以SOPC為基礎之高性能自主導航系統之設計與實現

本計畫提出一個基於線性模型之視覺同時定位與建圖(Visual Simultaneous Localization and Mapping, V-SLAM)系統，以應用於自主導航下的機器人運作，讓機器人在未知的環境下，能即時建立出三維地圖，並且同時估測出自己在地圖中的狀態。同時，藉由FPGA硬體加速電路的輔助設計，完成低成本、低功耗以及高運算效率的目標。 在V-SLAM系統裡，影像比對主要是透過雙眼視覺(Binocular vision)的尺度不便特徵點轉換(Scale-Invariant Feature Transform, SIFT)演算規則進行，攝入的影像首先會進行高斯模糊化(Gaussian Blur)，這個步驟主要是在忽略圖像的層次與細節，減少影像中的雜訊。接著，將兩張不同權重的高斯模糊影像相減來獲得差分影像(difference image)，並進行運算，來找到影像中的極值點(extreme point)。為了從這些極值點分辨出真正的特徵點(feature point)。我們接著對差分影像進行微分，找出影像中高對比度的點，同時再搭配哈理斯邊角偵測(Harris Corner Detector)找出影像中的平滑點，而滿足以上三個條件的點就是影像中的特徵點。 為了要匹配出不同影像中的相同特徵點，我們接著利用雜訊與細節層次較少的高斯模糊影像，統計出每個像素點在周圍八個方向上像素值的變異大小，來賦予特徵點更多的描述參數。由於本計畫使用雙眼視覺影像，排除物體成像在焦距內以及單顆鏡頭被遮蔽的情況，兩個鏡頭所拍攝的影像應該會極為相似。也就是，兩張影像中的特徵點座標距離勢必不會過遠。而且，本系統在匹配之前的硬體是串列輸入串列輸出(serial input/serial output, SISO)，因此我們利用以上的特性提出了一個簡單的特徵點匹配方式。首先，經由串列存取的方式，將左鏡頭攝取的影像中，前幾個特徵點的座標及描述子儲存到隨機存取記憶體(RAM)的少量空間。接著，當延遲過的右鏡頭影像輸入第一個特徵點時，觸發記憶體，將記憶體中特徵點的座標與描述子資訊並列讀出，進行比對，找出差異最小的特徵點當作匹配的點。 為了使系統更具有競爭力，我們加入了測量距離的功能，利用匹配到的特徵點與雙眼攝影機本身物理結構的關係，計算出物體與攝影機的實際距離。如此一來，當雙眼視覺機器人使用本系統建圖時即可測量出距離，毋須增設其它感測元件進行測量，有效的降低機器人的硬體與成本。未來，還可將此功能擴充至V-SLAM系統，不僅達到低成本、低功耗、以及低階的平台實現的目標，也同時完成特徵點即時匹配與測距的功能。