學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73890
Browse
210 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 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 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 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 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 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 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 基於影像到動作轉換之未知環境下目標物件夾取策略(2023) 林昱維; Lin, Yu-Wei本論文的主要目標是利用僅有的彩色影像，使機械手臂在沒有相關的3D位置信息的情況下夾取靜態或動態目標。所提出方法的優點包括在未知環境下，為各種類型的機器人手臂提供一類通用控制策略、能夠自主生成相應的自由度動作指令的影像到動作轉換，以及不需要目標位置。首先，使用YOLO (You Only Look Once)算法進行影像分割，然後將彩色影像分成不同的有意義的對象或區域。採用近端策略最佳化(Proximal Policy Optimization, PPO)算法對卷積神經網絡 (CNN)模型進行訓練。機械手臂和目標物件的彩色影像以及馬達的轉動量分別是CNN模型的輸入和輸出。為了避免機器人手臂與物體碰撞造成機構損壞，在深度增強式學習訓練中使用Gazebo模擬環境。最後，實驗結果展示了所提出策略的有效性。