學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73890

Browse

Subject: search.filters.subject.Cloud Computing

Search Results

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    基於能量螞蟻演算法之路徑規劃與其在雲端平台運算的實現
    (2015) 孫仕勳; Shih-Hsun Sun
    本研究以能量觀點並透過針對能量修正的螞蟻演算法來進行最佳路徑路徑規劃。因應電動車在道路上行駛可能面臨爬坡或是各種材質不同的路面，最短路徑並不一定等於最節省能量的路徑，故定義出能量消耗的公式，結合網頁伺服器的運算，如此就讓使用者在行駛中透過可攜式行動裝置得知目前考量最佳能量路徑之下的結果。演算法以Javascript 實作，結合Google Map的地圖資訊，使其能夠應用在網頁顯示並做出路徑規劃。並且為降低瀏覽器的運算壓力，將巨量的運算交給雲端伺服器處理。最後透過實際載具的道路行駛數據，驗證其準確性。
  • No Thumbnail Available
    Item
    基於權重式連續型ICP演算法之雲端建圖
    (2018) 賴聖翔; Lai, Sheng-Hsiang
    本篇論文係透過機器人搭載雷射測距儀，連續地搜集環境中機器人與障礙物之間的距離資訊，並將距離資訊轉換為座標集合，再藉由迭代最近點演算法(Iterative Closest Point, ICP)將座標點集合疊合為一張地圖。由於傳統迭代最近點演算法容易受到資料的初始位置影響而造成建圖錯誤，且隨著建圖進行，資料量逐漸增加也會導致了運算時間的增長。故本論文提出ㄧ權重式連續型ICP演算法，利用機器人在連續搜集距離資訊時，相鄰兩筆資料差異不大的特性，使用相鄰的資料進行ICP演算法，再利用前幾組座標集合計算出的旋轉量、位移量以修正當前集合的位置並與全域地圖重合，藉由更新當前集合再修正集合位置的方法，避免了因初始位置差距過大而導致的建圖錯誤，同時降低了與全域地圖運算的資料量，也透過兩次的ICP運算，提出了改良式權重連續型ICP演算法以進一步提高運算的精準度。最後將此序列式演算法，透過雲端架構修改為分散式平行架構，將ICP演算法中大量使用的迴圈運算的步驟分散給雲端叢集處理，以降低運算的負擔，提高運算效能。
  • No Thumbnail Available
    Item
    以雲端運算為基礎之增強型同時定位與建圖
    (2015) 林東源; Lin, Tung-Yuan
    FastSLAM演算法常常被用來解決同時定位與建圖問題。雖然FastSLAM2.0的運算效率比EKF-SLAM來的高，但是隨著地標數目增加的時候，FastSLAM2.0會因為需要多次比對量測資訊與粒子內存的地標資訊，而降低運算效率。因此，本論文提出一改良作法，稱之為「增強型同時定位與建圖演算法(ESLAM)」，避免只用里程計資訊預測機器人位置，也使用環境資訊更新機器人預測位置，並選擇與量測資訊相似性最高的地標資訊先更新機器人位置後，再更新地標位置。模擬結果顯示，我們所提出的演算法相較於FastSLAM2.0具有較高的運算效率，且具有較良好的定位與建圖準確度，而相較於CESLAM雖然犧牲了些許運算效率，但提升了準確度。由於SLAM演算法常需要複雜計算，使得執行效率低落，無法達成即時處理的目標。因此，我們提出一雲端運算架構，將計算密集的任務卸載至雲端運算平台，運用雲端的快速運算以提升演算法之效能，其作法係利用RPC傳輸協定搭配雲端平行化架構進行以雲端為基礎之增強型同時定位與建圖。實驗結果證明，本方法可以確保定位與建圖的準確度之外，並運用雲端運算提升同時定位與建圖之執行效率。