學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73890
Browse
3 results
Search Results
Item 使用PSO調整之增強型ICP演算法於未知環境地圖之建立(2013) 張華恩; CHANG,Hua-En本論文使用Pioneer 3-DX兩輪自走車搭載一台LMS-100雷射測距儀做未知環境的地圖建置，主要使用ICP演算法將每一筆雷射測距儀的掃描資訊疊合，但由於傳統ICP演算法本身容易受到雜訊與離散點影響，造成配對到不恰當的配對點，產生對齊有誤差，而在雷射掃描儀的連續掃描下，誤差的累積越來越多，導致整體的環境地圖對齊結果並不理想，故本論文提出使用PSO調整增強型ICP演算法來克服其問題，先使用PSO演算法將要對齊的兩集合做初步的對齊，避免兩集合落差太大產生區域最佳解，接著使用部分全域的地圖當作參考資訊，搭配篩選重疊資訊模組、權重模組及參考地圖間格模組，成為增強型ICP演算法，此演算法不但可以克服雜訊與離散點影響，還可以降低配對到不恰當的配對點，增加對齊效果，降低累積誤差，以獲得更佳的未知環境地圖。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。Item 基於增強型ICP演算法之雲端多機器人建圖(2015) 溫苡柔; Wen, Yi-Jou迭代最近點演算法是一種用來將兩群點集合對齊的方法，常使用於 2D 和 3D 幾何圖形的對齊。本論文使用機器人搭載雷射測距儀收集雷射資料，透過其掃描資訊作為點集合資訊，再使用迭代最近點演算法疊合，完成一個未知環境地圖的建立。但原始 ICP 演算法容易因為雜訊和離散點的關係，使得對齊效果不準確，尤其是在連續掃描的狀況下，對齊誤差越大，導致疊合精確度低和運算時間龐大。故本論文提出基於增強型ICP演算法實現於雲端運算架構，將原本序列進行所有雷射資料的過程，提出一分散式計算架構，使得所有雷射資料可以透過平行化的過程進行增強型ICP演算法，此演算法可大幅降低計算負擔並提升對齊的精確度，獲得更準確的環境地圖。接著將單機器人延伸至多機器人系統，將增強型ICP演算法結合加速強健特徵法，主要利用影像資訊判斷多機器人是否於相同的環境，在未滿足影像特徵門檻值前，單機器人將於各自的環境建立區域地圖，一旦滿足特徵匹配後，將多機器人的區域地圖資訊再以增強型ICP演算法疊合，進而增加建圖的效率。