學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73890
Browse
422 results
Search Results
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 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 Item 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 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 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 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 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。