。最後的步驟S1416再根據連結物件標記演算法的計算結果來產生物件資訊(物件偵測結果)。圖5顯示雙鏡頭定位測距電路1010的偵測結果，圖5的鏡頭20取得影像資料後經圖4的操作步驟，可得到與物件30及32的距離Do1及Do2(物件資訊)以及與目標34的距離Dt(物件資訊)。

圖6顯示模糊滑動控制電路1024的一實施例，本領域的技術人員能由圖6的電路得知其操作，故不再贅述。

圖7顯示圖1中處理電路1012的操作步驟，首步驟S20將超音波感測器1002、熱像儀1004、雷達1006、雷射測距儀1008及雙鏡頭定位測距電路1010提供的感測資料d1、d2、d3、d4及d5輸入處理電路1012。接著，處理電路利用演算避障法來處理感測資料d1、d2、d3、d4及d5以產生計算結果，如步驟S22所示。在步驟S20完成後，根據一對應規則對計算結果進行分類，進而得到一分類結果，如步驟S24及S26所示。

圖8顯示AI分析電路1016的一實施例，其為一適應性小波神經網路控制系統(Adaptive Wavelet Neural Network Control system; AWNNC)，此適應性小波神經網路控制系統包括一滑動表面(sliding surface)功能、一線上適應規則(online adaptation law)功能、一小波神經網路控制器(WNN controller)、一AWNC控制規則(AWNC control law)功能、一魯棒補償器(robust compensator)及一AI語音輸出電路，圖9為小波神經網路(Wavelet Neural Network; WNN)的實施例。本領域的技術人員能由圖8及圖9的電路得知其操作，故不再贅述。

10‧‧‧穿載式導航避險裝置 1002‧‧‧超音波感測器 1004‧‧‧熱像儀 1006‧‧‧雷達 1008‧‧‧雷射測距儀 1010‧‧‧雙鏡頭定位測距電路 1012‧‧‧處理電路 1014‧‧‧同步定位及地圖建構電路 1016‧‧‧人工智慧分析電路 1018‧‧‧語音輸出裝置 1020‧‧‧生理監測器 1022‧‧‧電壓偵測器 1024‧‧‧模糊滑動控制電路 1026‧‧‧AI語音辨識電路 12‧‧‧雲端數據庫 14‧‧‧背心 1402‧‧‧前方區域 1404‧‧‧背部區域 20‧‧‧鏡頭 22‧‧‧鏡頭 24‧‧‧視覺模組 2402‧‧‧影像處理程式 2404‧‧‧目標及物件的資訊 26‧‧‧方針決定模組 2602‧‧‧分級方針 2604‧‧‧模糊控制器 28‧‧‧驅動模組 2802‧‧‧機器人ASCII命令 2804‧‧‧控制器 30‧‧‧物件 32‧‧‧物件 34‧‧‧目標

圖1顯示本創作穿載式導航避險裝置的實施例。圖2顯示本創作穿載式導航避險裝置應用在背心的實施例。圖3顯示雙鏡頭定位測距電路的實施例。圖4顯示圖3中視覺模組的操作步驟。圖5顯示雙鏡頭定位測距電路的偵測結果。圖6顯示模糊滑動控制電路的一實施例。圖7顯示圖1中處理電路的操作步驟。圖8顯示AI分析電路的一實施例。圖9為小波神經網路的實施例。

10‧‧‧穿載式導航避險裝置

1002‧‧‧超音波感測器

1004‧‧‧熱像儀

1006‧‧‧雷達

1008‧‧‧雷射測距儀

1010‧‧‧雙鏡頭定位測距電路

1012‧‧‧處理電路

1014‧‧‧同步定位及地圖建構電路

1016‧‧‧人工智慧分析電路

1018‧‧‧語音輸出裝置

1020‧‧‧生理監測器

1022‧‧‧電壓偵測器

1024‧‧‧模糊滑動控制電路

1026‧‧‧AI語音辨識電路

Claims

一種穿載式導航避險裝置，包括：至少一感測電路，感測周圍物件，產生至少一感測資料；一同步定位及地圖建構電路，連接該至少一感測電路，透過外部的定位系統及地圖資料庫結合該至少一感測資料產生一第一資料及一第二資料；一處理電路，連接該至少一感測電路及該同步定位及地圖建構電路，接收該至少一感測資料及該第一資料並輸出一分類結果；一人工智慧分析電路，連接該處理電路及該同步定位及地圖建構電路，分析該分類結果及該第二資料判斷該周圍物件的位置或種類，並規劃一行進路線；以及一語音輸出裝置，連接該人工智慧分析電路，根據該人工智慧分析電路提供的一語音資料產生一語音。
如請求項1的穿載式導航避險裝置，其中該處理電路包括一演算避障法用以處理該至少一感測資料。
如請求項1的穿載式導航避險裝置，其中該至少一感測電路包括一超音波感測器、一熱像儀、一雷達、一雷射測距儀及一雙鏡頭定位測距電路。
如請求項3的穿載式導航避險裝置，更包括一模糊滑動控制電路根據雙鏡頭定位測距電路輸出產生一第三資料給該人工智慧分析電路以規劃該行進路線。
如請求項3的穿載式導航避險裝置，其中該雙鏡頭定位測距電路包括：二個鏡頭，用以取得影像資料；一視覺模組，連接該二個鏡頭，處理該影像資料產生目標及物件的資訊；一方針決定模組，連接該視覺模組，根據該目標及物件的資訊決定一分級方針；以及一驅動模組，連接該方針決定模組，接收該分級方針。
如請求項1的穿載式導航避險裝置，其中該人工智慧分析電路包括適應性小波神經網路控制系統(AWNNC)。