臺灣博碩士論文加值系統

在機器人的時代已經來臨的今天，許多公司、機構透過節省人力的方式達到降低營運成本的目的，因此為了能減少人力的需求，但又須維持某些營運所需的低階簡易工作，運用機器人來代替人力達到相同的功能，將是一個可行的方法。本論文之主要目的是研究運用國產的Zenbo機器人替代人力來進行日光燈故障辨識及主動報修的可行性。Zenbo是以Android系統為基礎所開發，而Android也是大部份手機之作業系統，所以在程式開發或應用系統上也是相容的。同時，Zenbo也提供一套整合開發環境套件Zenbo SDK，可運用此機器人的感測器或功能，來達到本系統之應用與實現。本論文主要有進行定位導航與日光燈故障辨識之兩部份研究，因Zenbo SDK對於定位導航上的功能技術並未完整的開放程式碼，所以本系統也對於這方面進行了探討與研究，減少於這方面的限制。對於日光燈故障辨識部份，本研究運用OpenCV來達到對於影像辨識上的應用與解決，透過運用特徵點匹配方法達到日光燈故障類型比對。因為Zenbo定位導航資料的不足，我們也嘗試對於此部份做一些了解與研究。由於本研究運用一些搭配在機器人身上的感測器，也需要修改、增強相關軟體功能，因此最主要的困難與挑戰是聚焦在系統整合的實作。

The era of robots has arrived today. Many companies and organizations have achieved the goal of reducing operating costs using labor-saving methods. In order to reduce the manpower requirements, but also to maintain the low-level simple work required for some operations, it is a feasible method to use robots instead of manpower to achieve the same functions. The main purpose of this thesis is to study the feasibility of using domestic Zenbo robots instead of manpower for fault identification and active repair of fluorescent lamps. Zenbo is developed on the basis of the Android system in most mobile phones, so it is compatible with the program development or application systems of mobile phones. Zenbo also provides an integrated development environment kit, called Zenbo SDK. Users can use these functions to integrate the sensors of this robots to achieve the development of applications. The proposed system is mainly composed of two parts: robot positioning navigation and fluorescent lamp fault identification. Because the Zenbo SDK does not have complete open code for the positioning navigation function, this research has also discussed and studied related materials to reduce the restrictions in this respect. For the fluorescent lamp fault identification part, OpenCV is used for image recognition. Fluorescent lamp failure type comparison is achieved by using the feature point matching method. Lacking of released documental resources, survey in the use of Zenbo positioning navigation is required by ourselves. Since this study uses some sensors fitted with robots, this study also needs to modify and enhance the related software functions. Therefore, the main difficulty and challenge of this research is to focus on the implementation of system integration.

誌謝 i
摘要 ii
Abstract iii
目錄 iv
圖目錄 v
表目錄 vii
第一章 緒論 1
1.1 研究動機 1
1.2 研究目標 2
1.3 論文架構 4
第二章 相關技術與研究 5
2.1 ASUS Zenbo機器人 5
2.2 Zenbo與SLAM同步定位與地圖構建 5
2.3 Zenbo運用在SLAM之儀器 6
2.4 Visual-SLAM與特徵點相關研究 7
2.5 燈光相關研究 8
第三章 研究設計與實施 9
3.1 系統架構 9
3.2 Zenbo移動方法 12
3.3 Zenbo內建定位與Zenbo SDK之運用 15
3.3.1 非從起點走的方法 16
3.4 運算位置座標 17
3.4.1 初始里程計角度之解決方法 19
3.5 移動運算 22
3.5.1 移動運算機制之解決方法 24
3.6 日光燈照片辨識 27
3.7 遠端查看Zenbo與資料庫狀況 28
3.8 機器人實驗操控設計 29
第四章 系統實作與實驗 32
4.1 日光燈照片辨識分析 32
4.2 場景照片特徵點匹配分析 40
4.3 遠端查看Zenbo與資料庫呈現 45
第五章 結論與未來研究 47
5.1 結論 47
5.2 未來研究 48
參考文獻 49

[1]Jia Guo, Xingyu Xiao, Panwang Pan, Xiaotong Luo, “A Design of Multi-vision Localization and Navigation Service Robot System”, 12th International Conference on Computer Science and Education (ICCSE), pp. 787-790, 2017.
[2]Han Wang, Wei Mou, Minh Hiep Ly, M.W.S. Lau, Gerald Seet, Danwei Wang, “Mobile Robot Ego Motion Estimation using RANSAC-based Ceiling Vision”, 24th Chinese Control and Decision Conference (CCDC), pp. 1939-1943, 2012.
[3]ASUS（2016）。ASUS Zenbo。上網日期：2018年2月12日，檢自https://zenbo.asus.com/tw/。
[4]ASUS（2016）。Zenbo SDK。上網日期：2018年2月12日，檢自https://zenbo.asus.com/developer/documents/Zenbo-SDK/DialogSystem。
[5]Xiaoye Wang, Zhigang Yao, Zhen Yang, “The use of object tracking in visual SLAM”, International Conference on Applied System Innovation (ICASI), pp. 850-853, 2017.
[6]Jean Motsch, Sirine Benammar, Yves Bergeon, “Interior Mapping of a Building: a Real-life experiment with Microsoft Kinect for Windows vI and RGBD-SLAM”, International Conference on Military Technologies (ICMT), pp. 728-732, 2017.
[7]ASUS（2016）。華碩推出首位智慧小夥伴Zenbo三大面向應用。上網日期：2019年2月26日，檢自https://www.asus.com/tw/News/QbgHRtMj4oDy54Px。
[8]ASUS（2016）。Coordinate System。上網日期：2019年2月26日，檢自https://zenbo.asus.com/developer/documents/Design-Guideline/Zenbo-Introduction/Coordinate-System。
[9]Zhetao Zhang, Wanggen Wan, “DOVO: Mixed Visual Odometry Based on Direct Method and Orb Feature”, International Conference on Audio, Language and Image Processing (ICALIP), pp. 344-348, 2018.
[10]Mohamed Heshmat, Mohamed Abdellatif, Kazuaki Nakamura, A. A. Abouelsoud, Noboru Babaguchi, “Camera oscillation pattern for VSLAM: Translational versus rotational”, International Conference on 3D Imaging (IC3D), 2014.
[11]Herdawatie Abdul Kadir ,Mohd Rizal Arshad, “Features detection and matching for visual simultaneous localization and mapping (VSLAM)”, IEEE International Conference on Control System, Computing and Engineering, pp. 40-45, 2013.
[12]Marcus V P Lima, Vinicius B Bastos, Paulo R G Kurka, Darla C Araujo, “vSlam experiments in a custom simulated environment”, International Conference on Indoor Positioning and Indoor Navigation (IPIN), 2015.
[13]Charles Carver, Shela Wu, Adriana Rogers, Matthew Stafford, N. Sertac Artan, Ziqian Dong, “Indoor Localization Through Visible Light Characterization Using Front-Facing Smartphone Camera”, IEEE 14th International Conference on Mobile Ad Hoc and Sensor Systems (MASS), pp. 575-579, 2017.
[14]Ye-Sheng Kuo, Pat Pannuto, Ko-Jen Hsiao, Prabal Dutta, "Luxapose: Indoor positioning with mobile phones and visible light", Proceedings of the 20th annual international conference on Mobile computing and networking, pp. 447-458, 2014.
[15]Wenjuan Wang, Zhendong Luo, Peipei Song, Shili Sheng, Yimei Rao, Yew Guan Soo, Che Fai Yeong, Feng Duan, “A ceiling feature-based vision control system for a service robot”, Chinese Control Conference (CCC), pp. 6614-6619, 2017.
[16]ASUS（2016）。Zenbo支援產品。上網日期：2018年2月12日，檢自https://zenbo.asus.com/tw/product/zenbo/support/faq/。
[17]ASUSTWN（2017）。【Zenbo使用教學影片】建立家中地圖三步驟。上網日期：2018年2月12日，檢自 https://www.youtube.com/watch?v=nzOufh0I7WY&list=PLlcZC32tgFBrcVBBfNu2n5cZDphbNXrY5&index=30。
[18]Android Studio。Sensors Overview。上網日期：2019年1月6日，檢自https://developer.android.com/guide/topics/sensors/sensors_overview.html#sensors-coords。
[19]Piotr Artiemjew; Krzysztof Ropiak, “Robot Localization in the Magnetic Unstable Environment”, 2019 Third IEEE International Conference on Robotic Computing (IRC), p.p. 504-508, 2019.
[20]維基百科。旋轉矩陣。上網日期：2019年1月6日，檢自https://zh.wikipedia.org/wiki/%E6%97%8B%E8%BD%AC%E7%9F%A9%E9%98%B5。
[21]維基百科。內積。上網日期：2019年1月6日，檢自https://zh.wikipedia.org/wiki/%E7%82%B9%E7%A7%AF。
[22]Android Studio。Camera。上網日期：2019年1月6日，檢自https://developer.android.com/training/camera。
[23] Xu Wang, Jiabao Zou, Daosheng Shi, “An Improved ORB Image Feature Matching Algorithm Based on SURF”, 2018 3rd International Conference on Robotics and Automation Engineering (ICRAE), p.p. 218-222, 2018.
[24]ASUS（2016）。DDE Editor。上網日期：2018年2月12日，檢自https://zenbo.asus.com/developer/tools/ds-editor.jsp。
[25]ASUS（2016）。Zenbo小主人。上網日期：2018年2月12日，檢自https://play.google.com/store/apps/details?id=com.asus.robot.avatar。
[26]拍码屁（2017）。Android图片识别。上網日期：2019年2月14日，檢自 https://blog.csdn.net/qq_18870023/article/details/59481947。
[27]Wan Youwen（2019）。VSLAM。上網日期：2019年2月14日，檢自https://github.com/Ewenwan/MVision/tree/master/vSLAM。
[28]Machine Perception and Interaction Group（2017）。ORB SLAM2。
上網日期：2019年2月14日，檢自https://github.com/sunzuolei/orb_slam2_android。