English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 49378/84106 (59%)
造訪人次 : 7371587      線上人數 : 95
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    請使用永久網址來引用或連結此文件: http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/88115


    題名: 人形機器人視覺模仿人類三維運動
    其他題名: Visual imitation of humanoid robot for 3-D motion of a human
    作者: 陳柏霖;Chen, Bo-Lin
    貢獻者: 淡江大學電機工程學系碩士班
    黃志良;Hwang, Chih-Lyang
    關鍵詞: 立體視覺3D定位;多層類神經網絡建模;視覺模仿;人型機器人;關鍵姿勢;Stereo vision for 3-D localization;Multilayer neural network modeling;Visual imitation;humanoid robot;Key-posture
    日期: 2013
    上傳時間: 2013-04-13 12:01:29 (UTC+8)
    摘要: 近幾年機器人相關的研究十分熱門,不只在學術上,許多企業界也紛紛成立機器人相關部門,從事機器人相關研究及開發。隨著科技的進步,機器人硬體的體積縮小、處理器效能增加、其價格大幅度的下降等改善,現今的機器人技術發展不僅是要求效能,而且追求智慧化及人性化。除希望機器人的動作越來越像真實人類的動作,更希望其能透過各種感測器自主判斷完成工作。目前常以視覺鏡頭當作感測器,經由鏡頭攝取影像,再將影像經由不同的演算法做分析處理,完成如影像辨識、視覺導引、視覺定位或視覺追蹤之類的工作。而機器視覺應用於人形機器人,其發展目標希望能如同人類眼睛般地辨識與分析影像。在機器視覺三維座標的研究中,如只藉由單一鏡頭,所得到的影像資訊太少,不足以直接地處理三維座標之研究任務。而立體視覺使用兩台或兩台以上攝影機同時截取影像,並建立三維座標之資訊。
    本論文乃是應用Videre Design的雙眼視覺相機STOC,其具有內建處理器,除了可以傳回當前即時影像外,尚可以即時進行影像處理,並計算當前影像的立體資訊。本實驗所用之小型人形機器人的高度為43公分,重量2.9公斤,全身包含頭部共有23個自由度,並依此自由度之限制規劃出所需之機器人動作,並使用嵌入式單板電腦RB-100利用我們所設計的人機介面對機器人的馬達下達指令。本論文著重於人形機器人模仿人類三維動作的研究,首先,表演者站在機器人前做連續的動作,機器人由雙眼攝影機截取表演者的影片,經過影像處理得到表演者的5個特徵點(即頭、雙手尖、雙腳尖),接著估算並記錄其三維座標。接著,分析表演者的動作以獲得關鍵姿勢影片,緊接著分類表演者的下半身動作為九類,以利於機器人能夠平衡的前提下,進行人類三維運動之模仿。由於人類動作的三維座標比機器人大很多,是故必須將其透視投影至機器人尺寸一樣的三維座標,以利於上半身動作的模仿。再接著以類神經網路建立關鍵姿勢影片之雙手尖及頭部的三維座標轉換為馬達控制命令,再以人機介面執行馬達控制命令,完成相關模仿任務。最後,以相關模仿實驗驗證所提方法之有效性。
    The proposed humanoid robot (HR) with a stereo vision system (SVS) captures a sequence of 3-D motion images of a human, which is faced to the proposed HR. After the inquiry of enough motion sequences and suitable image processing, the HR will imitate the important postures of the human. The image processing for every sampled image includes motion detector via background registration, morphology filtering of high frequency noise, and estimation of five feature points (i.e., head, four tips of two arms and legs). In sequence, the extraction of key posture frames is obtained. To guarantee that the imitation of HR is under the constraint of static balance, these frames for the lower body of human are categorized as nine classes. Because the 3D coordinates of human motion are much larger than that of an HR. At beginning, these coordinates of human are perspectively transformed to that suitable for the size of an HR. As to the upper body of human (i.e., two tips of arm and head), the corresponding inverse kinematics are respectively approximated by multilayer neural network (MLNN). Finally, the imitation of humanoid robot for the 3D motion of a human is accomplished by the combination of the motion of lower body categories and the motion of upper body via inverse kinematics of two tips of arm and head. Finally, the corresponding experimental results are presented to confirm the usefulness of the proposed method.
    顯示於類別:[電機工程學系暨研究所] 學位論文

    文件中的檔案:

    檔案 大小格式瀏覽次數
    index.html0KbHTML129檢視/開啟

    在機構典藏中所有的資料項目都受到原著作權保護.

    TAIR相關文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - 回饋