由於電腦軟體科技以及人工智慧理論的進步，對於傳統群組技術（Group Technology）僅能用編碼來描述物體外型分類之缺點，目前已經能夠利用電腦來自動完成物體外型分類與比對的工作，但因為2D圖形輪廓外形上的多樣性，因此對於不同圖形輪廓之間的校準比對，其困難度遠高於一般數值或文字之比對。
本研究針對2D的圖形輪廓，利用平面橢圓物件近似的概念，結合類神經網路良好的非線性分類功能，且根據類神經網路的輸出所對應之近似平面橢圓的參數（即輪廓特徵值），而將兩相似之2D圖形輪廓進行初步的分類與對齊，接著再利用ICP演算法進行微調的幾何校準比對工作。在本文最後的實例分析中，分別以四種不同的例子進行綜合比較，並且對於本論文所提出的研究方法進行驗證。

摘 要.............................................................I
誌 謝............................................................II
目 錄...........................................................III
圖 目 錄.............................................................V
表 目 錄............................................................IX
第 一 章 緒 論......................................................1
1-1 研究動機與目的...............................................1
1-2 文獻回顧.....................................................2
1-2-1 物件近似包覆法...........................................2
1-2-2 類神經網路應用...........................................6
1-2-3 校準與比對方式...........................................8
1-3 研究方法....................................................13
1-4 論文結構....................................................18
第 二 章 類神經網路理論與ICP演算法原理.............................19
2-1 前言........................................................19
2-2 類神經網路基本架構..........................................20
2-3 類神經網路類別..............................................24
2-4 倒傳遞類神經網路（Back-Propagation Naural Network）.........27
2-4-1 倒傳遞網路演算法........................................27
2-5 ICP演算法原理...............................................32
2-5-1 ICP基本理論.............................................32
第 三 章 包覆橢圓之類神經網路訓練與應用............................39
3-1 網路訓練時之相關參數定義....................................39
3-2 網路模型結構設計............................................41
3-3 網路訓練階段系統流程與收斂情形..............................44
3-4 網路應用階段系統流程........................................47
第 四 章 實例分析..................................................49
4-1 實例一：兩外型相同但角度不同之圖形比對......................49
4-2 實例二：兩相似圖形之比對....................................56
4-3 實例三：兩相似之汽車外型輪廓比對............................63
4-4 實例四：不適用之圖形輪廓範例................................71
第 五 章 結論與未來展望............................................77
5-1 結論........................................................77
5-2 未來展望....................................................78
參考文獻............................................................80

[1] Ding S., Mannan M.A., Poo A.N., “Oriented bounding box and octree based
gloabal interference detection in 5-axis machining of free-form
surfaces”, Proceedings of the ACM SIGGRAPH Conference on Computer-Aided
Design, Vol.36, pp.1281-1294, 2004.
[2] Chan C.K., and Tan S.T., “Determination of the minimum bounding
box of an arbitrary solid : an iterative approach”, Computers and
Structures, Vol.79, pp.1433-1449, 2001.
[3] Gottschalk S., Lin M.C., Manocha D., “OBB tree : a hierarchical
structure for rapid interference detection”, Proceedings of the ACM
SIGGRAPH Conference on Computer Graphics, August 1996.
[4] Park K. and Cannon D.J., “Recognition and Localization of a 3D
Polyhedral Object using a Neural Network”, Proceedings of the IEEE
International Conference on Robotics and Automation, Vol.4, pp.
3613-3618, April 1996.
[5] Besl Paul J., and Mckay Neil D., “ A Method for Registration of 3-D
Shapes ”, IEEE Transactions Pattern Analysis and Machine
Intelligence, Vol.14, No.2, February 1992.
[6] Patrick Min, Joyce Chen and Thomas Funkhouser, “A 2D Sketch
Interface for a 3D Model Search Engine”, SIGGRAPH 2002 Technical Sketch.
[7] Zhang C. and Chen T., “Efficient Feature Extraction for 2D/3D
Objects in Mesh Representation”, ICIP 2001, Thessaloniki, Greece, Oct. 7- 10, 2001.
[8] Thomas Brinkhoff, Hans-Peter Kriegel and Ralf Schneider,
“Comparison of Approximation of Complex Objects Used for Approximation-
based Query Processing in Spatial Database System”, Proceedings of the
Ninth International Conference on Data Engineering, pp.40-49, 1993.
[9] Kapoutsis C. A., Vavoulidis C. P. and Pitas I., “Morphological
Iterative Closest Point Algorithm”, IEEE Transactions on Image
Processing, Vol.8, No.11, November 1999.
[10] Yi Liu, Jiantao Pu, Guyu Xin, Hongbin Zha, Weibin Liu and Yusuke Uehara,
“A Robust Method for Shape-Based 3D Model Retrieval”, The 12th Pacific
Conference on Computer Graphics and Applications, pp. 3-9, 2004.
[11] Andrew W. Fitzgibbon, “Robust Registration of 2D and 3D Point
Sets”, Image and Vision Computing, Vol.21, pp.1145-1153, 2003.
[12] Fudos Ioannis and Palios Leonidas, “An Efficient Shape-based
Approach to Image Retrieval”, Pattern Recognition Letters, Vol.23,
pp.731-741, 2002.
[13] Ulrike Hahn, Nick Chater, Lucy B. Richardson, “Similarity as
Transformation”, Cognition, Vol. 87, 2003.
[14] Sun T. L., “Shape Similarity Assessment of Polyhedral Parts
based on Boundary Models”, International Journal of Production
Research, Vol.38, No.18, 2000.
[15] 蘇龍祥，“ 使用模型表面距離進行三維模型萃取 ”，國立成功大學資訊工程學系博
士論文，2001。
[16] 莊漢東、張加儒，“ SOM網路於逆向工程曲面重建之研究 ”，中國機械工程學會第
二十一屆學術研討會論文集，2004。
[17] 陳世偉，“ 雙輸入雙輸出模糊控制於泵浦控制之研究 ”， 國立中央大學機械工程
學系碩士論文，2004。
[18] 蔡明倫，“ 三度空間腦部結構校準 ”，國立交通大學資訊科學系碩士論文，2002。
[19] 施柏屹，“ 倒傳遞類神經網路學習收歛之初步探討　”，國立中央大學機械工程學
系碩士論文，2000。
[20] 葉怡成，“ 類神經網路應用模式與實作 ”，儒林圖書，2000。