臺灣博碩士論文加值系統

隨著科技蓬勃發展及無人載具應用於各領域的需求與日俱增，與無人飛行載具相關之研究方興未艾；而自動降落對於無人飛行載具而言，是一個重要且充滿挑戰的關鍵性階段。由於無人直昇機具有高機動性、垂直起降、定點停懸等優勢；嵌入式系統研發日新月異，以高效能、高可靠性、低功耗、低成本、體積小、重量輕為訴求；且近年來機器視覺應用多元化，可作為以非接觸、非破壞的方式取得環境影像資訊的感測器。有鑒於此，本研究之無人直昇機規劃使用嵌入式控制器作為開發平台，搭載單台攝影機為機器視覺感測器擷取即時的影像資訊，以影像處理演算法的程式開發為手段，透過降落圖示與影像間座標點的對應關係，估測載具與降落圖示間的相對距離與姿態。經實驗結果證明，本研究之攝影機標定方法以單張降落圖示影像估測載具與降落圖示間的相對距離與姿態，由影像座標間的關係得知估測結果與實際趨勢相符，而本研究所估測之載具飛行高度較原先以圖示面積進行高度查表的方式更符合實際高度；在定位方面亦可提供比誤差範圍在公尺等級的定位系統更準確之平移資訊；但由於相對姿態的估算結果較不穩定，在某些角度下會超出容許範圍，為考量實際無人載具飛行之穩健性，目前仍無法取代現有的姿態感測器，並對於實驗結果不如預期之原因進行探討，提出未來可以改良的方向，進而達到導引無人直昇機自動降落之目的。

Recently, the demand of unmanned aerial vehicle(UAV) becomes more popular in many fields, and automatic landing is an important and challenging issue for UAV.
Because of the advantages of the unmanned aerial helicopter(UAH), such as high mobility, vertical takeoff and landing, and hovering mode, this study proposed to develop the automatic landing guidance system for unmanned aerial helicopter. Moreover, the machine vision has been used in many systems to retrieve the image information of environment with noncontact and nondestructive methods. This is helpful to get the information of the attitudes and location of the unmanned aerial helicopter. On the other hand, embedded system is ideal for the development of UAV flight system. Because there are several features, for instance, small size, light weight, low power consumption, highly processing speed and stability.
The purpose of this study is to develop a machine vision system which can provide the estimated attitudes and relative distance to the designated landing position of unmanned aerial helicopter for automatic landing. In this study, a digital camera is used to identify the landing mark with an embedded system hardware architecture. Through the techniques of image processing, this study develops the required program to calculate the relationship of the image and landing mark.

目 錄
摘　要 i
ABSTRACT ii
誌 謝 iii
目 錄 iv
表目錄 vii
圖目錄 viii
第一章 緒論 1
1.1 前言 1
1.2 研究背景 1
1.3 研究動機與目的 3
1.4 文獻探討 3
1.5 研究方法 5
1.6 論文架構 5
第二章 影像處理架構與演算法推導 6
2.1 參考座標系定義 6
2.1.1 載具座標系統 6
2.1.1.1本地水平座標系(North-East-Down, NED) 6
2.1.1.2體座標系(Body Coordinate) 7
2.1.2 攝影機標定座標系統 8
2.1.2.1攝影機座標系(Camera Coordinate) 8
2.1.2.2 影像座標系(Image Coordinate) 8
2.1.2.3 棋盤格圖示座標系 9
2.1.2.4 自定義降落圖示座標系 9
2.2 嵌入式影像輔助系統 10
2.2.1 影像格式與色彩空間 12
2.3 影像處理流程 13
2.4 攝影機標定與演算法推導 15
2.4.1 平面單應性 15
2.4.2 內部參數 16
2.4.2.1 攝影機模型 16
2.4.2.2 透鏡畸變 19
2.4.3 外部參數 20
2.4.3.1 旋轉矩陣 21
2.4.3.2 平移矩陣 22
2.4.4 演算法推導 23
2.4.4.1 內部參數 23
2.4.4.2 降落圖示之設計與外部參數求解 27
2.5 高度建表 32
第三章 實驗設備與實驗規劃 34
3.1 實驗開發環境與設備 34
3.1.1 攝影機 34
3.1.2 影音播放器 35
3.1.3 嵌入式系統實驗板與開發介面 36
3.1.4 影像擷取器 37
3.2 實驗規劃 37
3.2.1 兩軸旋轉平台設計與製作 37
第四章 實驗與結果分析 40
4.1 內部參數訂定實驗 40
4.2 攝影機標定實驗 42
4.2.1 偏航角(Yaw)旋轉實驗 43
4.2.2 滾轉角(Roll)旋轉實驗 54
4.3 高度建表 64
第五章 結論與未來展望 66
5.1 結論 66
5.2 未來展望 68
參考文獻 70
附錄 72
A 偏航(Yaw)角旋轉實驗數據 72
B 滾轉(Roll)角旋轉實驗數據 80

1.Harris J.S., “Data Show 50 U.S.-registered Helicopters Involved in Wire-strike Accident from 1996 through 2000,” Flight Safety Quarterly, Sep., No.32, pp.8-15, 2002.
2.VERT, Helicopters over Taiwan, Airway Jan, pp.96-99, 2000.
3.中華民國台灣飛行安全基金會(2001)，1991-2000年國籍直升機失事簡析
4.International Civil Aviation Organization (ICAO)，Retrieved May 11, 2013, from http://www.icao.int/Pages/default.aspx。
5.National Transportation Safety Board: NTSB，Retrieved May 11, 2013, from www.ntsb.gov。
6.顏進儒，疲勞因素對飛航安全之影響評估與對策，台灣：交通部運輸研究所，2004。
7.宋樂業，直昇機飛航作業人為因素之探討，碩士論文，國立成功大學高階管理碩士在職專班，台南，2006。
8.飛航安全調查委員會，台灣飛安統計報告2003-2012。
9.陳盈佐，嵌入式影像辨識系統應用於無人直昇機自動降落系統之開發，碩士論文，國立臺北科技大學機電整合研究所，台北、台灣，2011。
10.廖婉婷，無人直昇機之影像輔助自動降落系統的開發，碩士論文，國立臺北科技大學機電整合研究所，台北、台灣，2013。
11.Abdel-Aziz, Y.I., and Karara, H.M. Direct linear transformation from comparator coordinates into object space coordinates in close range photogrammetry. In ASP Symposium on Close Range Photogrammetry (pp. 1-18). Falls Church: American Society of Photogrammetry, 1971.
12.Tsai, R.Y., “An Efficient and Accurate Camera Calibration Technique for 3D Machine Vision”, CVPR’86 Proceeding, IEEE Computer Society Conference on Computer Vision and Pattern Recognition, Miami Beach, FL, June 22-26, pp. 364-373, 1986.
13.S. J. Maybank and O. D. Faugeras, “A theory of self-calibration of a moving camera,” The International Journal of Computer Vision, 8(2): 123-152, Aug, 1992.
14.Zhengyou Zhang, “A Flexible New Technique for Camera Calibration,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 22, no. 11, Nov 2000
15.Brown, Duane C. “Decentering distortion of lenses”, Photogrammetric Engineering, vol. 32, pages 444–462, May 1966.
16.J. More. The levenberg-marquardt algorithm, implementation and theory. G. A. Watson: Springer-Verlag, 1977.
17.Camera Calibration Toolbox for Matlab. Retrieved December 17, 2013, from http://www.vision.caltech.edu/bouguetj/calib_doc/
18.Gary Bradski and Adrian Kaehler, Learning OpenCV: Computer Vision with the OpenCV Library, O’Reilly, 2008
19.OpenCV. Retrieved December 22, 2013, from http://opencv.org/
20.Basic Air Data，Retrieved July 9, 2014, from http://www.basicairdata.eu/。
21.CH Robotics LLC，Retrieved July 9, 2014, from http://www.chrobotics.com/library/understanding-euler-angles
22.ADSP-BF561 BlackfinR Processor Hardware Reference, Revision 1.4, 2013.
23.ADSP-BF561 EZ-KIT LiteR Evaluation System Manual, Revision 3.3, 2012.
24."Chroma subsampling." Computer Desktop Encyclopedia. Computer Language Company Inc. Retrieved June 15, 2014, from http://www.answers.com/topic/chroma-subsampling