基於深度學習之室內定位技術與應用

全球衛星定位系統為人們帶來便利的定位服務，如導航系統、智慧運輸、適地性服務等，但當訊號受到遮蔽時，如何持續提供精準的室內定位服務充滿挑戰。過去室內定位技術主要依賴行人航位推算與無線訊號交會，但容易造成誤差累積與訊號干擾等問題，定位精度仍有很大的改善空間，因此基於影像的定位技術成為另一種思考方向，其主要概念是建立包含影像與座標的場域模型，透過特徵值萃取與匹配的方式判斷所處位置，然而龐大的運算量使得定位效果無法滿足即時應用。有鑑於此，本計畫將基於行動裝置與室內環境，以深度學習為核心，發展一系列的室內定位技術與適地性服務。首先，我們發展自動化資料收集技術，降低場域資料收集的成本，支援場景模擬與增強資料的多樣性，銜接影像物件辨識與前處理策略；接著，我們設計全新深度學習模型，除了從影像進行模型訓練，更透過行動裝置的感測特徵輔助模型的精度，並透過轉移學習提升訓練效率；最後，將定位技術移植至行動裝置，探討模型簡化與多種適地性服務的延伸應用。我們相信精準且穩定的室內定位技術，不但有助於智慧服務的推動，背後所衍生的專利佈局與市場價值更是可觀，我們預期本計畫將產出高度創新的研究成果與產業應用價值。