利用銀河進行視覺導航

在大自然中，許多動物依賴太陽、月亮、極光以及星星等天體參照物來導航，尤其是在夜晚視線不佳的環境中。然而，發表於《Biomimetics》期刊中的一篇論文指出，某些夜行昆蟲像是糞金龜，能夠利用銀河作為導航工具。本研究利用計算機視覺方法，能在有運動模糊的情況下，依然精確提取銀河形狀以幫助導向。

銀河相較於單顆星星，具有更寬廣且亮度分佈均勻的特性，因此在運動中不容易被模糊影響。這一點對夜行動物如糞金龜尤其重要。它們在滾動糞球的同時，頭部會出現大幅度的晃動，如果依賴單顆星星，導航精度將大大下降，但銀河的廣闊形狀提供了一個穩定的參照物，讓它們即便在極暗的環境下，也能維持直線移動。

運動模糊是導航系統中常見的問題，尤其在光線昏暗且需要較長曝光時間的環境下更為顯著。當相機或其他光學設備處於運動中，畫面中物體的影像會出現殘影，從而影響準確度。研究團隊在澳洲南澳的Mallala地區，使用裝有樹莓派相機和6毫米廣角鏡頭的車輛進行數據收集。即使車輛以40公里/小時的速度移動，並受到引擎震動的影響，拍攝到的銀河圖像仍然能被有效識別，展示了銀河作為導航標誌的穩定性（圖1和圖2）。

圖1：車輛搭載的數據採集系統設置

圖2：不同速度下(30–40 kph)曝光30秒的銀河影像。在不同速度下，即使在有運動模糊的情況下，銀河仍然是一個穩定的參考物

為了測試這種電腦視覺技術的穩健性，研究人員不僅依賴真實拍攝的夜空圖像，還生成了合成圖像來模擬不同程度的運動模糊。他們使用了Stellarium開源軟體生成夜空圖像，並將這些圖像應用不同的模糊效果，模擬出現實中可能遇到的情境（圖3）。

圖3：合成的夜空運動模糊圖像。利用Stellarium軟體生成的合成夜空圖像，以及應用運動模糊後的效果

在此項研究中，提出了一種新的銀河定向演算法（MWOA），它結合了噪音移除、閾值處理及形態學運算等圖像處理技術，從RGB圖像中精確提取銀河形狀。

首先，演算法將圖像分為RGB三個通道，並對每個通道進行中值濾波處理。接著，使用Otsu's方法計算最佳閾值，將圖像轉換為binary image，並移除過小的物體，最後生成代表銀河的binary mask。利用該圖像，演算法還能通過計算銀河區域的中心距和二階中心矩，來估算銀河的角度方向，從而達成導航目標。

研究結果顯示，這套銀河定向演算法在處理真實與合成的夜空圖像時，均展現出極高的準確性。針對真實圖像，銀河角度的測量誤差範圍在0.00°到0.08°之間，而合成圖像的誤差範圍則稍大一些，在0.22°到1.61°之間（圖4和圖5）。這些結果顯示，銀河作為導航參照物的穩定性遠超單顆星星，特別是在運動模糊的情況下，銀河提供了更強健的參考依據。

圖4：在不同觀測點進行旋轉角度計算結果的比較。location, Australia Astronomical Observatory (AAO).
此圖提供了不同觀測點使用的真實夜空圖像進行旋轉角度計算的結果比較，可以看到所提出的銀河定向演算法（MWOA）比傳統Radon變換方法更具準確性。

圖5：合成圖像角度計算與真實角度的誤差分佈圖。
此圖展示了合成圖像中，銀河角度計算結果與真實角度的誤差分佈，可以看到誤差集中在接近零度附近，代表預測值與Ground trruth間差異非常小，說明演算法能夠高度準確地計算出角度。

撰文：余雪淩

原始論文：Tao, Y., Perera, A., Teague, S., McIntyre, T., Warrant, E., & Chahl, J. (2024). Computer Vision Techniques Demonstrate Robust Orientation Measurement of the Milky Way Despite Image Motion. Biomimetics, 9(7), 375.

https://www.mdpi.com/2313-7673/9/7/375