第五章 軟硬體設計與實現
6.3 利用機率格估測法之實驗結果
本節將使用第四章介紹的機率格方法，實驗所用的聲音資訊波形與 7.2 節中 所用的一樣，請參照圖 39。在此節中，訓練模型使用高斯混和模型個數為 11 個，
選擇的頻率為 3031 以及 3656 Hz，FFT 點數為 512 點，共 368 個取樣框，取樣 框之間差距 40 個取樣點。進行位置偵測時，取樣框數以及取樣框之間的差距點 數與訓練模型時一樣。。
在此實驗中我們建立一組 11 乘 19 的方陣地標模型，相鄰的地標間距為 25 公分，圖 43 是此實驗之四周環境的照片，線與線交錯的位置為地標所在的位置。
此方陣模型之環境示意圖請參閱圖 44。
圖 43 機率格實驗環境
圖 44 機率格定位實驗環境示意圖
此章節共有五個實驗，皆是在同一個環境模型中，分別以不同路徑以及速度 移動的估測結果。下面每一個實驗中的圖形分為三種，第一種是「機率格實驗紀 錄與估測結果圖」，顯示運動平台的實際初始位置以及最終位置(以藍色圓點標 示)；綠色圓點依序表示光流感測器所得到之相對位移(這裡將光流偵測的起始點 與真實的起始點繪製，是為了顯示光流偵測的情形，而實際上沒有提供此真實的 初始位置資訊給光流定位法)；並且在此種圖中將顯示出機率格實驗最後的估測結 果(以紅色圓點標示)。第二種圖形則是「聲場特徵機率分佈以及機率格演變圖」，
每一個 Step 皆有兩張圖，左手邊的圖是單純使用聲場特徵定位法之機率分佈結 果，用以作為對照組；而右手邊的圖顯示使用機率格整合光流相對位移資訊以及 聲場特徵之機率分佈資訊的實驗結果，在每個 Step 中，圖的上方皆分別標示其估 測出的位置。第三種圖形是「聲場特徵以及機率格估測結果圖」，這個圖形是顯 示出前一種圖形中兩種方法估測出的位置，經由此種圖形將可幫助我們比較出單
純使用聲場特徵定位與使用機率格方法估測絕對之優劣。
必須說明的是，在此為了簡化問題，使運動平台之座標與聲場特徵模型之座 標一致，將不討論平台之絕對轉向估測問題。
實驗一：(共 14 個測試點)
圖 45 機率格實驗紀錄與估測結果圖-實驗一 Step 1: S1=(5,4) G1=(5,4)
Step 2: S2=(6,8) G2=(6,8)
Step 3: S3=(6,7) G3=(6,7)
Step 4: S4=(5,10) G4=(5,10)
Step 5: S5=(11,10) G5=(6,9)
Step 6: S6=(4,11) G6=(7,11)
Step 7: S7=(10,13) G7=(6,11)
Step 8: S8=(8,11) G8=(7,11)
Step 9: S9=(6,7) G9=(7,11)
Step 10: S10=(10,19) G10=(7,11)
Step 11: S11=(1,11) G11=(8,11)
Step 12: S12= (5,16) G12=(7,13)
Step 13: S13=(2,18) G13=(9,13)
Step 14: S14=(5,16) G14=(9,13)
圖 46 聲場特徵機率分佈以及機率格演變圖-實驗一
圖 47 聲場特徵以及機率格估測結果-實驗一
由圖 47 可以看出，單純使用聲場定位方法進行絕對位置偵測時，會有許多 大幅度誤判的情況發生，如圖 47 中 S10 與 S11 為此種誤判之兩例，若機器人在 空間朝某個絕對位置之目標移動，此種誤判將導致機器人大幅更動其運動方向，
結果當然不好；而反觀使用機率格方法在這個實驗中除了一開始的 G1 以外，沒 有發生大幅度的誤判情形。並且從大體來看，使用機率格方法與機器移動之路徑 距離較小，因此可知其優於單純使用聲場特徵定位法。
實驗二：(共 7 個測試點)
圖 48 機率格實驗紀錄與估測結果圖-實驗二
Step 1: S1=(7,7) G1=(7,7)
Step 2: S2=(10,3) G2=(10,6)
Step 3: S3=(5,10) G3=(5,10)
Step 4: S4=(11,10) G4=(6,7)
Step 5: S5=(6,6) G5=(6,8)
Step 6: S6=(4,14) G6=(6,11)
Step 7: S7=(8,11) G7=(8,11)
圖 49 聲場特徵機率分佈以及機率格演變圖-實驗二
圖 50 聲場特徵以及機率格估測結果-實驗二
在這個實驗結果中，以一對一的關係來看，除了 Step1、Step3 以及 Step7 是 重疊的以外，單純使用聲場特徵定位的估測結果與機器人實際的位置之間的距離 皆較機率格方法來的遠。不過若以最後一點來看，兩種方法皆有不錯的估測結果。
實驗三：(共 9 個測試點)
圖 51 機率格實驗紀錄與估測結果圖-實驗三 Step 1: S1=(7,7) G1=(7,7)
Step 2: S2=(6,7) G2=(6,7)
Step 3: S3=(6,7) G3=(6,7)
Step 4: S4=(10,6) G4=(6,8)
Step 5: S5=(11,10) G5=(5,10)
Step 6: S6=(6,7) G6=(7,11)
Step 7: S7=(5,10) G7=(7,11)
Step 8: S8=(7,11) G8=(7,11)
Step 9: S9=(11,3) G9=(8,11)
圖 52 聲場特徵機率分佈以及機率格演變圖-實驗三
圖 53 聲場特徵以及機率格估測結果-實驗三
從圖 53 可以看出，最後一個 Step 中的估測結果 G9 與實際位置非常接近，
反觀 S9 則發生大幅度的誤判。並且以大體而言，使用機率格方法的估測結果距 離機器人之移動路徑小於單純使用聲場特徵定位方法。
實驗四：(共 13 個測試點)
圖 54 機率格實驗紀錄與估測結果圖-實驗四
Step 1: S1=(9,5) G1=(9,5)
Step 2: S2=(6,7) G2=(6,7)
Step 3: S3=(6,7) G3=(6,7)
Step 4: S4=(6,7) G4=(6,7)
Step 5: S5=(6,7) G5=(6,7)
Step 6: S6=(5,10) G6=(5,10)
Step 7: S7=(6,7) G7=(5,10)
Step 8: S8=(1,1) G8=(5,10)
Step 9: S9=(11,10) G9=(7,11)
Step 10: S10=(6,7) G10=(7,11)
Step 11: S11=(6,7) G11=(7,11)
Step 12: S12=(5,10) G12=(8,10)
Step 13: S13=(6,7) G13=(7,11)
圖 55 聲場特徵機率分佈以及機率格演變圖-實驗四
圖 56 聲場特徵以及機率格估測結果-實驗四
此實驗的結果與實際的位置差距較大，但比較而言，單純使用聲場特徵定位 在 Step13 的結果差距大於使用機率格方法。
實驗五：(共 7 個測試點)
圖 57 機率格實驗紀錄與估測結果圖-實驗五
Step 1: S1=(9,5) G1=(9,5)
Step 2: S2=(6,5) G2=(6,5)
Step 3: S3=(6,6) G3=(6,6)
Step 4: S4=(4,9) G4=(6,7)
Step 5: S5=(4,11) G5=(7,11)
Step 6: S6=(6,7) G6=(7,11)
Step 7: S7=(5,10) G7=(8,12)
圖 58 聲場特徵機率分佈以及機率格演變圖-實驗五
圖 59 聲場特徵以及機率格估測結果-實驗五
在這個實驗中使用機率格方法最後估測之 G7 點明顯較 S7 點靠近實際的位 置，並由機率格演變圖中 Step7 來看，在機率格的機率分佈圖形中，真實位置(9,12) 也具有相當程度之機率值。
由此節中五個實驗的結果可以看出，機率格演變的過程中，直接地由機率格 演變的情形看出，較遠處不正確的地標機率值會漸漸地被抑制，而靠近實際位置 附近之地標機率分布值漸漸提昇，這點可由 Z 軸的量值看出。並且由 Z 軸之機率 值可以看出，單純使用聲場特徵定位法之機率值皆不高，即使判斷正確，正確地 標之機率值與其他不正確的地標之機率值差異不大；而使用機率格方法則會有較 大的分野。