臺灣博碩士論文加值系統

本論文目的是以均勻圓桿狀物體 (如內視鏡之手術器械) 在單一鏡頭相機拍攝下，藉由在桿上兩個位置分別貼上兩個相同形狀，但不同顏色之環形標記，運用現代數位影像處理的相關技術，能有效的偵測出標記物以及圓桿狀物體在影像平面上所有的2D資訊，且透過鏡頭映射在相機感測器成像位置之幾何關係，快速求出圓桿狀物體3D定位資訊。此圓桿狀物體之3D定位參數共有七個。前三個參數為3D座標值(X,Y,Z)，最後是In-plane角(alpha)和Out-plane角(beta,gamma)三個角度，我們也提出在桿狀物體上環之標記，以進制編碼方式估測自軸旋轉角度(theta)。此七個參數決定唯一圓桿狀物體之3D姿勢。

This aim of our research is to use a uniform circular rod-shaped object (such as the endoscopic surgical instruments), it is under the single-lens cameras shooting. We were labeled two markers on the rod-shaped object. All markers have the same shape, but the color is in different. Base on the digital image processing we can detect these markers and estimate 2D information of the rod-shaped object more efficiently. We can estimate 3D position information of the rod-shaped object more quickly, through the lens mapping on the camera sensor imaging positions geometric relationships. The 3D position information of the rod-shaped object total have seven parameters. Parameters are 3D of coordinate (X,Y,Z) and In-plane, out-plane angles (alpha,beta,gamma). We propose using the binary encoding to estimate rotation angle(theta).

摘要
ABSTRACT
誌謝
目錄
表目錄
圖目錄
第一章 緒論
1.1 研究背景
1.2 研究動機與目標
1.3 論文特色與貢獻
1.4 章節概述
1.5 實驗平台規格
第二章 相關技術研究回顧
2.1 三維姿態估測相關文獻
2.2 基於標記方法相關文獻
2.3 基於標記方法估測三維姿態相關文獻
2.4 本章結論
第三章 標記式圓桿狀物體二維影像之三維定位系統
3.1 標記式圓桿狀物體二維影像之三維定位系統架構
3.2 由標記式圓桿狀物體二維影像估計三維位置之理論推導
3.2.1 In-plane(alpha)角之估測
3.2.2 深度Z值及out-plane(beta)角之估測
3.2.3 X,Y值之估測
3.2.4 Out-plane(gamma)角之估測
3.2.5 圓桿軸心線X,Y,Z值之估測
3.2.6 自軸旋轉角度(theta)之估測
3.3 本章結論
第四章 標記式圓桿狀物體基於單張二維影像之三維定位演算法
4.1 標記式圓桿狀物體環狀標記顏色之決定
4.2 標記式圓桿狀物體基於單張二維影像之三維定位演算法
4.3 標記式圓桿狀物體三維定位之正確性與誤差值驗證與分析
4.4 實驗結果與討論
4.4.1 一般環境實驗平台簡介
4.4.2 實驗結果
4.4.3 正確性與誤差值分析結果
4.5 本章結論
第五章 標記式MIS器械於單張內視鏡影像之三維定位演算法
5.1 標記式MIS器械環狀標記顏色之決定
5.2 標記式MIS器械基於單張內視鏡影像之三維定位演算法
5.3 實驗結果與討論
5.3.1 內視鏡視訊環境實驗平台簡介
5.3.2 實驗結果
5.4 本章結論
第六章 結論與未來展望
6.1 結論
6.2 未來研究方向
參考文獻

[1]D. Marr and T. Poggio, “Cooperative computation of stereo disparity,” Science, Vol.194, pp.283-287, 1976.
[2]S.T. Barnard and W.B. Thompson, “Disparity analysis of images,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.2, pp.330-340, 1980.
[3]Hutchinson S., Hager G.D. and Corke P.I., “Atutorial on visual servo control,” IEEE Transactions on Robotics and Automation, Vol.12, pp.651-670, 1996.
[4]Tomas Petricek, “3D Object Recognition and Pose Estimation,” Research Reports of CMP, Czech Technical University in Prague, No. 19, 2012
[5]Hao-Yuan Kuo, Hong-Ren Su, Shang-Hong Lai and Chin-Chia Wu, “3D object detection and pose estimation from depth image for robotic bin picking,” in Proc. IEEE International Conference on Automation Science and Engineering (CASE), pp.1264-1269, 2014.
[6]王瑋毅, “使用非線性輪廓套合演算法於基於CAD模型之三維物體姿態估測,”私立淡江大學電機工程研究所系統組碩士論文,2014.
[7]羅元隆, “腹腔鏡手術訓練系統之設計與開發,”國立台灣科技大學電子工程研究所系統組碩士論文,2011.
[8]王瑞鴻, “強健式視覺追蹤應用於擴增實境之研究,”國立政治大學資訊科學研究所系統組碩士論文,2011.
[9]陳清發, “利用標誌法做三維物體運動估測之研究,”國立清華大學電機工程研究所系統組碩士論文,1992.
[10]Nara S., Miyamoto D. and Takahashi S., “Vision-based Tracking Control using Mark Recognition,” in Proc. IEEE International Workshop on Advanced Motion Control, 2006.
[11]Chumg W. Y. and Yang S.H., “Reconstructing object pose by using single camera and planned marks,” Hua Kang Journal of Engineering Chinese Culture University Vol. 22, pp.153-162, 2008.
[12]Katsuki R., Ota J., Mizuta T., Kito T., Arai T., Ueyama T. and Nishiyama T., “Design of an artificial mark to determine 3D pose by monocular vision,” in Proc. IEEE International Conference on Robotics and Automation, Vol.1, pp.995-1000, 2003.
[13]腹腔鏡手術場景
http://aits.tw/introduction_c.aspx#
[14]IMAGE 1 H3-Z SPIES Three-Chip FULL HD Camera Head
https://www.karlstorz.com/cps/rde/xbcr/karlstorz_assets/ASSETS/3316237.pdf