使用於配備單攝影機的手持式裝置之同步定位與建立地圖技術之研究

配備有攝影機、加速計、陀螺儀、電子羅盤等感測器，以及大顯示畫面的智慧型手持式裝置已在我們日常生活中大量出現，例如Apple的iPod touch、iPhone、iPad，Samsung 的Galaxy Tab、ViewSonic的ViewPad，和ASUS 的Eee Pad 等。有些應用，例如配合GPS定位系統及電子羅盤等資訊，可在攝影機擷取到的影像中標示道路、景點、建築物，以及商店簡介等資訊，帶來全新的方便性。但現有的應用程式並未充份利用其潛力，因為這些應用並不需要精確的定位。如果要精確的與景物疊合，例如警方在建築物外側估計已知之內部目標的距離和方位，則必需進一步提高對位和定位的精度。針對手持式裝置的小範圍、高精度定位問題，可利用同步定位與地圖重建 (SLAM) 的技術，來獲得手持式裝置與景物的相對座標與姿態。但是即時SLAM的演算法需要大量計算，在受硬體限制的手持式裝置上開發相關應用是很大的挑戰。此外，相較於傳統的視覺式SLAM，手持式裝置並沒有明確的運動模型。本研究將應用擴展式卡爾曼濾波器，並配合加速計與陀螺儀來輔助定位。本研究擬採用具有單一攝影機，配備有加速計、陀螺儀、電子羅盤等感測器的手持式裝置，在有限硬體運算資源的條件，探討即時SLAM的應用技術，並研究可能的應用領域，預計分成兩年完成：第一年將專注於手持式裝置程式開發基礎的探索，並解決單攝影機校正、特徵點擷取，與配對的問題。預計利用Harris Corner Detector 來當成特徵點偵測的演算法，並利用所得到的特徵值來當成特徵點品質的篩選依據。在特徵點的對應上，則應用sum of squared difference (SSD) 與 cross correlation template matching。第二年將基於第一年的結果，利用攝影機所擷取之即時影像的特徵點開發SLAM演算法，並配合感測器來提高演算法的精確度。本研究預計利用SLAM演算法估測的攝影機移動距離來反推特徵點深度，並利用Bayesian inference的方式來進一步確認這些深度值。

系統編號:PB10007-2318
原計畫編號:NSC100-2221-E182-008