臺灣博碩士論文加值系統

近年來機器人被廣泛地運用於人類的生活中，其中服務形的機器人通常涉入於醫療照護，或環境與建築物維護等領域裡。本篇論文的目的為提出一種視覺引導的控制策略，可以運用於服務形的機器人，使機器人能夠驅使機械手臂挾取物體。本文所提出的控制策略為運用延伸的柯漢寧網路模型，將影像特徵與機械手臂姿態，兩者之間的對映關係建立起來。而由於柯漢寧網路有自我學習的特性存在，所以不需要事先校正攝影機的內外部參數。最後藉由雙軸的相機平台與機械手臂，證實了利用雙軸攝影機所獲得的資訊，在經過已經事先學習訓練後的類神經網路，即可精確的定位出機械手臂挾爪的位置。

In　recent　years,　robot　technology　has　widely　been　utilized　in　our　domestic　life.　Service　robots　are　gradually　involving　in　medical　care,　entertainment　and　building　maintenance.　The　objective　of　this　thesis　is　to　propose　a　vision-guided　control　strategy　for　a　service　robot　to　drive　its　manipulator　in　the　application　of　grasping　tasks.　The　proposed　control　strategy　is　based　on　the　extended　Kohonen　network　and　is　applied　to　achieve　the　mapping　between　image　features　and　the　pose　of　the　robot　manipulator.　With　the　characteristic　of　self-learning,　the　calibration　of　the　adopted　camera　is　not　necessary.　A　robot　manipulator　integrated　with　a　pan-tilt　camera　has　been　employed　to　verify　the　theoretical　results　of　the　proposed　method.　After　the　training　stage,　the　robot　manipulator　is　able　to　position　its　gripper　accurately.

中文摘要　　　　　　　　　　　　I
英文摘要　　　　　　　　　　　　II
誌謝　　　　　　　　　　　　　　III
目錄　　　　　　　　　　　　　　IV
圖目錄　　　　　　　　　　　　　VI
表目錄　　　　　　　　　　　　　VIII

第一章　緒論　　　　　　　　　　　　　　　　1
1.1　研究動機與目的　　　　　　　　　　　　　1
1.2　文獻回顧　　　　　　　　　　　　　　　　1
1.3　貢獻　　　　　　　　　　　　　　　　　　4
1.4　本文架構　　　　　　　　　　　　　　　　4

第二章　研究背景　　　　　　　　　　　　　　5
2.1　　機器手臂　　　　　　　　　　　　　　　5
2.2　　視覺系統　　　　　　　　　　　　　　　6
2.2.1　攝影機　　　　　　　　　　　　　　　　7
2.2.2　影像擷取卡　　　　　　　　　　　　　　9

第三章　影像處理　　　　　　　　　　　　　　18
3.1　　影像前處理　　　　　　　　　　　　　　18
3.2　　計算影像面積與重心　　　　　　　　　　19
3.3　　估測影像主軸　　　　　　　　　　　　　19
3.4　　四邊形角落判定　　　　　　　　　　　　20
3.4.1　邊緣偵測　　　　　　　　　　　　　　　20
3.4.2　最小平方法求直線方程式　　　　　　　　20
3.4.3　四邊形角落判定　　　　　　　　　　　　22

第四章　類神經網路應用於手眼關係之學習　　　26
4.1　　類神經輸入的選取　　　　　　　　　　　26
4.2　　柯漢寧網路模型的架構　　　　　　　　　28
4.3　　柯漢寧延伸網路　　　　　　　　　　　　30
4.3.1　柯漢寧延伸模型的應用　　　　　　　　　31
4.3.1.1　柯漢寧延伸模型之建立　　　　　　　　32
4.3.1.2　神經元之參數調整　　　　　　　　　　34
4.3.2　柯漢寧延伸模型的學習步驟　　　　　　　35

第五章　實驗　　　　　　　　　　　　　　　　41
5.1　　實驗設置　　　　　　　　　　　　　　　41
5.2　　學習階段　　　　　　　　　　　　　　　42
5.2.1　參數設定　　　　　　　　　　　　　　　42
5.2.2　實驗步驟　　　　　　　　　　　　　　　43
5.3　　柯漢寧網路學習的結果　　　　　　　　　45
5.4　　機器人的定位表現　　　　　　　　　　　47

第六章　結論　　　　　　　　　　　　　　　　61
6.1　　總結　　　　　　　　　　　　　　　　　61
6.2　　未來展望　　　　　　　　　　　　　　　61
　
參考文獻　　　　　　　　　　　　　　　　　　63

[1]　G.　Asuni,　G.　Teti,　C.　Laschi,　E.　Guglielmelli　and　P.　Dario,　“Extension　to　End-effector　Position　and　Orientation　Control　of　a　Learning-based　Neurocontroller　for　a　Humanoid　Arm,”　Proceedings　of　the　2006　IEEE/RSJ　International　Conference　on　Intelligent　Robots　and　Systems,　Beijing,　China,　Oct.　9-15,　2006.
[2]　J.　R.　Cooperstock　and　E.　E.　Milios,　“Adaptive　Neural　Nettorks　For　Vision-Guided　Position　Control　of　a　Robot　Arm,”　Proceedings　of　IEEE　International　Symposium　on　Intelligent　Control,　pp.397-403,　Aug.　1992.
[3]　G.　Flandin,　F.　Chaumette　and　E.　Marchand,　“Eye-in-hand/Eye-to-hand　Cooperation　for　Visual　Servoing,”　Proceedings　of　2000　IEEE　Intermational　Conference　on　Robotics　&　Automation　San　Francisco,　CA,　Apr.　2000.
[4]　H.　Hashimoto,　T.　Kubota,　M.　Sato　and　F.　Harashima,　“Visual　Control　of　Robotic　Manipulator　Based　on　Neural　Networks,”　IEEE　Transactions　on　Industrial　Electronics,　Vol.39,　No.6,　Dec.1992.
[5]　S.　Hutchinson,　G.　D.　Hager　and　P.　I.　Corke,　“A　Tutorial　on　Visual　Servo　Control,”　IEEE　Transaction　on　Robotics　and　Automation,　Vol.12,　No.5,　pp.651-670,　Oct.　1996.
[6]　T.　Kohonen,　“The　Self-Organizing　Map,”　Proceedings　of　the　IEEE,　Vol.78,　No.9,　Sep.1990.
[7]　V.　Lippiello,　B.　Siciliano　and　L.　Villani,　“Position-Based　Visual　Servoing　in　Industrial　Multirobot　Cells　Using　Hybrid　Camera　Configuration,”　IEEE　Transactions　on　Robotics,　Vol.23,　No.1,　Feb.2007.
[8]　Q.　Meng　and　M.　H.　Lee,　“Biologically　Inspired　Automatic　Construction　of　Cross-Modal　Mapping　in　Robotic　Eye/Hand systems,”　Proceedings　of　the　2006　IEEE/RSJ　International　Conference　on　Intelligent　Robots　and　Systems,　Beijing,　China,　Oct.　9-15,　2006.
[9]　A.　Muis　and　K.　Ohnishi,　“Eye-to-Hand　Approach　on　Eye-in-Hand　Configuration　Within　Real-Time　Visual　Servoing,”　IEEE/ASME　Transactions　on　Mechatronics,　Vol.10,　No.4,　Aug.　2005.
[10]　H.　Ritter,　T.　Martinetz　and　K.　Schulten,　Neural　Computation　and　Self-Organizing　Maps,　Addison-Wesley,　pp.64-72,　pp.127-130,　1992.
[11]　A.　C.　Sanderson　and　L.　E.　Weiss,　“Image-Based　Visual　Servo　Control　using　Relational　Graph　Error　Signals,”　Proceedings　of　the　IEEE　International　Conference　on　Cybernetics　and　Society,　pp.1074-1077,　1980.
[12]　W.　Sepp,　S.　Fuchs　and　G.　Hirzinger,　“Hierarchical　Featureless　Tracking　for　Position-Based　6-DoF　Visual　Servoing,”　Proceedings　of　the　2006　IEEE/RSJ　Intermational　Conference　on　Intelligent　Robots　and　Systems,　Beijing,　China,　Oct.　9-15,　2006.
[13]　J.　Su,　Y.　Xi,　U.　D.　Hanebeck　and　G.　Schmidt,　“Nonlinear　Visual　Mapping　Model　for　3-D　Visual　Tracking　With　Uncalibrated　Eye-in-Hand　Robotic　System,”　IEEE　Transactions　on　System,　Man,　and　Cybernetics-Part　B:　Cybernetics,　Vol.34,　No.1,　Feb.　2004.
[14]　I.　H.　Suh　and　T.　W.　Kim,　“Fuzzy　Membership　Function　Based　Neural　Networks　with　Applications　to　the　Visual　Servoing　of　robot　Manipulators,”　IEEE　Transactions　on　Fuzzy　Systems,　Vol.2,　No.3,　pp.203-220,　Aug.　1994.
[15]　J.　A.　Walter　and　K.　J.　Schulten,　“Implementation　of　Self-Organizing　Neural　Networks　for　Visuo-Motor　Control　of　an　Industrial　Robot,”　IEEE　Transactions　on　Neural　Networks,　Vol.4,　No.1,　pp.86-95,　Jan.　1993.
[16]　Z.　Zhang,　“A　Flexible　New　Technique　for　Camera　Calibration,”　Technical　Report　MSR-TR-98-71,　Update　on　Microsoft　Corporation,　pp.1-21,　1998.
[17]　周政宏，　“神經網路理論與實務，”　松岡,　p.35-42,　Dec.　1995。