實驗評估指標設計

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

圖 4.2:以橋墩作為檢測任務之對象

自主環繞檢測任務的整個任務流程從起飛開始，接著無人機會自主的接 近任務目標並將自身定位在目標建築物前面，接著便會圍繞目標對象進行旋轉 並收集影像畫面，當檢視完使用者指定的回合數後無人機便會返回起飛點來完 成整個任務流程。為了進行實驗，我們選擇距橋墩約 10 公尺的地面作為起飛 點。在實驗開始時，我們將 Parrot Bebop 2 放在起飛點並啟動程式以執行自動檢 查任務。我們分別針對 2、3 以及 4 公尺的檢視半徑來執行環繞檢視，每個不同 的環繞半徑皆會成功的測試 10 次以檢視其穩定性及誤差率。在進行實驗時，我 們會以 ROS 所提供的紀錄工具 Rosbag 來進行紀錄。Rosbag 可以供開發者記錄 當下 ROS 近乎所有的資料，包括無人機的影像、GPS 資料、無人機的 IMU 資 料、SLAM 之點雲狀態等。每個環繞路徑飛行的角速度皆被設置為每秒 1/18 ，而無人機的線性運動之數值則是透過與檢視半徑相應之弧長所得出的。

4.2 實驗評估指標設計

本研究利用兩種評估指標來分析我們收集回來的影像數據。第一個評估 的指標是無人機與預設路徑之偏差值，其目的是在測量無人機實際飛行的位置 與理想環繞路徑之差距。在現實世界的環境中，由於現實世界的陣風之影響和 無人機硬體的功率損耗而期望獲得完美的飛行軌道路徑是不切實際的。雖然從

‧

（Red, Green, Blue）空間裡進行顏色分割時會容易出現分割錯誤的情形。因此 在進行此類之影像處理時須先將影像從 RGB 空間轉換成 HSV（Hue, Saturation, Value)空間。RGB 空間是以紅光、綠光以及藍光來表示一張影像畫面，而在 HSV 空間則是以色相、飽和度以及明亮度來表示該影像畫面。色相表示的是色

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

我們額外利用 3.5 小節中所提到的亮度校正來修正影像的灰階值，以獲得更好 的分割效果。完成對於膠帶之顏色分割後，我們可以利用切割出來紅色膠帶的 影像像素寬度 來間接測量無人機與目標物表面之間的距離 。借助實際測 量的橋墩實際寬度 m 和無人機的相機焦距 （已知係數），我們利用公式 4.1 來 求得實際無人機與目標建築物表面之相對距離 。接著我們將所測得的相對距 離與預先設定之路徑半徑來進行比較，以此得出無人機與預設路徑之偏差值。

4.1

第二個評估標準則是目標建築物影像在無人機攝影機內成像位置之方向 偏差。此偏差值用於衡量無人機的鏡頭之角度是否可以保持朝向目標建築物圓 心之方向。我們藉由計算目標建築物在無人機畫面內成像之位置是否位在畫面 之中心點來評估無人機方向之偏差。我們同樣利用上述所提之間接測量方法來 作測量，首先我們先以公式 4.1 來求得在該檢視半徑下目標建築物在攝影機內 應成像之像素寬度大小，我們以此像素寬度在影像之中心區域以兩條紅線做代 表，表示在這個距離下目標建築物如果在無人機視野中央時應呈像之像素大 小。接著我們藉由量測實際上紅色膠帶成像之位置與標記的中心區域像素之偏 差來求得無人機之方向偏差。換句話說，我們將目標對象成像之像素大小與中 心區域的平移偏差值作為方向偏差的間接評量。當該紅色膠帶成像的位置與中 央區域的平移偏差越大，則代表目標建築物的影像成像在無人機攝影機的邊 緣，也表示無人機與目標建築物的方向偏差越大。圖 4.3 顯示了一個範例影 像，其分別測量和記錄了兩種評估指標並標示於圖像上

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

圖 4.3: 圖中展示了兩個評估指標。其中無人機位置偏差值為 0.86 公尺;方向偏 差為 57 像素值(綠色框偏離兩條紅線的大小)。