當無人車發生異常故障或是車禍時，能緊急啟動備用車將事故車排除並遞補事故車的空缺，這不局限於工廠而已也能直接應用於大型災害等。以機器人作業系統(Robot Operating System2.0，ROS2.0)開發分派系統，利用3D光學雷達(LiDAR)作為感測器，進行同時定位與地圖建構(Simultaneous Localization And Mapping，SLAM)定位系統，可自動定位與建圖，構建機器人移動的路徑規劃。以大型工廠之搬運為例，既可以節省人力資源，提供24小時不間斷產線運作，最小化負面影響與風險的可能性。又好比遇到大地震，系統便能針對事件嚴重程度進行分類，決定出動多少車及前往哪一個目的地，進行現場救災行動。
前言
現今社會因為少子化等因素，導致工廠面臨員工不足，如表1[1]所示，故需以精簡的人力製作出品質穩定相當的產品，保持一定的生產效率．因此工廠亦紛紛導入機器人以輔助部分人力，使擁有更高出產效能的方法。現在工廠大部分都已有輸送帶(Conveyor)和棧板化系統(Palletization System)，也有許多已導入無人搬運車(Automatic Guided Vehicle，簡稱AGV)[2-3]，輔助成品或半成品運送，以提昇製造效率。
無人搬運車(AGV)是用於各行業的自動導航的運輸工具，包含用於執行搬運任務和交通運輸等。其配備了導航和控制系統，使它們能夠在特定區域內安全有效地移動。其應用十分廣泛，可實際應用於工廠貨物的移動、購買物品的運送、醫院內自動配送手術器材及醫療廢棄物清理等。使用AGV有許多好處，比如說節省人力，且能24小時不休息．然而常常在許多應用場合，無人搬運車得同時使用，故衍生了相對應的無人車分派問題[4-8]，於是我們就想將過去相關的系統，進一步優化，運用學校的教育版AGV(機器人ROS2.0開發教學系統平台)開始模擬測試，並針對可能的無人車之分派系統問題進行系統分析與設計
(圖1)。
無人車之分派系統相關技術
本文針對無人車與其分派系統在相關的應用作簡介．其相關技術，例如定位系統、人工智慧物聯網(The Artificial Intelligence of Things, AIoT)、深度學習等，結合深度學習之智慧物聯網在無人車分派系統的應用，是現在無論智慧製造或智慧運輸等應用，都是熱門的應用技術．因此，底下就針對這些技術，作一簡單的介紹．
定位系統
SLAM 的縮寫是Simultaneous Localization And Mapping，中文翻譯為「同時定位與地圖型建置」。SLAM 的目的是解決「定位」與「地圖型建置」這兩個問題。換句話說，一邊要估計感測器本身的位置，一邊要建立周圍環境的模型。SLAM 系統一般分成幾個模組：視覺里程計、後端最佳化、建圖，以及回路檢測[9]。
SLAM市場可應用在機器人、無人機、AR/VR、車用等領域，因傳感器不同，SLAM又分為雷射導航(LiDAR SLAM)與視覺導航(Visual SLAM)。其中，Visual SLAM (VSLAM) 的定位技術在近幾年的快速突破，乃成為SLAM市場增長快速的主要原因之一。一般而言，應用於車輛上之SLAM定位技術，國內外的作法，皆須預先獲取地圖，並以雷射等感測器來協助SLAM．因此，室外定位與較精確定位等應用，通常使用LiDAR SLAM為主，如圖2與圖3所示；而在室內的定位應用上，透過單獨使用攝影機來進行定位的方式，因為性價比較高，也逐漸普及[9-11]。
...更多內容，請件《機械新刊》雜誌
