｜影像特徵擷取比對與視覺定位技術

摘要：機器人對於環境感知的準確度，將決定其是否可達成有效率的自主移動，亦影響了其在實際環境中提供人們所需服務的安全性與品質。本篇文章將介紹影像特徵擷取比對與視覺感測定位技術，此建立之視覺感測器資料的地圖，可提供配置視覺感測器的移動平台進行自主定位，提升低成本機器人視覺導航技術在實際環境運作的可靠度。

Abstract: The accuracy of robot perception determines whether an autonomous robot will be able to navigate efficiently. Also, it directly affects the safety and quality of services the robot can provide. This article presented technologies of image feature extraction and matching and visual localization. The generated map of visual sensors can be applied for robots equipped with visual sensors to localize themselves. It is expected the presented technologies help to improve the corresponding reliability for practical visual navigations.

關鍵詞：自主移動機器人、特徵擷取、特徵比對、視覺導航技術

Keywords：Autonomous Robot, Feature Extraction, Feature Matching, Visual Navigation

前言
機器人自主移動能力為服務型機器人研發的主要核心技術之一，包括兩大層面：環境資訊收集與辨識、機器人位置估測及行走路徑規畫[1]。環境資料的收集與辨識，主要透過配置在機器人身上的距離感測器進行週遭環境特徵的擷取，透過偵測週遭的物體或障礙物，建構出可描述環境特徵的電子地圖，機器人即可在行走過程中依不同時間點所收集到的環境距離資訊及電子地圖，完成本身位置的估測及路徑規劃[2][3]。在早期的研究中我們利用室內GPS （Global Position Sensor）的數據或者特殊的外部信標（Land Mark）當作環境特徵，建立了環境資訊的地圖，機器人於環境中感測到參考點資訊即能計算所在位置，進一步用於規劃行走路徑。

移動式機器人透過雷射感測器進行自主定位導航，為目前室內定位技術主要發展方向，然而雷射距離感測器的高成本，限制此類系統在實務應用的機會；低成本的超音波感測器對於環境物體的材質及角度敏感度高，影響定位應用的穩定性，因此在穩定性的考量下並不適用；結合低成本攝影機的立體視覺定位技術，對於一般的牆面或是單純背景環境，因無法獲得穩定的環境資訊，常造成環境物體深度估測不確定性高，亦直接影響定位與地圖建置效果。

近年的研究成果，已經成功利用低成本單一攝影機作為唯一的感測裝置[4][5]，透過擷取所拍攝影像的環境特徵點，做為定位與地圖建置的主要參考點，並結合EKF （Extended Kalman Filter）演算法，進行機器人移動的預測與修正程序，以達成較準確的環境特徵地圖與機器人定位。然而，以單一攝影機擷取影像的SLAM （Simultaneous Localization and Mapping）架構，所擷取到的特徵位置容易因角度、光源、距離等因素影響，造成特徵比對錯誤，使機器人定位失效。因此，為改善此單純透過單一攝影機影像可能造成的缺點，本文提出強化環境特徵擷取與比對的穩定性，如SIFT （Scale-Invariant Feature Transform）演算法在影像特徵上對於光線、雜訊、物體遠近與些微視角改變的容忍度的優勢[6]。

本文提出一可提供配置單一視覺感測器的機器人進行定位導航之技術，提升機器人視覺定位導航系統設計與導入的彈性。在第二章節將介紹本文所提之影像特徵技術架構設計概念；第三章為本文提出結合SURF （Speed-up Robust Feature）與LBP （Local Binary Pattern）的影像特徵點擷取與比對技術，以提升視覺特徵地圖建立的準確性；第四章則為視覺定位技術的細部程序介紹；在第五章節則為本文所提技術作一簡短的結論。