第四章、 實驗設計與結果分析
4.2 實驗結果與分析
4.2.3 多種視覺導航依據:ORB-SLAM 的錯誤回復機制
ORB-SLAM 估計自身的位姿，達到本地端的無人機位置校正。基於 ORB-SLAM 視覺導航的應用上，根據載入的 3D 場景地圖，並將自身位置映射在地圖中，已
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
利用 ORB-SLAM 感測前方物體的方式如圖 4.15 所示，當無人機接近大樓外 牆附近，透過初始 ORB-SLAM 階段時，上升一段垂直運動來獲得 ORB-SLAM 坐 標與現實坐標之間的比例估計值，由此估計值我們得到映射地圖中的實際距離，
預先設定無人機與前方建築物的臨界距離，無人機在接近建築物階段一旦超過臨 界距離。圖 4.12 中位於臨界距離內的點雲以紅色標示，當點雲超過一定的數量 就停止前進的動作。藉由第二種的視覺導航方式，在接近目標降落點階段直到確 定著陸之間，提供最後步驟確保任務的安全性也讓視覺導航的系統更加穩固。
圖 4.11 表面相對光滑平坦的牆面，特徵檢測上不容易提取出明顯的特徵點
圖 4.12 ORB-SLAM 地圖映射於地標建築物，建立其點雲資訊
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4.2.4 特徵點檢測受光線影響問題
基於產生特徵點提取的視覺演算法，像是 SIFT,SURF,ORB 等等，具有對於 旋轉、尺度、平移、視角的不變性，經過多組實驗測試驗證了位於不同的方向和 高度，能夠成功進行特徵點的匹配，並依照其結果進行飛行導航。但是少數幾次 飛行導航失敗的情況，經過驗證後發現特徵點檢測中，在目標影像受到嚴重的光 線差異影響，可能無法產生足夠特徵點，導致匹配過程中出現錯誤不能成功匹配，
在相當接近建築物外牆時，可能因為光線照射的差異，導致特徵點檢測上出現不 同的情況而不能成功進行匹配。由圖 4.13 為匹配失敗情況飛行軌跡圖，藍色圓 圈標示的部份為匹配失敗的時候，系統進入錯誤回復的階段，由於光線的影響導 致依然無法有效的辨識出地標建築物，無人機根據匹配的結果左右平移進行位置 的校正，嘗試移動到能夠成功匹配的位置，最後因為無法成功直接原地降落。
實驗的執行大致都在早上、下午兩個時段，對於上述光線照射產生的問題，
可以事先收集不同光照之下的地標建築物圖像，將多張的圖像當作查詢圖像的集 合，執行特徵點比對時，無法成功比對的情況下能夠比對其他張不同光照下的地 標建築物圖像，減少因為強烈光照差異影響而匹配失敗的機率。
圖 4.13 匹配失敗情況飛行軌跡圖
‧
AprilTag 為目標降落點標記，經過特徵點圖像比對後再經由 AprilTag 做 最後步驟的調整，將無人機導向 AprilTag 的中心點位置。由表 II 顯示的‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
離內執行降落。透過實驗中的飛行軌跡，顯示經過錯誤回復機制後能將無 人機導向正確的飛行路徑，提高任務的成功率。
3. 整體任務完成的時間：根據兩種不同的降落方式，單純以特徵點匹配方式 比對到近程建築物圖像後降落，平均時間為 3 分。加上 AprilTag 為目標 標記的平均時間為 3 分 37 秒。綜合兩種方式花費的最大時間為 4 分 22 秒，因為實驗中的錯誤回復機制，需要耗費額外的時間做位置上的調整。
經由錯誤回復後的導航能夠有效的將任務繼續完成。
4. 針對不同的陽光照射情形，在特徵點的生成上可能會有差異，也會產生不 同的匹配結果，在實驗中我們事先收集各種光照差異影響的地標建築物圖 像，在各個時段中分別比對，減少因為光照影響而匹配失敗的機率。