视觉导引多部机器人进行队形控制.doc

使用視覺感測導引多部機器人進行隊形控制林祐良、陳姵妤、曾國銘淡江大學機械與機電工程學系大學生陳國瑋、林冠瑜淡江大學機械與機電工程學系碩士生王銀添淡江大學機械與機電工程學系副教授摘要本計畫將探討多部機器人於行進中的隊形控制(formation control)，並使用視覺系統感測與導引小型差速驅動機器人(differently driven mobile robot)群隊的行動，以執行維持特定隊形的任務，以及避開行進中遭遇的障礙物。研究的項目包含機器人隊形描述方法、差速驅動機器人的隊形控制、機器人方位視覺感測與導引、與驅動電路設計製作等議題的研究。另外，將發展PC-based控制器，利用PC豐富資源進行以上議題之研究。2. 研究動機與目的以視覺系統(vision system)監控機器人在已知的環境中的位置，必須要能夠在影像中偵測與追蹤到機器人的特徵。本研究將以視覺系統架構偵測與追蹤機器人的感測模組，所建立的偵測與追蹤功能將應用在監控機器人的問題上，以影像特徵資訊求算輪型機器人在三維空間中的位置，進而指揮輪型機器人執行任務，例如路徑規畫或群隊控制等任務。視覺式感測模組所萃取的影像特徵(features)可分為點特徵(point features)與區域特徵(region features)兩種型式。點特徵通常搭配周圍的影像區塊(image patch)進行特徵的偵測與追蹤 REF _Ref221541707 \r \h \* MERGEFORMAT [1] ；區域特徵則通常搭配尺度空間(scale space)與描述向量(description vector)進行特徵的偵測與追蹤 REF _Ref223700355 \r \h \* MERGEFORMAT [2] 。使用點特徵進行機器人的自我定位的優點是架構簡單與容易實現，缺點是方位(orientation)固定的影像區塊在追蹤過程容易發生特徵遺失或誤判。使用區域特徵的優點是影像特徵的尺度與方位不變(scale and orientation invariant)，缺點是運算相當耗時，典型範例為Lowe REF _Ref223700355 \r \h \* MERGEFORMAT [2] 所提的尺度不變特徵轉換(Scale Invariant Feature Transform, SIFT)方法，無法達到快速即時的運算效果。Bay et al. REF _Ref223700364 \r \h \* MERGEFORMAT [3] 提出以盒子過濾器(box filter)結合積分影像(integral image)方法進行區域特徵偵測，可以達到即時運算的要求。本研究將以Bay et al.所提方法規劃機器人即時視覺式運動伺服控制[鄭嚴智、王清玄2009]所需的感測模型。3. 文獻回顧與探討對影像進行區域特徵的偵測(detection)，所得到的區域特徵在多張影像之間的一致性相當高，使用簡單的比對方法例如計算尤基里德距離(Euclidean distance)與最鄰近比例比對方法(the nearest neighbor ratio matching strategy) REF _Ref223700355 \r \h \* MERGEFORMAT [2] , REF _Ref223700515 \r \h \* MERGEFORMAT [4] - REF _Ref221541949 \r \h \* MERGEFORMAT [5] ，即可找到相對應的特徵點。區域特徵追蹤可應用於影像移動範圍大與旋轉等情況，也有助於環境中的物件辨識與追蹤(object recognition and tracking)。Lindeberg REF _Ref221541983 \r \h \* MERGEFORMAT [6] 首先提出自動尺度選擇(automatic scale selection)的概念，偵測具有特徵尺度的特徵點，並使用影像Hessian矩陣的行列式與Laplacian偵測團狀(blob)結構的區域特徵。Mikolajczyk and Schmid REF _Ref221542015 \r \h \* MERGEFORMAT [7] 提出偵測具尺度不變之特徵點的方法，使用Hessian矩陣行列式選取特徵點位置，使用Laplacian選取尺度。Lowe REF _Ref223700355 \r \h \* MERGEFORMAT [2] , REF _Ref221541770 \r \h \* MERGEFORMAT [8] 提出尺度不變特徵轉換(SIFT)方法，使用高斯差異(Difference of Gaussians, DoG)取代高斯Laplacian