學位論文

Browse

Recent Submissions

Now showing 1 - 20 of 422
  • Item
    高效移動製圖系統於高精度電子地圖之實現
    (2023) 彭正偉; Peng, Cheng-Wei
    現今製作高精度地圖主要乃利用配備光達之移動製圖系統,透過所收集而成的三維點雲資訊做為繪製的基礎。由於點雲資訊僅包含環境的三維座標,因此現今製作地圖的流程中尚需大量的人工,在點雲的基礎上繪製並給予物件的屬性。因此如何提升製圖效益、降低勞力需求並能導入到現有的產製地圖流程的技術研究為地圖供應商高度期盼的,因此,本研究整合了一個高效益移動製圖系統,其中硬體部分搭載非測量等級光達、消費等級相機、以及入門等級的定位暨慣性導航系統,結合提出的點雲後製流程,其中包含匯入控制點(GCPs)以及採用同時定位與地圖構建(SLAM)等有助於軌跡修正之技術重建出高精度的點雲成果。最後在後製流程中,本論文導入一個深度學習網路進行標牌的偵測,透過相機與光達間旋轉矩陣以及轉移矩陣的轉換,影像中的標牌中心點之大地座標即可被自動地萃取。實驗的結果顯示,所產製的點雲三維精度絕對均方根誤差(RMSE)可控制在10公分內,自動標牌萃取之絕對位置精度也可達到數十公分,因此本研究成果可顯著地利用可接受的硬體成本建置出高精度的點雲資訊,更進一步驗證自動萃取屬性導入製作高精度流程的可行性。
  • Item
    Sim2Real 在高動態環境下人形機器人的平衡控制
    (2023) 鄭在植; Jeong, Jaesik
    none
  • Item
    具單目視覺距離量測之演示學習仿人機器人系統
    (2023) 葉芳嘉; Ye, Fang-Jia
    本論文主要貢獻在於提出了一種基於單目視覺距離測量的仿人機器人演示學習系統。該系統結合基於數據驅動的人體動作識別和使用鏈結向量和虛擬關節的機器人運動控制,使仿人機器人可以模仿人類的動作,此外,提出了一種具單目測距方法的類視覺里程計,該方法中提出了兩種數學模型,可使用相機平面視圖圖像和不同的相機姿態下的圖像進行距離測量,所提出的方法不需要高精度雙目攝像頭或額外的傳感器來測量距離。這種方法可以應用於各種應用領域,如物料搬運、監視和自動車輛系統,具有低成本和易於實施的額外優勢。最後,ㄧ些實際的實驗證明我們的系統對於不同的相機姿態和環境的條件下具有一定的準確度和穩定性。
  • Item
    以視覺為基礎之示範學習與協作機器人系統
    (2023) 黃品叡; Hwang, Pin-Jui
    none
  • Item
    彩色電子紙之半色調影像處理晶片設計
    (2023) 顏采庭; Yen, Tsai-Ting
    本論文探討彩色電子紙在應用半色調影像處理演算法上所遇到的兩個難題,第一個是電子紙平台使用低功耗微控制器難以實現即時影像處理,第二個問題是直接二進制搜尋演算法在減少影片播放時畫面閃爍方面取得了良好效果,但其時間複雜度仍然很高,這使得在現有的電子紙平台上實現該演算法仍然存在困難。為了解決這一問題,本論文提出了一種基於彩色電子紙半色調影像處理的平行化硬體架構,以及一種新的像素搜索次序矩陣。該硬體架構具有良好的自適應性和可擴展性,可以自由地擴展或減少平行化的模塊,以滿足不同系統的需求。此外,該硬體架構已在晶片平台上實現,實驗結果表明該架構可以高效地執行即時影像處理,同時保持影像品質。
  • Item
    基於 Transformer 用於物件狀態分析之關聯度計算模型
    (2023) 黃柏穎; Huang, Po-Ying
    籃球分析系統是現代籃球運動中不可或缺的工具,其中判斷持球者更是重要的任務之一。傳統的做法是先透過物件檢測取得球員與籃球的檢測框,再透過球員與籃球的幾何關係,例如計算球員與籃球的Intersection over Union,或計算球員與籃球的中心座標距離,來判斷球員是否持球。然而我們發現這樣的做法很容易發生誤判,肇因於籃球比賽中存在著複雜的球員重疊情況,幾何關係無法準確判斷球員是否持球,從而出現誤判的情況,這對於分析持球者的任務來說帶來了極大的挑戰。為了解決上述問題,我們提出了「基於Transformer用於物件狀態分析之關聯度計算模型」,藉由加入球員的骨架資訊做為動作特徵,透過self-attention的方法來學習球員與籃球之間彼此的關聯性。實驗結果顯示,我們的架構可以透少量的訓練資料,得到92.3%的持球準確率,這個結果超越了傳統演算法85.1%的持球準確率。最終,更在非訓練使用之測試資料集獲得95.4%的持球準確率。
  • Item
    針對長照機構之E化護理輔助車與數據監控系統
    (2023) 林元亨; LIN, Yuan-Heng
    本篇論文中,主要是應用人工智慧物聯網技術實現長期照護機構的自動異常事件檢測和E化護理輔助車資訊系統。E化護理輔助車可以跟隨醫護人員,以此減輕手動推動護理車的體力負擔。對於自主巡邏工作,使用小樣本學習之人體動作辨識,可以檢測到一些異常動作,例如:跌倒和蹲下。此外,本篇論文所提出的自動監控平台系統可以提高護理工作的質量和效率。根據實驗結果顯示,本智慧數據監測系統可以有效地執行E化護理輔助車的任務分配以及長期照護機構中的事件監測和警示。
  • Item
    基於深度強化式學習之多目標人群導航機器人系統
    (2023) 程健倫; Cheng, Chien-Lun
    自主移動機器人(AMR)由於其多功能性,已成功引起了人們的關注,目前已廣泛應用於自動化工廠和人與機器人之共存環境,如機場和購物中心等。為了使機器人能夠在人群環境中進行導航,機器人必須具有社交意識並能夠預測行人的移動。然而,以往的方法,機器人都需要先預測行人未來軌跡,再規劃安全路徑,常會受到行人移動之高度隨機性的影響,導致計算成本增加和機器人凍結的問題。隨著深度學習的發展,許多與導航有關的研究都基於深度強化式學習,使機器人可以通過與環境的互動找到最佳策略。社交關注強化式學習(SARL)是一最先進的(state-of-the-art)方法,能夠提升機器人在人群環境中的導航能力。儘管SARL成功改善了人群環境下的導航效能,但它仍然存在幾項缺點。因此,本研究提出了一種基於深度強化學習的多目標人群導航機器人系統,藉由所提出之獎勵函數以實現多個導航目標,包括安全性、時間效率、避免碰撞和路徑平滑度等。為了解決人群環境中的導航延遲,我們也開發了一多目標雙重選擇注意力模組(MODSRL),使機器人能夠做出更有效的決策,同時減少在導航初始階段的徘迴問題。實驗結果表示,所提出的MODSRL方法在五個不同的指標上優於現有的研究,展現了在複雜人群環境中導航的強健性。
  • Item
    全向移動平台動態物件追蹤控制與設計
    (2023) 廖廷瑋; Liao, Ting-Wei
    全向移動平台(Omnidirectional Mobile Platform)是具有全向性的移動機器人平台,其機動性更高,但相對於傳統四輪平台在運動控制上也更為複雜。本文自行設計此移動平台,從車身、驅動系統、控制系統、各種感測器以及影像識別系統,並且整合移動平台和影像系統的軟、硬體功能。使其能完成一些簡單擬人類的動作。接著,詳細說明了全向移動平台的運動學分析,包括其運動模型和運動方程式。在此基礎上,介紹了運動控制方法,包括階層模糊控制和由PID控制結合類神經網路的PIDNN控制,並且加上動態物件追蹤技術判斷目標位置,並且預測其落點。最後,實驗結果表明,所提出的控制方法可以實現對平台的運動控制和穩定性控制,並且可以有效追蹤物件並且移動到指定定點。此外,該方法也具有一定的通用性,可應用於其他需要追蹤物件的全向移動平台上。
  • Item
    賽局理論於高速公路車隊之應用
    (2023) 林聖翔; Lin, Sheng-Hsiang
    車輛形成車隊(Vehicle Platooning)對駕駛和車輛運輸都有益處。因為在車隊中的所有追隨者(followers)於行進時可以享有休息的好處,從而減輕他們的工作量;除此之外,不僅減少燃料消耗(fuel consumption),還可以縮短車輛與車輛之間的間距,從而提高運輸效率。在這篇論文中,討論加入車隊的車輛與賽局理論(Game Theory)相關的收益(payoff)。我們重點討論車輛形成車隊行駛於高速公路,論文通過數值分析計算了車輛在不同交通強度(traffic intensities)下在高速公路上行駛時所能獲得的平均收益。然後,這些結果可以與其他因素(例如到達目的地的緊急程度)相結合,供駕駛決定是否加入車隊。
  • Item
    遠端操控自動駕駛車輛系統中支援向量機之研究
    (2023) 高御圻; Kao, Yu-Chi
    遠端駕駛是一種嚴重依賴遠程操作員與車輛自動駕駛系統 之間可靠通信鏈來運作的系統。雖然變道和加速/減速等細節的操作(低級動作)由 ADS 執行,但路線規劃(高級指令)是通過使用從沿路的攝像頭或傳感器收集的信息來遠程完成的。在論文中,討論了支持向量機的理論,它在中有著核心的作用。作為一種基於機器學習的技術, 必須經過訓練才能用於執行分類任務。因此,我們將說明如何在中找到優化的支持超平面的推導,包括如何使用序列最小優化。
  • Item
    用於高光譜和多光譜影像融合的知識蒸餾師生網路
    (2023) 倪至謙; Ni, Chih-Chien
    近年來隨著太空探索的技術進步,太空遙測與感知領域變得越來越熱門。因為高解析度的高光譜影像在光譜帶上擁有更多的訊息,這些訊息對於遙測領域應用有很大的幫助,然而直接獲取高解析度高光譜影像會對硬體造成巨大的負擔。因此替代的方式是取得相同條件下的高解析度多光譜影像與低解析度高光譜影像,藉由此兩種影像的融合來獲得高解析度的高光譜影像。在本論文中,先是使用成對的高光譜和多光譜影像資料訓練一個較複雜的網路生成高解析度的多光譜影像和低解析度的高光譜影像融合結果,使用具有卷積感受野重複運用的RFRM模塊提取光譜訊息,再與多光譜影像擁有的空間信息融合生成最終結果。接著為了降低網路的大小,引入知識蒸餾的教師–學生架構建構一個小型的學生模型,讓學生模型去學習教師模型的特徵和資料集的訊息,進而達到效能與教師差距不大、但在速度以及模型複雜度上都優於教師模型的多光譜高光譜融合模型。經實驗顯示我們的蒸餾效果在影像融合成效上有很好的結果,並且在運行速度上相較教師網路快了近1.5倍,參數量則減少為原本的0.54倍。
  • Item
    改良式智慧型PID控制器應用於四軸飛行器
    (2023) 鄧鈞岳; Teng, Chun-Yueh
    本論文使用智慧型PID (intelligent PID, i-PID)結合改良式擴展觀察器(Extended State Observer, ESO)來控制四軸飛行器。由於i-PID控制器需要用於估計受控體中未知參數,來改善控制器對受控體進行較佳的控制效果,本論文設計一套改良式擴展觀察器來協助受控體中未知參數建立與估計。該設計的擴展觀察器是透過模糊邏輯計算出觀察器參數,接者再利用觀察器參數估計出受控體中未知參數,進而達到改善i-PID控制器效能的目標。為了驗證本論文設計擴展觀察器的有效性與可行性,本論文針對四軸飛行器來進行模擬和實驗。模擬與實驗結果顯示,該設計的控制器具有較佳的控制效果。
  • Item
    5 G毫米波網路中以比例公平為基礎之用戶連線與資源配置
    (2023) 李奕叡; Lee, Yi-Rui
    5G毫米波網絡使用在頻段為GHz,已知能夠提供Gbps級別的速度。然而,在這些頻段中,通道容易受到損壞。因此,類似Wi-Fi網絡,小型基站被部署在服務區域內,以解決這個問題。本論文討論了一種基於對偶分解方法的分散式演算法。在該分散式演算法中,不僅可以確定用戶端和存取點之間的連線,還可以以一種比例公平(proportional fairness,PF)的方式分配通道資源。具體而言,本論文運用隨機幾何學來計算網絡整體吞吐性能的平均值。這有助於節省從大量模擬運行中取平均值的工作。
  • Item
    融合雷射掃描及視覺資訊之TEB演算法應用於無人搬運車防碰撞策略開發
    (2023) 徐培恩; Hsu, Pei-En
    隨著無人搬運車(AGV)在倉儲、物流和製造業等領域的普及,使用機器人在運輸和操作物品方面的效率和安全性受到越來越多的關注。然而,當AGV操作場域複雜或不確定環境時,其運動控制和防碰撞設計仍然存在挑戰。為了實現避障,本論文採用Timed-Elastic-Band (TEB)演算法,在多個選擇路徑中選擇最佳路徑,並使用動態控制策略實現平順移動。此外,針對雷射掃描無法有效偵測之空間障礙物,本論文整合影像辨識來輔助TEB演算法的防碰撞策略,以增強無人搬運車進行導航任務的運動控制和避障能力。透過攝影機即時偵測AGV前方的環境影像,並利用機器學習技術識別空間障礙物的相對位置資訊,透過座標轉換將空間障礙物座標投影在代價地圖上,使TEB局部路徑規劃器可以將其納入計算避障路徑。本論文所開發的防撞策略先於ROS Stage模擬驗證後再將其實現於AGV平台進行實車驗證,透過融合影像偵測資訊與雷射掃描資訊的TEB避障演算法,經由實驗結果驗證能在導航過程中安全完成障礙物閃避。本論文採用之AGV平台及測試場域與業界緊密合作,顯示所提出防撞策略已成功整合於導航軟體架構與實際產業上之需求潛力。
  • Item
    毫米波單邊帶升頻器與寬頻調變器設計
    (2023) 游詠捷; Yu, Yung-Chieh
    隨著通訊世代的演進,第五代行動通訊為了避免壅塞的低頻頻段且希望有較大頻寬將資料傳輸率提升,故已發展至毫米波頻段,其中要將基頻訊號升頻至毫米波頻段,必須藉由射頻收發機中的調變器與混頻器。由於互補式金氧半導體製程(CMOS)的成熟發展,其有低成本、低功耗與高整合度的優點,並能將大部分的射頻電路整合在一起,故本論文使用TSMC 180-nm CMOS RF與TSMC 90-nm CMOS RF製程來實現單邊帶升頻器與寬頻調變器。第一個電路為單邊帶升頻器,透過供給兩顆混頻器正交訊號,產生相位差180˚的輸出訊號,在輸出端便可消除其中一邊頻帶的訊號,此外為了彌補被動式混頻器之損耗,在RF端後級加上一緩衝放大器,採用兩級疊接組態串連的架構,提供大約18.14 dB的高增益與4.54 dB的雜訊指數。整體單邊帶升頻器模擬與量測之特性趨勢相近,在LO驅動功率3 dBm且偏壓0.6 V下,轉換增益為-7.35 dB ± 0.5 dB,頻寬約為26~28 GHz,鏡像拒斥比在-40 dB下的頻寬約為22~29 GHz,整體晶片面積約為1125μm × 730μm。第二個電路為寬頻調變器,透過I/Q調變訊號的方式饋入兩顆混頻器來消除鏡像訊號,並利用巴倫器、二階耦合器與匹配元件等來達成寬頻的鏡像拒斥比。在電晶體偏壓為0.35 V、IF頻率為0.1 GHz、RF頻率為28 GHz、LO驅動功率為10 dBm時,實現轉換增益為-9.31 ± 0.5 dB時,有約27~46 GHz的頻寬,且-40 dB下的鏡像抑制頻寬約為28~42 GHz,擁有寬頻的鏡像抑制效果,整體晶片面積約952μm × 682μm。
  • Item
    使用機器人視覺及安全軌跡規劃於自動化汽車車門噴塗系統之研究
    (2023) 柯宏瑨; Ko, Hung-Chin
    自工業4.0興起後,機器手臂導入自動化的發展成為智慧製造中不可或缺的一部分,在許多生產或加工的工廠中可以見到機器手臂的應用,由於其具備快速及穩定的優點,使得製造過程得以在更短的時間內得到更好的成果,並大幅減少了人力及時間成本。本論文透過六軸協作型機器手臂整合RGB攝影機與二維光達執行汽車車門自動化噴漆的任務,首先機器手臂根據使用者設定的四個位置拍攝車門的影像,並將其儲存,透過影像拼接技術的幫助,將四張影像根據車門的特徵拼接,藉此得到完整的欲噴塗車門之影像。獲得完整的汽車車門影像後,使用色彩偵測方法將欲噴塗車門之範圍從原始影像中過濾出來,再利用輪廓檢測技術擷取出欲噴塗範圍之內輪廓。軌跡規劃演算法根據內輪廓的大小規劃出若干條車門噴漆之路徑,經過座標轉換將此路徑轉換為機器手臂的末端點座標,使得機器手臂得以根據的軌跡進行噴漆任務。在機器手臂進行噴漆的過程中,由於人類操作員有時需要查看汽車車門是否發生上漆不均勻的情況,為了避免機器手臂在噴塗的過程中發生人機碰撞的情形,透過二維光達監控是否有操作人員進入機器手臂工作範圍的情況,透過安全機制的協助得以避免人機碰撞的問題產生。
  • Item
    基於YOLO深度學習用於小型漂浮物檢測的新型卷積演算法
    (2023) 沈峻宇; Shen, Jun-Yu
    海洋中的不當廢棄物已導致全球危機,為了緩解這個問題,要在海洋及河流的廢棄物到達環境負荷上限之前對其進行檢測和清理,本研究提出了一種基於 YOLOv4 的算法來檢測河流中的漂流廢棄物,算法結合了改進後的RegP池化層並添加到空間金字塔中的池化層與減少輸出部分的檢測層,以改進特徵提取並防止丟失重要或微小細節,並且針對微小的物品進行檢測。實驗結果中評估了本研究的方法在 FloW和Pascal VOC資料集上的性能,與現今的最先進的技術相比,結果表明提出的方法具有更好的mAP準確率,具體來說,在FloW上分別提升了7.91%和11.36%,並且也與多個在漂流廢棄物檢測的先進方法進行對比,獲得了最佳的準確率,在Pascal VOC上的實驗證實了本研究的方法在不同尺寸大小的物件上的有效性,最後測試了在WIDER FACE上對小尺寸的人臉進行檢測實驗,在準確率上也有一定的提升。本研究提供了一個有前途的解決方案,有助於檢測和清除河流中的廢棄物。
  • Item
    基於深度學習之光流法應用於全天空影像之日射量估計與預測
    (2023) 陳家豪; Chen, Chia-Hao
    因應太陽能發電日益重要,又因太陽能發電量受制於日射量的影響,同時考量太陽能發電是間歇性的能源,故提出一種基於深度學習光流應用於全天空影像之日射量估計與預測的方法。由於日射量變化容易受到天氣狀況影響,本文藉由全天空影像,建立一個以影像特徵為基礎之日射量估計與預測系統,其影像特徵包括,利用紅藍比例法計算影像中雲層比例、雲層厚度,及藉太陽位置演算法得到影像中太陽位置,分析太陽附近雲層特徵,萃取全域與局部的雲層權重。同時用基於深度學習的光流法推算雲層移動的狀態,並製作未來數分鐘之天空預測圖像,將這些預測圖像作長短期記憶(LSTM)之輸入特徵,日射量作為訓練輸出,其深度學習光流法是透過卷積神經網路來實現。本文將資料集區分為月、季、半年與一年,分別進行10分鐘至60分鐘的日射量預測。同時,本文使用多個效能指標評估效果,包括平均絕對誤差(Mean Absolute Error)、均方根誤差(Root Mean Square Error)與判定係數(R^2)。最後,與文獻的方法進行比較,本文所提的方法具有較好的結果。