现场环境的实时监督式机器学习系统与方法技术方案

一种自动导引车(AGV)(100)包含具有动力总成(435)的移动底座(105)，用来在设施内以自主导航模式驱动AGV(100)；第一摄像头(140A)，用来采集设施内物体的第一影像数据；第二摄像头(140B)，用来采集设施内物体的第二影像数据，包含内容滤镜及用来接收从第一摄像头与第二摄像头(140A,140B)传送的第一影像数据与第二影像数据的主要控制模块(170)。主要控制模块(170)执行识别神经网络程序(413)。识别神经网络程序(413)辨识第一影像数据中的目标。主要控制模块(170)也在使用者控制下执行监督程序(412)。监督程序(412)接收第二影像数据并辨识第二影像数据中附着在目标上的标签(511,512,513,711,712,713,714,811,812,813,911,912)。监督程序(412)生成监督结果，其中具有标签(511,512,513,711,712,713,714,811,812,813,911,912)的目标会依照使用者指令分类。监督结果会调整所述识别神经网络程序(413)中各节点的权重。

【技术实现步骤摘要】
【国外来华专利技术】现场环境的实时监督式机器学习系统与方法
本申请涉及自动导引车，特别是能够实时执行监督式学习的自动导引车。
技术介绍
自动导引车(automated/automaticguidedvehicle，AGV)是一种能够以例如标签、电线、或是以地面上的金属条、摄像头所视影像、磁铁、激光或上述方式的任意组合来自主导航的移动式机器人。自动导引车通常使用在工业应用上，例如在工厂或仓库里运送材料。近年来，自动导引车的数量与应用的种类已经大幅度增加。在仓库中运行的自动导引车通常依赖计算器视觉(computervision，CV)来辨识一个目标(例如一个酬载或人物)以及环境(例如仓库)。现行实践中，一个自动导引车的操作系统或类似的控制程序在送到客户的设施前，由所述自动导引车的制造者所训练。也就是说，所述自动导引车的制造者用一种默认数据集(或是一种预先设定、预先标示的数据集)来训练所述自动导引车的神经网络去辨识目标，例如训练所述自动导引车的控制程序来辨识人物、物体、环境等等。然而，实际应用中，所述自动导引车的神经网络经过训练后的表现常常不如预期，特别是当实际(或实时)的环境与用来执行训练的所述默认数据集有明显不同的情况下更是如此。事实上，用来执行训练的所述默认数据集与实际环境常有明显不同的因素，例如仓库的照明状况、工作人员的制服(或其他服装)、货架的外观等等。如此的差异可能导致低辨识率以及不良的使用者经验。但对于所述自动导引车的制造者来说记录实际设施的状态并为每一位客户建立新的数据集以适应各个环境是非常困难的。因此，本领域需要改善自动导引车的系统，特别是需要一种能够在所述自动导引车送到客户的设施后，能够在真实世界的环境来执行训练的自动导引车系统。
技术实现思路
为了解决上述公知技术的缺点，本专利技术的主要目的在于提供一种自动导引车(automaticguidedvehicle，AGV)，所述自动导引车包含(一)一个移动底座，包含一个动力总成，用来在一个设施内以一种自主导航模式驱动所述自动导引车；(二)一个第一摄像头，用来采集所述设施内物体的第一影像数据；(三)一个第二摄像头，用来采集所述设施内物体的第二影像数据，其中所述第二摄像头包含一个内容滤镜；以及(四)一个主要控制模块，用来接收从所述第一摄像头与第二摄像头分别传送的第一影像数据与第二影像数据。所述主要控制模块另用来执行一个识别神经网络程序。所述神经网络程序用来辨识所述第一影像数据中的目标。所述主要控制模块也用来在使用者控制下执行一种监督程序。所述监督程序会接收所述第二影像数据并辨识第二影像数据中附着在目标上的标签。所述监督程序会生成一个监督结果，其中具有第一标签的第一目标会分类成第一类别，并所述监督程序会使用所述监督结果来调整所述识别神经网络程序中，至少一个节点的至少一个权重。在一个实施例中，所述标签是由所述内容滤镜来识别。在另一个实施例中，所述内容滤镜是一种用来辨识与一个标签有关联的独特颜色的彩色滤光片。在另一个实施例中，所述内容滤镜用来辨识一种与一个标签有关联的独特图案。在另一个实施例中，所述监督程序依照使用者输入的指令把具有所述第一标签的所述第一目标分类成所述第一类别，并以此生成一个监督结果。在另一个实施例中，所述第一类别包含「人物识别」。在另一个实施例中，所述第一类别包含「所跟随的目标」。在另一个实施例中，所述监督程序以所述监督结果与相关的真实世界信息更新一种与所述识别神经网络程序有关联的默认数据集。在一个实施例中，所述真实世界信息与所述第一影像数据与第二影像数据中的人物穿着有关联。在另一个实施例中，所述真实世界信息与所述第一影像数据与第二影像数据中的所述设施的基础物理结构有关联。本专利技术的另一主要目的在于提供一种训练自动导引车的方法，所述自动导引车包含一个具有一个动力总成并用来在一个设施内以一种自主导航模式驱动所述自动导引车的移动底座。所述方法包含：(一)用一个第一摄像头采集所述设施内物体的第一影像数据；(二)用一个第二摄像头采集所述设施内物体的第二影像数据，其中所述第二摄像头包含一个内容滤镜；(三)用一个主要控制模块来接收从所述第一摄像头与第二摄像头分别传送的第一影像数据与第二影像数据；(四)用所述主要控制模块并以储存在一个默认数据集中，预先标示的影像数据来执行一个识别神经网络程序，所述识别神经网络程序可以用所述预先标示的影像数据来操作并辨识所述第一影像数据中的目标；(五)在使用者控制下，用所述主要控制模块执行一种监督程序，所述监督程序用来接收所述第二影像数据并辨识第二影像数据中附着在目标的标签，所述监督程序并用来生成一个监督结果，其中具有第一标签的第一目标会分类成第一类别；以及(六)使用所述监督结果来调整所述识别神经网络程序中，至少一个节点的至少一个权重。在说明本专利技术的具体实施方式前，本专利档中使用的某些单词和短语宜在此先行定义：所谓「包括」和「包含」及类似句词是指「包括但不限于」；所谓「或」是包含性的，表示「和/或」；所谓「与...关联」和「与之关联」及类似句词可能表示「包括、包含在其中、与之互连、包含、包含在其中、与之相连、与之耦合、可与之互通、与...有合作、交织、并置、邻近、受其约束或具有、具有某物的性质」等；所谓「控制器」是指任何可以控制至少一个动作的任何设备、系统或其一部分，这样的设备可以用硬件，固件或软件或它们中至少两个的某种组合来实现。值得注意的是，与任何特定控制器相关的功能可以是本地或远程的，可以是集中的或分布的。本专利档中提供了某些单词和短语的定义，而本领域中具有公知技术人员应当理解在很多或是大多数的情况下，这类定义也适用于先前以及后续情况下这样定义的单词和短语。附图说明为协助了解本专利技术以及其功效，请参考下列描述以及对应附图，其中相同的附图标记表示相同的部分。图1为本专利技术实施例中，一台自动导引车的示意图。图2为本专利技术实施例中，一个默认数据集中的影像与一个实时、真实世界环境的示意图。图3为本专利技术实施例中，一个自动导引车系统的操作员或使用者控制屏幕的示意图。图4为本专利技术实施例中，一个自动导引车系统的特定子系统的细部示意图。图5为一种依据本专利技术的原理进行实时监督式学习的范例。图6为本专利技术实施例中，一种实时监督式学习的流程图。图7为一种依据本专利技术的原理以「人物识别」作为实时监督式学习的范例。图8为一种依据本专利技术的原理以「人物跟随识别」作为实时监督式学习的范例。图9为一种依据本专利技术的原理使用一个摄像头执行实时监督式学习的范例。具体实施方式以下有关图1到图9的叙述以及本专利档中用来描述本专利技术的原理的各个实施例仅供说明，并不用于限制本专利技术。本领域的技术人员应当理解本专利技术的原理可以借由任何合适的自动导引车系统来实现。本公开描述一种自动导引车系统，其能够让所述自动导引车的神经网络程序在所述自动导引车进入一个与神经网络程序的默认数据集不一致的新的环境时本文档来自技高网...

【技术保护点】
1.一种自动导引车(automatic guided vehicle，AGV)，其特征在于，包含：/n一个移动底座，包含一个动力总成，用来在一个设施内以一种自主导航模式驱动所述自动导引车；/n一个第一摄像头，用来采集所述设施内物体的第一影像数据；/n一个第二摄像头，用来采集所述设施内物体的第二影像数据，其中所述第二摄像头包含一个内容滤镜；以及/n一个主要控制模块，用来接收从所述第一摄像头与第二摄像头分别传送的第一影像数据与第二影像数据，/n其中所述主要控制模块另用来：/n执行一个识别神经网络程序，用来辨识所述第一影像数据中的目标；/n在使用者控制下执行一种监督程序，所述监督程序会接收所述第二影像数据并辨识第二影像数据中附着于目标的标签，生成一个监督结果，其中具有第一标签的第一目标会分类成第一类别；以及/n使用所述监督结果来调整所述识别神经网络程序中，至少一个节点的至少一个权重。/n

【技术特征摘要】
【国外来华专利技术】1.一种自动导引车(automaticguidedvehicle，AGV)，其特征在于，包含：
一个移动底座，包含一个动力总成，用来在一个设施内以一种自主导航模式驱动所述自动导引车；
一个第一摄像头，用来采集所述设施内物体的第一影像数据；
一个第二摄像头，用来采集所述设施内物体的第二影像数据，其中所述第二摄像头包含一个内容滤镜；以及
一个主要控制模块，用来接收从所述第一摄像头与第二摄像头分别传送的第一影像数据与第二影像数据，
其中所述主要控制模块另用来：
执行一个识别神经网络程序，用来辨识所述第一影像数据中的目标；
在使用者控制下执行一种监督程序，所述监督程序会接收所述第二影像数据并辨识第二影像数据中附着于目标的标签，生成一个监督结果，其中具有第一标签的第一目标会分类成第一类别；以及
使用所述监督结果来调整所述识别神经网络程序中，至少一个节点的至少一个权重。


2.如权利要求1所述的自动导引车，其特征在于，所述标签是由所述内容滤镜来识别。


3.如权利要求2所述的自动导引车，其特征在于，所述内容滤镜是一种用来辨识与一个标签有关联的独特颜色的彩色滤光片。


4.如权利要求2所述的自动导引车，其特征在于，所述内容滤镜用来辨识一种与一个标签有关联的独特图案。


5.如权利要求1所述的自动导引车，其特征在于，所述监督程序依照使用者输入的指令把具有所述第一标签的所述第一目标分类成所述第一类别，并以此生成一个监督结果。


6.如权利要求5所述的自动导引车，其特征在于，所述第一类别包含「人物识别」。


7.如权利要求5所述的自动导引车，其特征在于，所述第一类别包含「所跟随的目标」。


8.如权利要求1所述的自动导引车，其特征在于，所述监督程序以所述监督结果与相关的真实世界信息更新一种与所述识别神经网络程序有关联的默认数据集。


9.如权利要求8所述的自动导引车，其特征在于，所述真实世界信息与所述第一影像数据与第二影像数据中的人物穿着有关联。


10.如权利要求8所述的自动导引车，其特征在于，所述真实世界信息与所述第一影像数据与第二影像数据中的所述设施的基础物...

【专利技术属性】
技术研发人员：陈炯霖，姚蒙，
申请(专利权)人：灵动科技北京有限公司，
类型：发明
国别省市：北京;11