Abstract
三度空間物體辨認與定位是電腦視覺中非常重要的一部分。通常，我們嘗試建立物體的三度空間模型(model) 。這就有賴於測距器(range finder)或立體視覺(stereops-is) 為之了。但是，它們都有其缺失。因此本論文中提出數種整合影像灰度與距離資料之架構，以建立對物體之描述，并進而辨認與定位。首先，我們對所謂的融合(fusion)依其功能作一分類。“感測器整合(sensor integ-ration)” 討論有關於多數個或不同種類感測器間實際操作上之合作，其目標是藉感測器間之相互導引(guidance)來提高效能，或偵測與還原感測器資料處理上之錯誤。另一方面，“資料融合(data fusion)” 則探討各種感測器資料之結合。其目標是對某一物體性質求取一最佳值，或推導一些積極(active)性質，它們是任何單一種感測器資料所無法求出的。本論文中提出一架構，攝影機與一測距器分別從不同視角去量測一物體并建立屬於自己個別之描述。經由其間相互關系(correlation) 之探討，此二種描述合而為一，其代表之物體描述將更豐富更具訊息。建立后之物體描述可以一相關式圖形(relational graph)來表示。如此，物體辨認即形成一最佳圖形比對問題(optimal graph monomorphism)。我們采用一種有效解譯樹(interpretation tree) 搜尋法則來做辨認比對。此外，由於本系統具三度空間測量能力，因此，經由模型與實物間的轉換關系，可對物體之各特征點（如頂角點）作精確定位，以利於機器自動化操作(robotic manipulation)。