以圖樣辨識為基礎之自走車導航控制

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：10

、訪客IP：3.143.205.27

姓名

楊勝明(Sheng-Ming Yang) 查詢紙本館藏

畢業系所

電機工程學系

論文名稱

以圖樣辨識為基礎之自走車導航控制
(Guide Control of the Autonomous Mobile Robot Based on Image Pattern Recognition)

相關論文

★ 影像處理運用於家庭防盜保全之研究	★ 適用區域範圍之指紋辨識系統設計與實現
★ 頭部姿勢辨識應用於游標與機器人之控制	★ 應用快速擴展隨機樹和人工魚群演算法及危險度於路徑規劃
★ 智慧型機器人定位與控制之研究	★ 基於人工蜂群演算法之物件追蹤研究
★ 即時人臉偵測、姿態辨識與追蹤系統實現於複雜環境	★ 基於環型對稱賈柏濾波器及SVM之人臉識別系統
★ 改良凝聚式階層演算法及改良色彩空間影像技術於無線監控自走車之路徑追蹤	★ 模糊類神經網路於六足機器人沿牆控制與步態動作及姿態平衡之應用
★ 四軸飛行器之偵測應用及其無線充電系統之探討	★ 結合白區塊視網膜皮層理論與改良暗通道先驗之單張影像除霧
★ 基於深度神經網路的手勢辨識研究	★ 人體姿勢矯正項鍊配載影像辨識自動校準及手機接收警告系統
★ 模糊控制與灰色預測應用於隧道型機械手臂之分析	★ 模糊滑動模態控制器之設計及應用於非線性系統

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

本論文主要目的為使用圖樣辨識的方法去控制自走車的移動方向進而達到導航的目的。本論文在一部自走車上裝設一台攝影機，利用這部攝影機去搜尋在地面上的圖樣。自走車會自行去靠近圖樣、對正圖樣、辨識圖樣然後做出圖樣所代表的動作。當執行完此圖樣的動作，自走車會接著搜尋下一個圖樣，然後靠近圖樣、對正圖樣、辨識圖樣，如此循環下去就可以達到自走車的導航控制。
　　在圖樣偵測部分是利用顏色偵測技術去搜尋需要辨識的圖樣區塊，並且把圖樣從原本複雜的背景影像中抽離出。在圖樣擷取部分則是利用輪廓追蹤技術來取出可以用來判斷特徵的符號，此技術也可以順便濾除掉在背景抽離時所殘留的雜訊。在取得可以用來判斷特徵的圖樣之後，使用多變量分析中的二維線性鑑別分析法來取得圖樣的特徵參數，利用這個特徵參數去做識別的動作，將辨識出來的結果控制自走車的動作。
　　在估測圖樣與自走車之間的相對距離與位置，本論文設計了一個倒傳遞神經網路用來執行反透視法的功能。利用倒傳遞神經網路的函數近似功能，可以在無法得知攝影機內部參數的情況下，只要給予足夠的輸入與輸出，就可以逼近攝影機內部非線性的影像投影函數。自走車會根據自己與圖樣之間的相對距離與位置來去評估該如何移動自己進行靠近圖樣、對正圖樣的動作。
　　本論文使用了影像辨識技術與倒傳遞神經網路，來達到智慧型控制自走車自動導航的目的。

摘要(英)

The main purpose of this thesis is to use pattern recognition methods to control the autonomous mobile robot and then achieve the purpose of navigation. The thesis installed a video camera in the autonomous mobile robot and used it to search for patterns on the ground. The autonomous mobile robot will go ahead to approach the pattern, identify it and then perform the action for which the pattern represented. When this pattern action completed, the next pattern is sought and the action will continue, so the circle continues to achieve the navigation control of the autonomous mobile robot.
As for the pattern detection, color detection techniques are used to search for patterns and identify the block, and it will separate the image of pattern from the original complex background. As for the capturing pattern section, contour tracing techniques are used to extract the pattern that can be used to determine the features. This technique also filtered out residual noise from the background in the detached way. After the access pattern is used to determine characteristics, two-dimensional linear discrimination analysis of method is employed to obtain the characteristic parameters of pattern. By using the characteristic parameters to recognize the pattern, the results will be identified to control an autonomous mobile robot.
The estimation of the relative distance and the location between autonomous mobile robot and the pattern section, this thesis designs a back-propagation neural network to execute on inverse perspective mapping. Using the back-propagation neural network function approximation can give enough input and output to approximate the camera within the nonlinear images projection function in the situation of not knowing the camera internal parameters of the case. According to the relative distance between the autonomous mobile robot and the pattern, the autonomous mobile robot will evaluate how to move, approach the pattern and correct the action automatically.
The thesis uses the image recognition technology and the back-propagation neural network, to achieve the navigation purposes of intelligently controlling autonomous mobile robot.

關鍵字(中)

★ 影像處理
★ 圖型辨識
★ 二維線性鑑別分析
★ 倒傳遞神經網路
★ 自走車

關鍵字(英)

★ Image Processing
★ Pattern Recognition
★ Two-dimensional Linear Discriminant Analysis
★ Back-propagation Neural Network
★ Autonomous Mobile Robot

論文目次

中文摘要
英文摘要
目錄………………………………………………………………… I
圖目錄……………………………………………………………… VII
表目錄……………………………………………………………… XI
第一章緒論……………………………………………………… 1
1.1 研究背景………………………………………………… 1
1.2 研究動機與目的………………………………………… 2
1.3 論文目標………………………………………………… 2
1.4 論文架構………………………………………………… 3
第二章硬體系統架構…………………………………………… 4
2.1 影像處理系統…………………………………………… 4
2.1.1 CCD攝影機……………………………………………… 4
2.1.2 影像處理裝置…………………………………………… 5
2.2 無線傳輸系統…………………………………………… 5
2.3 微控制處理器…………………………………………… 6
2.4 車體結構及動力驅動系………………………………… 7
2.4.1 車體結構………………………………………………… 7
2.4.2 伺服機控制器…………………………………………… 9
2.4.3 直流馬達驅動器與直流馬達…………………………… 9
2.4.4 電源供應………………………………………………… 10
第三章圖樣偵測………………………………………………… 11
3.1 圖樣……………………………………………………… 11
3.2 色彩空間………………………………………………… 12
3.2.1 RGB色彩空間…………………………………………… 12
3.2.2 YCbCr色彩空間………………………………………… 13
3.3 顏色偵測………………………………………………… 14
3.4 影像二值化……………………………………………… 15
3.5 輪廓追蹤萃取…………………………………………… 16
3.6 圖樣端點判定…………………………………………… 18
3.7 符號萃取………………………………………………… 19
3.8 影像正規化……………………………………………… 22
第四章圖樣距離與方位估測…………………………………… 24
4.1 透視投影………………………………………………… 24
4.2 倒傳遞神經網路………………………………………… 25
4.2.1 網路架構………………………………………………… 26
4.2.2 倒傳遞網路運作過程…………………………………… 27
4.2.3 倒傳遞網路學習演算法………………………………… 27
4.2.4 倒傳遞網路回想演算法………………………………… 32
4.2.5 倒傳遞網路演算法的推導……………………………… 32
4.3 利用類神經網路把影像座標轉換成世界座標………… 35
第五章圖樣辨識法……………………………………………… 39
5.1 主成份分析法…………………………………………… 39
5.1.1 主成份分析概念………………………………………… 40
5.1.2 主成份分析法在辨識上之應用………………………… 41
5.1.3 主成份分析法應用在辨識上的缺點…………………… 42
5.2 線性鑑別分析法………………………………………… 43
5.2.1 線性鑑別分析概念……………………………………… 43
5.2.2 線性鑑別分析法在辨識上之應用……………………… 44
5.2.3 線性鑑別分析法應用在辨識上的缺點………………… 46
5.3 二維線性鑑別分析法…………………………………… 46
5.3.1 二維線性鑑別分析概念………………………………… 47
5.3.2 二維線性鑑別分析法在辨識上之應用………………… 47
5.3.3 二維線性鑑別分析法應用在辨識上的優點…………… 51
5.4 圖樣參數訓練流程……………………………………… 51
5.5 圖樣辨識流程…………………………………………… 52
第六章自走車的控制與原理…………………………………… 54
6.1 自走車的行進控制……………………………………… 54
6.1.1 自走車的直走控制……………………………………… 55
6.1.2 自走車的左轉控制……………………………………… 56
6.1.3 自走車的右轉控制……………………………………… 57
6.2 依據圖樣資訊的自走車控制法則……………………… 58
6.2.1 當圖樣距離太遠無法辨識時的控制法則……………… 58
6.2.2 當圖樣沒有正對自走車的控制法則…………………… 59
6.2.3 辨識出圖樣時自走車的控制法則……………………… 60
6.3 自走車的控制流程……………………………………… 61
第七章圖實驗結果……………………………………………… 62
7.1 直走圖樣………………………………………………… 62
7.1.1 直走圖樣且圖樣在自走車正前方……………………… 62
7.1.2 直走圖樣且圖樣在自走車左前方……………………… 63
7.1.3 直走圖樣且圖樣在自走車右前方……………………… 63
7.2 左轉圖樣………………………………………………… 64
7.2.1 左轉圖樣且圖樣在自走車正前方……………………… 64
7.2.2 左轉圖樣且圖樣在自走車左前方……………………… 65
7.2.3 左轉圖樣且圖樣在自走車右前方……………………… 66
7.3 右轉圖樣………………………………………………… 67
7.3.1 右轉圖樣且圖樣在自走車正前方……………………… 67
7.3.2 右轉圖樣且圖樣在自走車左前方……………………… 68
7.3.3 右轉圖樣且圖樣在自走車右前方……………………… 69
7.4 連續圖樣………………………………………………… 70
第八章結論與建議……………………………………………… 72
8.1 結論……………………………………………………… 72
8.2 建議……………………………………………………… 73
參考文獻…………………………………………………………… 74
附錄………………………………………………………………… 77

參考文獻

[1] A. D. Kulkarni, “Computer Vision and Fuzzy-Neural Systems,” Prentice Hall, Inc., 2001.
[2] K. Hirai, M. Hirose, Y. Haikawa and T. Takenaka, “The Development of Honda Humaniod Robot,” Proceedings of IEEE International Conference on Robotics & Automation, pp.1321-1326, May.1998.
[3] T. H. S.Li, S. J. Chang, and W. Tong, “Fuzzy Target Tracking Control of Autonomous Mobile Robots by Using Infrared Sensors,” IEEE Trans. On Fuzzy System, Vol.12, No.4, August 2004.
[4] N. Hirai and H. Mizoguchi, “Visual tracking of human back and shoulder for person following robot,” The Proceedings of IEEE International Conference on Advanced Intelligent Mechatronics, pp.527-532, 2003.
[5] K. T. Song and L. H. Sheen, “Fuzzy-nero control design for obstacle avoidance of a mobile robot,” IEEE Int. Conf. On Fuzzy System, Vol.12.No.4 pp447-465, August 2004.
[6] A.J. Baerveldt, “A vision system for object verification and localization based on local features,” International Journal of Robotics and Autonomous Systems, pp.83-92, 2001.
[7] J. Illingworth and A. Hilton, “Automatic construction of static object models using computer vision,” Electronics & Communication Engineering Journal, Vol.10, Issue.3, pp.103-113, June 1998.
[8] R. Gottumukkal, and V.K. Asari, “Real time face detection from color video stream based on PCA method,” Applied Imagery Pattern Recognition Workshop, Proceedings 32nd., pp.146-150, 2003.
[9] H. Freeman, “On the encoding of arbitrary geometric configuration,” IEEE Trans. Electronic Computers, 260-280, 1961
[10] I. S. Hsieh and K. C. Fan, “Color Image Retrieval Using Geometric Properties,” IEEE Trans. Information Science and Engineering, vol.17, pp.729~751, 2001.
[11] R. O. Duda, P. E. Hart, and D. G. Stork, “Pattern Classification, 2nd edition,” Wiley-Interscience Press, 2000.
[12] 連國珍，數位影像處理，台北，儒林圖書公司，2004
[13] M. Bertozzi, A. Broggi, “Real-time lane and obstacle detection on the gold system,” IEEE Intelligent Vehicle Symposium, pp.213-218, 1996.
[14] T. L. McClelland, D. E. Rumelhart, “Parallel Distributed Processing MIT Press and the PDP Researcb Group,” Cambridge, 1986
[15] 王進德，蕭大全，類神經網路與模糊控制理論入門，全華圖書，台北，2005
[16] I. T. Jolliffe, “Principal Component Analysis,” Springer Verlag, 2002.
[17] R. A. Fisher, “The Use of Multiple Measurements in Taxonomic Problem with Applications to Image Analysis,” Pattern Recog., vol. 12, pp.35-40, 1936.
[18] J. Yang, D. Zhang, X. Yong, J. Y. Yang, “Two-dimensional discriminant transform for face recognition,” Pattern Recognition 38(2005)1125-1129.
[19] J. Yang, J.-y. Yang, A. F. Frangi, D. Zhang, “Uncorrelated projection discriminant analysis and its application to face image feature extraction,” Internat. J. Pattern Recogn. Artif. Intell. 17 (8) (2003) 1325-1347.
[20] E. Gose, R. Johnsonbaugh, S. Jost, “Pattern recognition and Image Analysis,” Prentice Hall Inc., New Jersey, 1996
[21] J. T. Tou, R. C. Gonzalez, “Pattern Recognition Principles,” Addison-Wesley Publishing Company, Inc. published simultaneously In Canada, 1974
[22] 程雋，應用線性代數，台北，文笙書局，1996
[23] R. C. Gonzalea and R. E. Woods, “Digital Image Processing,” Tom Robbins, 2002.
[24] A. Lindsay, “Robotics with the Boe-Bot”, Parallax Press, 2004
[25] 楊武智，影像處理與辨認，台北，全華圖書，1994
[26] 陳俊達，“以頭部姿勢應用於家電與足型機器人之研究”，碩士論文，國立中央大學電機工程研究所，2009
[27] 鄭世聰，“鄉野道路之路邊界偵測及交通標誌辨識”，碩士論文，國立中正大學電機工程研究所，2003
[28] 陳俊嘉，“即時影像追蹤之自走車設計”，碩士論文，國立中央大學電機工程研究所，2007
[29] 張斐章，張麗秋，類神經網路，台北，台灣東華，2005
[30] 鍾國亮，影像處理與電腦視覺，台北，台

指導教授

鍾鴻源(Hung-Yuan Chung)

審核日期

2010-7-5

推文