[实用新型]基于深度学习追踪目标的自动跟随运输车

说明书

本实用新型公开了一种上述基于深度学习追踪目标的自动跟随运输车，对特定图样跟踪标志进行自动识别和跟踪，其包括设于一跟随运输车的一双目摄像头，所述双目摄像头采集多种特定图样跟踪标志，并进行局部卷积神经网络训练，所述双目摄像头仅识别采集的多种特定图样跟踪标志，所述双目摄像头配有图像识别模块和空间坐标计算模块，所述图像识别模块识别所述特定图样跟踪标志在图像中的位置，所述空间坐标计算模块计算所述特定图样跟踪标志在空间中的三维坐标值，一超声波传感器设于所述跟随运输车，所述超声波传感器探测所述跟随运输车前方的障碍物，不存在高度信息缺失问题，并可实时追踪特定目标，有效帮助运输车完成自动跟随运输任务。

【技术领域】

本实用新型涉及一种运输车，尤指一种基于深度学习追踪目标的自动跟随运输车。

【背景技术】

目前市面上已有跟随运输车的设计方案主要有两种：第一种，采用超声波传感器进行物体探测，获取跟踪目标与跟随运输车的空间相对位置，进而引导跟随运输车完成跟随功能。第二种，采用Xbee通信方式获取跟踪目标与跟随运输车的空间相对位置，进而引导跟随运输车完成跟随功能。

第一种超声波传感器方案存在的缺陷是，不具备实时追踪特定目标的能力，其设计理念是在不同位置布置多个超声波传感器，探测跟随运输车前方物体与自身的相对距离,从而完成引导，然而任何物体都会被认为是有效的跟踪目标，因此跟随运输车只能跟随离它最近的前方目标，不具备跟踪特定目标的能力，跟踪目标上存在测量缺陷，这样就会经常出现跟踪错误的情况，同时也无法准确测得跟踪目标的空间三维坐标值，从而无法准确地引导车辆完成跟随任务，具体可参考中国专利申请公告号CN105629998A。

而第二种Xbee方案虽然具备跟踪特定目标的能力，但是从测量原理上看，Xbee方案只能测量Xbee发射器与安装于跟随车上接收器之间的相对距离，而缺少空间高度信息。因此Xbee方案的缺点是从原理上无法准确测得跟踪目标的空间三维坐标值，存在有效信息缺失，也无法实现准确的跟随效果，具体可参考中国专利申请授权公告号CN207198661U。

上述两种方案均存在成本高、效率低、耗时间等类似问题。

因此，有必要设计一种好的基于深度学习追踪目标的自动跟随运输车，以克服上述问题。

【实用新型内容】

针对背景技术所面临的问题，本实用新型的目的在于通过深度学习，利用局部卷积神经网络深度学习算法(Region Convolutional Neural Network)识别双目摄像头所采集图像中的跟踪目标，同时计算出其准确空间三维坐标值，引导运输车进行跟随，不存在高度信息缺失，可实时追踪特定目标，最终使本实用新型自动跟随运输车跟随更为准确可靠，有效地完成跟随运输任务。

为实现上述目的，本实用新型采用以下技术手段：

一种基于深度学习追踪目标的自动跟随运输车，对特定图样跟踪标志进行自动识别和跟踪，其包括设于一跟随运输车的一双目摄像头，所述双目摄像头采集多种特定图样跟踪标志，并进行局部卷积神经网络训练，所述双目摄像头仅识别采集的多种特定图样跟踪标志，所述双目摄像头配有图像识别模块和空间坐标计算模块，所述图像识别模块识别所述特定图样跟踪标志在图像中的位置，所述空间坐标计算模块计算所述特定图样跟踪标志在空间中的三维坐标值，一超声波传感器设于所述跟随运输车，所述超声波传感器探测所述跟随运输车前方的障碍物，所述跟随运输车具有一底盘，所述底盘安装有一电池和一控制器，所述电池对所述跟随运输车、所述双目摄像头、所述超声波传感器和所述控制器进行电力供应，所述控制器对所述跟随运输车、所述双目摄像头、所述超声波传感器进行操作控制，接收和处理信号，一开关模块对所述跟随运输车进行控制。

进一步地，所述底盘具有两个电机、两个前车轮和两个后车轮，两个所述电机为分别独立设置，两个所述电机对两个所述后轮进行驱动，利用差速控制算法控制所述跟随运输车完成转向，两个所述前车轮为万向轮。