视觉式机器人方位估测与运动控制.pdf

視覺式機器人方位估測與運動控制 王士豪、黃柏翔 淡江大學機械與機電工程學系大學生 馮盈捷、郭沛棋、邱明璋 淡江大學機械與機電工程學系碩士生 王銀添 淡江大學機械與機電工程學系副教授 摘要 本研究針對視覺式機器人，進行狀態偵測與追蹤。在狀態偵測與追蹤方面，利用三維 空間座標與攝影機成像原理結合，搭配加速強健特徵(SURF) ，求算機器人在環境中的位置 狀態。使用 PC-based 控制器給予視覺式機器人指令，以影像作為回授系統，進而做出路徑 規劃與群隊控制。 1.研究動機與研究問題 以視覺系統(vision system)監控機器人在已知的環境中的 位置，必須要能夠在影像中 偵測與追蹤到機器人的特徵。本研究將以視覺系統架構偵測與追蹤機器人的感測模組，所 建立的偵測與追蹤功能將應用在監控機器人的問題上，以影像特徵資訊求算輪型機器人在 三維空間中的位置，進而指揮輪型機器人執行任務，例如路徑規畫或群隊控制等任務。 視覺式感測模組所萃取的影像特徵 (features)可分為點特徵 (point features)與區域特徵 (region features) 兩種型式。點特徵通常搭配周圍的影像區塊(image patch)進行特徵的偵測與 追蹤 [1] ；區域特徵則通常搭配尺度空間(scale space)與描述向量(description vector)進行特徵 的偵測與追蹤 [2] 。使用點特徵進行機器人的自我定位的優點是架構簡單與容易實現，缺點 是方位 (orientation)固定的影像區塊在追蹤過程容易發生特徵遺失或誤判。使用區域特徵的 優點是影像特徵的尺度與方位不變 (scale and orientation invariant) ，缺點是運算相當耗時， 典型範例為 Lowe[2]所提的尺度不變特徵轉換 (Scale Invariant Feature Transform, SIFT)方 法，無法達到快速即時的運算效果。Bay et al. [3]提出以盒子過濾器 (box filter)結合積分影 像 (integral image)方法進行區域特徵偵測，可以達到即時運算的要求。本研究將以Bay et al. 所提方法規劃機器人即時視覺式運動伺服控制 鄭嚴智、王清玄[ 2009]所需的感測模型。 1 2. 文獻回顧與探討 對影像進行區域特徵的偵測(detection)，所得到的區域特徵在多張影像之間的一致性相 當高，使用簡單的比對方法例如計算尤基里德距離 (Euclidean distance)與最鄰近比例比對方 法(the nearest neighbor ratio matching strategy)[2] ,[4] -[5] ，即可找到相對應的特徵點。區域 特徵追蹤可應用於影像移動範圍大與旋轉等情況，也有助於環境中的物件辨識與追蹤 (object recognition and tracking) 。Lindeberg[6] 首先提出自動尺度選擇 (automatic scale selection)的概念，偵測具有特徵尺度的特徵點，並使用影像 Hessian矩陣的行列式與 Laplacian偵測團狀 (blob)結構的區域特徵。Mikolajczyk and Schmid [7]提出偵測具尺度不變 之特徵點的方法，使用Hessian矩陣行列式選取特徵點位置，使用 Laplacian選取尺度。Lowe[2] ,[8]提出尺度不變特徵轉換 (SIFT)方法，使用高斯差異(Difference of Gaussians, DoG)取代高 斯Laplacian (Laplacian of Gaussians, LoG)偵測與描述區域特徵，以提高偵測速度。Bay[3] ,[9]