國立虎尾科技大學 |

登入

回首頁

光達與四足機器人即時建置地圖及智能路徑規劃 = = Real-Time ...

洪晨翔

光達與四足機器人即時建置地圖及智能路徑規劃 = = Real-Time Mapping and Planning Intelligent Paths using Optical Lidar and Quadruped Robot /

紀錄類型:	書目-語言資料,印刷品 : Monograph/item
正題名/作者:	光達與四足機器人即時建置地圖及智能路徑規劃 =/ 洪晨翔.
其他題名:	Real-Time Mapping and Planning Intelligent Paths using Optical Lidar and Quadruped Robot /
其他題名:	Real-Time Mapping and Planning Intelligent Paths using Optical Lidar and Quadruped Robot.
作者:	洪晨翔
出版者:	雲林縣 :國立虎尾科技大學 , : 民113.01.,
面頁冊數:	[13], 100面 :圖, 表 ; : 30公分.;
附註:	指導教授: 張文陽.
標題:	即時地圖建置. -
電子資源:	電子資源

光達與四足機器人即時建置地圖及智能路徑規劃 = = Real-Time Mapping and Planning Intelligent Paths using Optical Lidar and Quadruped Robot /
洪晨翔

光達與四足機器人即時建置地圖及智能路徑規劃 =Real-Time Mapping and Planning Intelligent Paths using Optical Lidar and Quadruped Robot /Real-Time Mapping and Planning Intelligent Paths using Optical Lidar and Quadruped Robot.洪晨翔. - 初版. - 雲林縣 :國立虎尾科技大學 ,民113.01. - [13], 100面 :圖, 表 ;30公分.

指導教授: 張文陽.

碩士論文--國立虎尾科技大學機械與電腦輔助工程系碩士班.

含參考書目.

在工業4.0快速發展的時代，工作場域的安全仍是一項關鍵議題，工安措施對於提升生產效率和保障員工安全至關重要，促使許多工廠和企業投入資源於工安檢測系統以預防意外，目前工場障礙物的檢測主要依靠深度相機和AI辨識系統，前者通過擷取場景點雲來檢測深度數據，後者則利用工業相機結合神經網路進行物體辨識，然而這些方法的應用皆受限於視野範圍，對於大面積的監控需求而言，成本和複雜度都相對較高，且AI系統需持續的模型訓練和資料更新，以適應多變的工作環境，有鑑於此，本研究開發了一套基於光達與四足機器人的障礙物檢測系統，以滿足不同工作場域的檢測需求，本研究聚焦於三大核心部分：即時場域地圖建置、智能探測路徑規劃及避障設計，以及場域檢測系統的開發。在場域地圖建置方面，透過直通濾波和體素濾波器等技術，前處理光學雷達深度數據，並進行坐標系轉換將點雲數據轉換至機器人坐標系上，接著利用同時定位與地圖建置Cartographer SLAM演算法，將處理後的點雲數據建置成占據網格地圖，此建置之地圖將為後續路徑規劃與探測提供場景特徵之參考基礎；在智能探測路徑規劃及避障設計方面，結合侵蝕演算法、聯結區域標記演算法，劃分機器人的安全探測區域，並以歐式距離篩選潛在目標，再以A*搜索演算法對機器人的探測路徑進行規劃，使機器人在複雜多變的環境中自主執行探測任務；在場域檢測系統的開發上，首先對即時地圖和標準地圖進行高斯模糊處理以減少雜訊，接著通過相減操作得出差異圖，分析直方圖以檢測顯著差異區域，並利用SIFT演算法對兩張地圖進行特徵點匹配，檢測標準地圖與當前即時地圖間的相似度。本研究的地圖建置精度為0.05公尺，並於面積13.88平方公尺的實驗場域中，由不同起始點進行多次地圖建置，面積誤差皆於0.24平方公尺內，可精確提供場域特徵使機器人準確規劃路徑並繞過障礙物，達成四足機器人於多樣環境中進行自主探測；在場域檢測系統部分，透過地圖比對成功檢測場域中的未知障礙物，並直觀的顯示差異區域於使用界面，幫助使用者解決場域中的潛在風險。.

(平裝)Subjects--Topical Terms:

1455982
即時地圖建置.

光達與四足機器人即時建置地圖及智能路徑規劃 = = Real-Time Mapping and Planning Intelligent Paths using Optical Lidar and Quadruped Robot /
LDR:05564cam a2200241 i 4500 001 1129668
008 241015s2024 ch ak erm 000 0 chi d
035 $a (THES)112NYPI0689009
040 $a NFU $b chi $c NFU $e CCR
041 0 # $a chi $b chi $b eng
084 $a 008.120M $b 3468 113 $2 ncsclt
100 1 $a 洪晨翔 $3 1448734
245 1 0 $a 光達與四足機器人即時建置地圖及智能路徑規劃 = $b Real-Time Mapping and Planning Intelligent Paths using Optical Lidar and Quadruped Robot / $c 洪晨翔.
246 1 1 $a Real-Time Mapping and Planning Intelligent Paths using Optical Lidar and Quadruped Robot.
250 $a 初版.
260 # $a 雲林縣 : $b 國立虎尾科技大學 , $c 民113.01.
300 $a [13], 100面 : $b 圖, 表 ; $c 30公分.
500 $a 指導教授: 張文陽.
500 $a 學年度: 112.
502 $a 碩士論文--國立虎尾科技大學機械與電腦輔助工程系碩士班.
504 $a 含參考書目.
520 3 $a 在工業4.0快速發展的時代，工作場域的安全仍是一項關鍵議題，工安措施對於提升生產效率和保障員工安全至關重要，促使許多工廠和企業投入資源於工安檢測系統以預防意外，目前工場障礙物的檢測主要依靠深度相機和AI辨識系統，前者通過擷取場景點雲來檢測深度數據，後者則利用工業相機結合神經網路進行物體辨識，然而這些方法的應用皆受限於視野範圍，對於大面積的監控需求而言，成本和複雜度都相對較高，且AI系統需持續的模型訓練和資料更新，以適應多變的工作環境，有鑑於此，本研究開發了一套基於光達與四足機器人的障礙物檢測系統，以滿足不同工作場域的檢測需求，本研究聚焦於三大核心部分：即時場域地圖建置、智能探測路徑規劃及避障設計，以及場域檢測系統的開發。在場域地圖建置方面，透過直通濾波和體素濾波器等技術，前處理光學雷達深度數據，並進行坐標系轉換將點雲數據轉換至機器人坐標系上，接著利用同時定位與地圖建置Cartographer SLAM演算法，將處理後的點雲數據建置成占據網格地圖，此建置之地圖將為後續路徑規劃與探測提供場景特徵之參考基礎；在智能探測路徑規劃及避障設計方面，結合侵蝕演算法、聯結區域標記演算法，劃分機器人的安全探測區域，並以歐式距離篩選潛在目標，再以A*搜索演算法對機器人的探測路徑進行規劃，使機器人在複雜多變的環境中自主執行探測任務；在場域檢測系統的開發上，首先對即時地圖和標準地圖進行高斯模糊處理以減少雜訊，接著通過相減操作得出差異圖，分析直方圖以檢測顯著差異區域，並利用SIFT演算法對兩張地圖進行特徵點匹配，檢測標準地圖與當前即時地圖間的相似度。本研究的地圖建置精度為0.05公尺，並於面積13.88平方公尺的實驗場域中，由不同起始點進行多次地圖建置，面積誤差皆於0.24平方公尺內，可精確提供場域特徵使機器人準確規劃路徑並繞過障礙物，達成四足機器人於多樣環境中進行自主探測；在場域檢測系統部分，透過地圖比對成功檢測場域中的未知障礙物，並直觀的顯示差異區域於使用界面，幫助使用者解決場域中的潛在風險。.
520 3 $a In the era of rapid Industry 4.0 development, workplace safety remains critical. Safety measures are essential for enhancing productivity and ensuring employee safety, leading many factories to invest in safety detection systems to prevent accidents. Currently, industrial obstacle detection primarily relies on depth cameras and AI recognition systems. The former captures scene point clouds to detect depth data, while the latter uses industrial cameras with neural networks for object recognition. However, these methods are limited by their field of view and involve high costs and complexity for large-area monitoring. To address these challenges, this study has developed a LiDAR-based obstacle detection system using quadruped robots, aimed at enhancing detection capabilities across various work environments. The research includes real-time field map construction, intelligent path planning, and obstacle avoidance design, plus field detection system development. For map construction, optical LiDAR data is preprocessed using pass-through and voxel filters, transformed into the robot's coordinate system, and processed into occupancy grid maps with the Cartographer SLAM algorithm. The study integrates erosion algorithms and connected component labeling to define safe robot detection zones, using Euclidean distance to select detection targets, and employs the A* search algorithm for path planning. This allows the robot to autonomously navigate complex environments. The field detection system applies Gaussian blurring to minimize noise, uses subtraction for difference mapping, and employs the SIFT algorithm for feature point matching between maps. The map construction achieves a precision of 0.05 meters, with experiments conducted from various starting points within a 13.88 square meter field, all maintaining area errors within 0.24 square meters. This precision ensures the robot can plan paths accurately and navigate around obstacles effectively. The field detection system detects unknown obstacles by comparing maps and displays these differences on the user interface, enhancing safety in the field..
563 $a (平裝)
650 # 4 $a 即時地圖建置. $3 1455982
650 # 4 $a 路徑規劃. $3 998472
650 # 4 $a 場域檢測. $3 1455983
650 # 4 $a 四足機器人. $3 1016558
650 # 4 $a 光學雷達. $3 1251933
650 # 4 $a Real-time Mapping. $3 1455984
650 # 4 $a Path Planning. $3 998469
650 # 4 $a Field Detection. $3 1455985
650 # 4 $a Quadruped Robot. $3 1455986
650 # 4 $a LiDAR. $3 1151167
856 7 # $u https://handle.ncl.edu.tw/11296/8sj6n5 $z 電子資源 $2 http