參考點轉換

ˆ ( _k^j _k^j

j k k

k =μ +K z −z

μ (3-27)

最後更新系統之Covariance matrix Σ ： _k

k j k j k

k = I −K H ⋅Σ

Σ ( ) (3-28)

EKF-SLAM 至此完成一輪計算，接著重複此流程以完成機器人之同時定位與建 立環境地圖的功能。

3.4 參考點轉換

本研究之主要目的就是希望藉由全向式攝影機豐富的影像資訊及廣闊的視 野，幫助全向式移動機器人達成在室內環境中的自我定位及導航的功能。前一節 中說明了利用EKF-SLAM 演算法達成全向式移動機器人自我定位的方法，由於 使用的感測器為攝影機，對於偵測辨識環境中的Landmark 需要兩張影像才可比 對出相同的特徵點。本論文中所採用的演算法是以起始點影像為參考點，機器人 移動後所擷取到的畫面均與起始點影像作比較，以此方法定位出機器人自身的位 置並可建立出起始點週遭環境特徵點之地圖。

但是此方法並不能讓機器人走出較長遠的距離，因為機器人移動越遠，與 起始點影像所能比對到的特徵點也就越少。因此為了讓機器人能走出較長的距 離，且能比對到足夠的特徵點供自身定位，本論文採用文獻[19]所使用之參考點 建立及轉換的流程：當機器人移動到新地點時則建立此處的參考點影像，使接下 來機器人移動所擷取到的畫面能與參考點影像比對特徵點。每到一個新的區域，

重新設定參考點影像，並將之前的參考點畫面存入資料庫，讓各區域都各有作為 基準的參考點影像，機器人便可藉此行走更長的距離。判斷參考點建立的時機決 定於移動的距離及特徵點的數目，距離為主要因素，當機器人移動距離超過原先 起始的參考點畫面，所擷取到的特徵點必然無法與起始影像比對。因此若機器人

移動超過設定距離時，則需再次建立此時位置的參考點影像；另外當特徵點比對 成功的數目越來越少時，即表示當前的參考點影像已經不敷使用，也是替換參考 點的時機之一。圖3-11 為參考點轉換的流程：

圖3-11 參考點轉換流程圖

替換參考點的同時，要先將原本的參考點區域相關資訊存入資料庫，如參 考點影像，特徵點資訊，環境地圖(特徵點位置)、各個特徵點之 Covariance…等，

並將新舊兩個參考點影像作比較，將共有的特徵點以及其Covariance 等相關資料 留下，作為新參考點區域的已知環境特徵點，讓新舊兩區域有了關連，環境資訊 能銜接上。

在[13]中，所使用的攝影機為雙眼攝影機，因其視角有限，故當旋轉至一定 角度時，會有無法與原參考點影像成功比對的情形而需建立新的參考點。若是再 次走回相同的地點，相同的特徵點有可能因為視角的不同而被定義成不同的點。

而本論文因為使用的是全向式攝影機，即使機器人旋轉了180 度，仍能在影像平 面中辨識出是同一區域，且走回原來地點時，攝影機仍可在影像中辨識出之前估 測過的特徵點，此種情況下不需重新執行建立參考點步驟，而可直接取出先前的 參考點資訊。如圖3-12，各參考點影像都有其負責的區域範圍，機器人在移動到 新地點時所建立的各區域(Ref01、Ref02、Ref03、Ref04)參考點影像，其所擷取 的即時影像和區域參考點比對來定位出機器人的位置。而回到了走過的地方，則 取舊有的參考點影像資訊幫助機器人定位。

圖3-12 參考點影像轉換

完成了參考點轉換流程後，機器人便可在移動長距離的情況下，逐一建立 參考點影像，可將環境中不同地點的影像特徵整合，且可重複行走，達成機器人 長距離導航的功能。

Step1：

即時影像與參考點比對，完成對機器人位置與特徵點的估測後，判斷機器 人此刻與參考點距離是否超過最大半徑。若否，則繼續下一個影像 Frame 的運 算；若是，代表機器人離開參考點區域，則開始參考點轉換的步驟。

Step2：

搜尋 Database 中區域半徑內是否有其他參考點，若否，則將原參考點影像 存入並更新 Database，此刻的即時影像視為一新的參考點，並在 Database 中標 記。若是，同樣將原參考點影像中資訊存入並更新Database，並轉換為舊有的參 考點影像。參考點轉換完畢繼續Step1 的運算。