本发明是有关迭代最近点法，特别是关于一种适用于迭代最近点法的可察觉移动的关键点选择系统。
背景技术：
：：迭代最近点法(iterativeclosestpoint,icp)可用以减小两群点集合之间的差距。其中，目标(或参考)群保持固定，而来源群则被转换以匹配目标群。迭代最近点法(icp)可应用于视觉测距(visualodometry)，于广泛的机器人应用当中决定机器人的位置与方位。迭代最近点法通常用以重建二维或三维表面或者用以定位机器人以实现最佳路径规划。迭代最近点法反复修正转换(例如平移与旋转)以减少误差，例如来源群与目标群之间的匹配组坐标的距离。迭代最近点法应用的第一步通常是侦测关键点(keypoint)，例如于同步定位与地图构建(slam)，其建构或更新未知环境的地图，且同时追踪代理人的位置或进行视觉追踪，其强健度(robustness)与准确度会受到关键点侦测的影响。传统关键点侦测器因为使用所有点以执行迭代最近点法的算法，因此其计算复杂度相当高。此外，由于使用非理想的特征对，因而降低迭代最近点法的效能。因此亟需提出一种新颖的关键点选择技术，以克服传统关键点侦测器的缺点。技术实现要素：鉴于上述，本发明的主要目的是在于在于克服现有技术的缺陷，而提出一种可察觉移动的关键点选择系统，可适用于迭代最近点法(icp)，以降低计算复杂度且增强准确度。本发明的目的及解决其技术问题是采用以下技术方案来实现的。根据本发明提出的适用于迭代最近点法的可察觉移动的关键点选择系统包含修剪单元、点质量估算单元及抑制单元。修剪单元接收影像以选择至少一个关注区域，该关注区域包含该影像当中选择的点子集合。点质量估算单元根据图框速度以产生关注区域内每一点的点质量。抑制单元接收点质量，据此对关注区域进行筛检以产生关键点。本发明的目的及解决其技术问题还可采用以下技术措施进一步实现。前述的适用于迭代最近点法的可察觉移动的关键点选择系统中,该修剪单元选择近边缘区域作为该关注区域。前述的适用于迭代最近点法的可察觉移动的关键点选择系统中,至少一个关注区域包含两个该近边缘区域，其中一个近边缘区域位于被阻挡略过区域的左侧，其中另一个近边缘区域位于噪声略过区域的右侧，其中该被阻挡略过区域邻接于最后有效像素的左边，且该噪声略过区域邻接于目前有效像素的右边。前述的适用于迭代最近点法的可察觉移动的关键点选择系统中,该影像的每一点包含色彩与深度。前述的适用于迭代最近点法的可察觉移动的关键点选择系统中,该修剪单元及该点质量估算单元是执行基于点的操作。前述的适用于迭代最近点法的可察觉移动的关键点选择系统中,该抑制单元是执行基于该图框的操作。前述的适用于迭代最近点法的可察觉移动的关键点选择系统中,该点质量估算单元包含模型选择单元，其根据该图框速度以产生关键深度值。前述的适用于迭代最近点法的可察觉移动的关键点选择系统中,该模型选择单元包含查表，据此得到该图框速度的关键深度值。前述的适用于迭代最近点法的可察觉移动的关键点选择系统中,该图框速度愈大，则相应的关键深度值愈大。前述的适用于迭代最近点法的可察觉移动的关键点选择系统中,该点质量估算单元包含估算模型单元，其接收该关键深度值，以建立产生点质量与深度值的关系曲线，据此得到该关注区域某一点的相应点质量。前述的适用于迭代最近点法的可察觉移动的关键点选择系统中,该点质量与深度值的关系曲线储存于查表。前述的适用于迭代最近点法的可察觉移动的关键点选择系统中,该估算模型单元执行以下步骤：接收该关键深度值；以该关键深度值作为关系曲线的顶点，其对应的点质量为最大点质量；使用预设函数，并以该最大点质量作为关系曲线的顶点，以建立产生点质量与深度值的关系曲线，因此，每一个深度值即可对应得到点质量。前述的适用于迭代最近点法的可察觉移动的关键点选择系统中,该预设函数为高斯函数。本发明与现有技术相比具有明显的优点和有益效果。通过上述技术方案,根据本发明所提出的适用于迭代最近点法的可察觉移动的关键点选择系统，可达到相当的技术进步性及实用性，并具有产业上的广泛利用价值，其至少具有降低计算复杂度以及增强准确度等优点。上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图,详细说明如下。附图说明图1是本发明适用于迭代最近点法的可察觉移动的关键点选择系统的方框图。图2a是本发明适用于迭代最近点法的可察觉移动的关键点选择系统的一行的深度影像。图2b是本发明适用于迭代最近点法的可察觉移动的关键点选择系统的图1的修剪单元于深度影像所决定的近边缘区域、被阻挡略过区域及噪声略过区域。图3是本发明适用于迭代最近点法的可察觉移动的关键点选择系统的图1的点质量估算单元的具体方框图。图4a至图4c是本发明适用于迭代最近点法的可察觉移动的关键点选择系统的不同图框速度的质量-深度曲线。【符号说明】100可察觉移动的关键点选择系统11修剪单元12点质量估算单元121模型选择单元122估算模型单元13抑制单元qn最后有效像素qc目前有效像素ner近边缘区域osr被阻挡略过区域nsr噪声略过区域具体实施方式为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的适用于迭代最近点法的可察觉移动的关键点选择系统，其具体实施方式、结构、方法、步骤、特征及其功效，详细说明如后。有关本发明的前述及其他技术内容、特点及功效，在以下配合参考图式的较佳实施例的详细说明中将可清楚呈现。通过具体实施方式的说明,当可对本发明为达成预定目的所采取的技术手段及功效更加深入且具体的了解，然而所附图式仅是提供参考与说明之用，并非用来对本发明加以限制。图1是本发明适用于迭代最近点法(iterativeclosestpoint,icp)的可察觉移动(motion-aware)的关键点(keypoint)选择系统(以下简称关键点选择系统)100的方框图。关键点选择系统100的方框可使用软件、硬件或其组合来实施，且可使用数字图像处理器来执行。在实施例中，关键点选择系统100可适用于扩增实境(ar)装置。扩增实境装置的硬件组件主要包含处理器(例如图像处理器)、显示器(例如头戴显示设备)及传感器(例如色彩-深度相机，例如可得到红、绿、蓝及深度的红绿蓝-深度相机)。其中，传感器或相机撷取场景以产生影像图框(frame)，再传送至处理器以执行关键点选择系统100的操作，因而产生扩增实境于显示器。在本实施例中，关键点选择系统100可包含修剪(pruning)单元11，其接收影像，经筛检处理后选择至少一个关注区域(regionofinterest,roi)，其包含影像当中所选择的点(或像素)子集合(subset)。关注区域以外的点则被舍弃，以简化关键点选择系统100的处理且大量降低计算复杂度，但不会明显降低准确度。影像的每一点可包含色彩(例如红、绿、蓝)与深度。本实施例的修剪单元11是执行基于点(point-based)的操作。根据本实施例的特征之一，修剪单元11选择近边缘区域(nearedgeregion,ner)作为关注区域。图2a例示一行的深度影像，其中qn代表最后有效(或背景)像素(或称为被阻挡边缘(occludededge))，且qc代表目前有效(或前景)像素(或称为阻挡(occluding)边缘)。图2b显示本发明实施例的图1的修剪单元11于深度影像所决定的近边缘区域(ner)(即关注区域)、被阻挡略过区域(occludedskippingregion,osr)及噪声略过区域(noiseskippingregion,nsr)。被阻挡略过区域(osr)邻接于最后有效像素qn的左边，且噪声略过区域(nsr)邻接于目前有效像素qc的右边。其中，噪声略过区域(nsr)通常包含多个(例如12个)像素，相应于边界或角落，其法线(normal)很难估算，因此本实施例舍弃噪声略过区域(nsr)。被阻挡略过区域(osr)通常包含多个(例如2个)像素，相应于被阻挡区域，其在目标图框中不具有正确的对应(correspondence)，因此本实施例舍弃被阻挡略过区域(osr)。近边缘区域(ner)通常包含多个像素，由于其包含有用讯息，因此位于被阻挡略过区域(osr)左侧的近边缘区域(ner)以及位于噪声略过区域(nsr)右侧的近边缘区域(ner)被选为关注区域。在实施例中，被阻挡略过区域(osr)、噪声略过区域(nsr)及近边缘区域(ner)的像素宽度可为预设值。本实施例的关键点选择系统100可包含点质量估算(pointqualityestimation)单元12，其根据图框(frame)速度以产生关注区域内的每一点的点质量，因而形成可察觉移动的关键点选择系统100。本实施例的点质量估算单元12是执行基于点(point-based)的操作。在实施例中，点质量估算单元12的显著函数(saliencyfunction)所使用的噪声模型，其揭露于阮(c.v.nguyen)等人所提出的“改良三维重建与追踪的肯乃特传感器噪声模型(modelingkinectsensornoiseforimproved3dreconstructionandtracking)”，发表于2012年三维影像、模型、处理、视觉与传输(3dimaging,modeling,processing,visualization&transmission)第二次国际研讨会，其细节视为本说明书的一部分。图3显示图1的点质量估算单元12的具体方框图。点质量估算单元12可包含模型选择单元121，其根据图框速度以产生关键(key)深度值。在实施例中，模型选择单元121包含经实验所得到的查表(lookuptable)，据此得到图框速度的相应关键深度值。图框速度可由计速器(speedometer)或惯性量测单元(inertialmeasurementunit,imu)获得。图4a至图4c是本发明适用于迭代最近点法的可察觉移动的关键点选择系统的不同图框速度的质量-深度曲线，其中曲线顶点所对应的深度值代表该图框速度所相应的关键深度值。根据图4a至图4c所例示，图框速度愈大，则相应的关键深度值愈大。回到图3，点质量估算单元12可包含估算模型单元122，其接收(模型选择单元121的)关键深度值，以建立产生点质量与深度值的关系曲线，据此得到关注区域某一点的相应点质量。在实施例中，点质量与深度值的关系曲线可储存于查表(lookuptable)。详而言之，如图4a所例示(其图框速度为0.000922)，估算模型单元122自模型选择单元121接收关键深度值(例如约60公分)。接着，估算模型单元122以该关键深度值作为关系曲线的顶点，其对应的点质量为1(即最大点质量)。接下来，估算模型单元122使用预设函数(例如高斯函数)，并以该最大点质量作为关系曲线的顶点，以建立产生点质量与深度值的关系曲线(例如高斯关系曲线)，其具有预设的分布(例如高斯或常态分布)。因此，每一个深度值即可对应得到点质量。对于其他的图框速度(如图4b、图4c所例示)，也可依据上述原则得到点质量与深度值的关系曲线或查表，据此得到关注区域某一点的相应点质量。回到图1，关键点选择系统100可包含抑制(suppression)单元13，其接收(点质量估算单元12的)点质量，据此对(修剪单元11的)关注区域的多个点进行再次的筛检处理，以产生关键点，使其均匀分布而不会群集。由于使用较少的关键点以涵盖影像，因而得以加速运算。本实施例的抑制单元13是执行基于图框(frame-based)的操作。在实施例中，抑制单元13使用非最大值抑制(non-maximalsuppression,nms)算法，其细节揭露于布朗(m.brown)等人所提出的“使用多比例导向区块的多影像匹配(multi-imagematchingusingmulti-scaleorientedpatches)”，发表于2005年电机电子工程师学会计算机视觉与图形辨识的计算机协会会议(ieeecomputersocietyconferenceoncomputervisionandpatternrecognition)，以及巴洛(o.bailo)等人所提出的“用于平均空间关键点分布的有效适应性非最大值抑制算法(efficientadaptivenon-maximalsuppressionalgorithmsforhomogeneousspatialkeypointdistribution)”，发表于图形辨识刊物(patternrecognitionletters)，第106卷，2018年四月，第53～60页，其细节视为本说明书的一部分。在本发明的
技术领域：
：内，只要具备最基本的知识，可以对本发明的其他可操作的实施例进行改进。在本发明中对实质性技术方案提出了专利保护请求，其保护范围应包括具有上述技术特点的一切变化方式。以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。当前第1页12当前第1页12