4.3 實驗結果與分析
4.3.1 無人機視覺中心位於目標路徑寬度以內之程度實驗結果
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4.3.1 無人機視覺中心位於目標路徑寬度以內之程度實驗結果
表 4.7 為無人機視覺中心位於目標路徑寬度以內之程度實驗結果，程度數值越 高越好，將進行本研究提出方法之可行性與穩定性之分析。
表 4.7：無人機視覺中心位於目標路徑寬度以內之程度結果
直線 折線 長方形
基於向量域的線條跟隨(基準) 13.64% 17.51% 7.90%
單層二維方向向量機率模型 25.00% 25.06% 10.05%
雙層二維方向向量機率模型 56.86% 32.09% 48.00%
雙層二維方向向量機率模型搭配慣性速度抑制方法 63.69% 43.26% 53.17%
直線：
表 4.7 中，基於向量域的線條跟隨(基準)應用在直線之無人機視覺中心位於目 標路徑寬度以內之程度為 13.64%，表示在進行線條跟隨時，基於向量域的線條跟 隨(基準)在直線上只有約 13.64%的時間是視覺中心位於直線寬度以內，剩下的 86.36%皆為視覺中心位於直線寬度以外。本研究所提出之單層二維方向向量機率 模型應用在直線上之無人機視覺中心位於目標路徑寬度以內之程度為 25.00%，與 基於向量域的線條跟隨(基準)相比，單層二維方向向量機率模型約有 25.00%的時 間是視覺中心位於直線寬度以內，幾乎比基準多了快一倍的時間是視覺中心位於 直線寬度以內。本研究所提出之雙層二維方向向量機率模型以及雙層二維方向向 量機率模型搭配慣性速度抑制方法應用在線條上之無人機視覺中心位於目標路徑 寬度以內之程度分別為 56.86%以及 63.69%，比基於向量域的線條跟隨(基準)多了 快四倍的時間是視覺中心位於直線寬度以內。綜觀來說，從無人機視覺中心位於目
‧
量域的線條跟隨(基準)好(63.69% > 56.86% > 25.00%> 13.64%)，藉此驗證了本研究 所提出之三種方法應用在直線上之可行性。 機視覺中心位於目標路徑寬度以內之程度分別為 25.06%、32.09%以及 43.26%。綜 觀來說，從無人機視覺中心位於目標路徑寬度以內之程度來看，本研究所提出之三‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
種方法應用在折線上皆比基準好(43.26% > 32.09% > 25.06% > 17.51%)，藉此驗證 了本研究所提出之三種方法應用在折線上之可行性。
以無人機視覺中心位於目標路徑寬度以內之程度結果來分析本研究所提出之 三種方法應用在折線上。雙層二維方向向量機率模型比單層二維方向向量機率模 型好了 7%，這 7%的差距主要還是因為雙層二維方向向量機率模型與單層二維方 向向量機率模型之方位判讀空間區域大小不同。單層二維方向向量機率模型在遇 到本研究所設計紅色折線之轉角時，有不小的機率會因為方位判讀空間區域過大，
直接橫越過轉角往另一端移動。如圖 4.7 所示，左圖以視覺化呈現單層二維方向向 量機率模型在轉角前的結果。可以觀察到無人機依照機率值(0.39795)，往左下進行 移動，但由於選擇的方位判讀空間區域已經過小，因此在下一秒，單層二維方向向 量機率模型有高機率會改變飛行方向。但在改變飛行方向後(右圖)，左方的機率值 (0.67397)最高，因此單層二維方向向量機率模型將選擇往左方移動，造成無人機視 覺中心沒有將剩餘的折線跟隨完。
圖 4.8 以視覺化呈現雙層二維方向向量機率模型在折線轉角前後的結果。左圖 為雙層二維方向向量機率模型在轉角前的結果，可以觀察到無人機依照機率值 (0.45994)，一樣往左下進行移動，由於方位判讀空間區域已經過小，因此在下一秒，
雙層二維方向向量機率模型有高機率會改變飛行方向。在改變飛行方向後(右圖)，
左方的機率值(0.45524)最高，雙層二維方向向量機率模型將依照最高的機率值往左 方移動，然而這時候無人機視覺中心已經在半條折線的盡頭，因此這時候往左並不 會造成無人機視覺中心位於折線寬度以外。同樣的觀點在雙層二維方向向量機率 模型搭配慣性速度抑制方法與單層二維方向向量機率模型之比較上也適用。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4.9：慣性速度抑制方法應用在折線轉角的表現結果
長方形：
表 4.7 中，基於向量域的線條跟隨(基準)應用在長方形之無人機視覺中心位於 目標路徑寬度以內之程度為 7.90%，而本研究所提出之三種方法應用在長方形之無 人機視覺中心位於目標路徑寬度以內之程度分別為 10.05%、48.00%以及 53.17%。
綜觀來說，從無人機視覺中心位於目標路徑寬度以內之程度來看，本研究所提出之 三種方法應用在長方形上皆比基於向量域的線條跟隨(基準)好，藉此驗證了本研究 所提之三種方法應用在長方形上之可行性。
以無人機視覺中心位於目標路徑寬度以內之程度結果來分析本研究所提出之 三種方法應用在長方形上。雙層二維方向向量機率模型比單層二維方向向量機率 模型好了 38%，此情況與折線的情況雷同，單層二維方向向量機率模型在遇到本 研究所設計紅色長方形之轉角時，有不小的機率會因為方位判讀空間區域過大，直 接橫越過轉角往另一端移動，造成無人機視覺中心位於目標路徑寬度以外。
如圖 4.10 所示，左圖為單層二維方向向量機率模型在轉角前的結果。可以觀 察到無人機依照機率值(0.38652)，往下進行移動，但由於選擇的方位判讀空間區域 已經過小，因此在下一秒，單層二維方向向量機率模型有高機率會改變飛行方向。
但在飛行改變方向後(右圖)，右方的機率值(0.36055)最高，而單層二維方向向量機 率模型將往右方移動，造成無人機視覺中心沒有將剩下的線條跟隨完。
沒有慣性速度抑制方法，因此無 人機視覺中心在折線寬度以外
有慣性速度抑制方法，因此無人機視覺中心 在折線寬度以內
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
程度之間具有 5%的差距，長方形具有 4 個轉折處，因此與紅色折線的情況雷同，
為慣性速度抑制方法所造成的結果。圖 4.12 為慣性速度抑制方法應用在長方形轉 角的表現結果。左圖可以觀察到沒有使用慣性速度抑制方法的雙層二維方向向量 機率模型在經過轉角時，無人機之視覺中心(紅點)已經位於長方形線條寬度以外。
右圖可以觀察到雙層二維方向向量機率模型搭配慣性速度抑制方法在經過轉角時，
慣性速度抑制方法在面對轉角時發揮了效果，因此無人機之視覺中心(紅點)依然位 於長方形線條寬度以內。
圖 4.12：慣性速度抑制方法應用在長方形轉角的表現結果
沒有慣性速度抑制方 法，因此無人機視覺 中心在折線寬度以外
有慣性速度抑制方 法，因此無人機視覺 中心在折線寬度以 內
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4.13：以長條圖呈現無人機視覺中心位於目標路徑寬度以內之程度結果
在以無人機視覺中心位於目標路徑寬度以內之程度驗證本研究提出三個方法 之可行性，接著以無人機視覺中心位於目標路徑寬度以內之程度驗證提出方法之 穩定性。圖 4.13 以長條圖呈現表 4.7 之結果，本研究所提出之三種方法應用在三 種測試圖形上，數值皆往上提升，越來越好，且皆比基於向量域的線條跟隨(基準) 來的好，表示了三種方法應用在不同的測試圖形上，都能穩定的進行線條跟隨，以 此來驗證本研究提出之方法之穩定性。
對於本研究所使用之三種測試圖形，複雜度從低到高來說為直線、折線、長方 形，所以在無人機視覺中心位於目標路徑寬度以內之程度應為直線最好，折線次之，
最後長方形最差。然而從圖 4.13 中可以看到直線最好，但長方形次之，最差為折 線。本研究認為此現象源自於無人機的飛行控制面，在進行左右移動或是上下移動 的穩定性較同時進行多方向移動的穩定性高。如本研究所使用之直線與長方形，皆 為左右上下移動，因此飛行控制穩定性較高，使無人機視覺中心位於目標路徑寬度 以內，然而折線屬於左下以及左上的移動，在此方面的飛行控制穩定性較低，使無 人機視覺中心位於目標路徑寬度以外。
程度 最好
最差