論文名稱:	智慧型移動式機械手臂之設計
	Design of a mechanical arm for intelligent mobile
研究生:	林哲祺 Che-Chi, Lin
指導教授:	陳美勇 Mei-Yung, Chen
學位類別:	碩士(Master)
學校名稱:	國立臺灣師範大學
記錄編號:	GN0697730301
系所名稱:	機電科技研究所
畢業學年度:	98
語文別:	中文
關鍵字:	機械手臂 Mechanical arm
	影像處理 Image processing technology
	逆向運動學 Inverse kinematics
全文說明:	(本論文20150830公開)
	電子全文
論文頁數:	77
摘要:	在現今科技產業日新月異的時代，機械手臂廣泛應用在工業自動化、微創手術、複雜且精密的產品生產、甚至替人類執行危險的任務，對人類的生活中帶來有極大的便利性，並且充滿著廣大的商機。
	本論文研究之目的是設計擁有多個自由度的機械手臂搭配移動裝置，實現機械手臂能夠真正用在生活上的服務以及工作任務的執行。整個系統結合了影像處理技術，利用攝影機擷取到的影像來加以辨識後，將結果傳給控制器命令機械手臂執行相對應之動作。本研究主題並非是重覆執行同一件任務的傳統工業手臂，而是隨機判斷物體而執行任務，故必須額外推導順、逆向運動學用來處理物體在空間座標轉換到手臂轉軸角度的調配，產生運動軌跡並使用馬達致動器來進行物體夾取，以達到預先設定之任務，並且考慮到機械手臂展示時需要有優良的姿態協調去執行動作，讓機器人展示時更為生動活潑，祈使在人類未來的生活中，機械手臂的物體夾取系統能夠朝向更為複雜與高彈性的日常生活環境中。
	Technology industry is changing in the current. Mechanical arm is widely used in industrial automation, minimally invasive surgery, complex and sophisticated products, even dangerous for the implementation of the tasks of human. Mechanical arm has brought great convenience in human life, and full of vast opportunities.
	This paper presents the design of an automatic and intelligent mechanical arm with multiple degrees of freedom robot and mobile devices. Robots can really achieve in life with services and the implementation of tasks. The system combines the image processing technology. After the image which was captured by camera has been identified, the results passed to the controller and command corresponding to the mechanical arm movements. This topic is not a repeat of the implementation of the task with a traditional industrial arm, but random objects and tasks to judge. Therefore, the additional deduction must be smooth, inverse kinematics is used to handed the object space coordination in the transition to the deployment of the arm shaft angle, and trajectories generated using the motor actuator to carry out an object gripping. Moreover, taking into account the mechanical arm displayed a good attitude required to perform coordinated action. In the future, folder object robot system can take towards more complex and highly flexible environment in daily life.
論文目次:	目 錄
	摘要      Ⅰ
	ABSTRACT      Ⅱ
	誌謝      Ⅲ
	目錄      IV
	圖目錄      VII
	表目錄      XI
	第一章  緒論      1
	1.1  前言      1
	1.2  文獻回顧      1
	1.3  研究動機與目的      7
	1.4  本論文之貢獻      8
	1.5  論文架構      8
	第二章  機械手臂之機構設計    10
	2.1  機械手臂的機構設計與製作      10
	2.1.1  第一代機械手臂設計      11
	2.1.2  第二代機械手臂設計    12
	2.2  移動式裝置之設計      13
	2.3  移動式機械手臂電腦模擬      14
	2.3.1  第一代機械手臂電腦模擬      14
	2.3.2  第二代機械手臂電腦模擬    15
	2.  機械手臂製作      17
	2.4.1  機械手臂加工      17
	2.4.2  機械手臂實體    17
	第三章  機械手臂模型分析    19
	3.1  D-H(Denavit-Hartenberg)座標系統    19
	3.2  順向運動學分析    25
	3.3  逆向運動學分析    26
	3.4  移動式裝置工作原理    29
	第四章  影像伺服系統      30
	4.1  影像前置處理      30
	4.1.1  影像基本定義      30
	4.1.2  灰階轉換與增強影像技術    31
	4.1.3  拉普拉斯邊緣偵測法(Laplacian edge detection)    32
	4.1.4  索貝爾邊緣偵測法(Sobel edge detection)    34
	4.1.5  坎尼邊緣偵測法(Canny edge detection)    35
	4.1.6  擷取物體重心    38
	4.1.7  影像處理實驗    38
	4.2  立體成像透視轉換原理    40
	4.3  反透視轉換原理    42
	4.4  空間座標影像深度    43
	4.5  空間球座標    44
	第五章  實驗結果與討論      46
	5.1  實驗系統架設      46
	5.1.1  AI直流伺服馬達規格說明    46
	5.1.2  AI直流伺服馬達驅動器規格說明    50
	5.1.3  實驗設備硬體規格    52
	5.2  軟體操控介面      52
	5.3  執行任務實驗      53
	5.1.1  任務一：手舞足蹈    53
	5.1.2  任務二：舉足輕重    55
	5.1.3  任務三：眼明手快    57
	第六章  結論與未來展望      59
	6.1  結論      59
	6.2  未來展望      59
	參考文獻      60
	附錄      64
	圖 目 錄
	圖1-1  PUMA200結合機械手臂示意圖    3
	圖1-2  極小型機械手臂實體圖    4
	圖1-3  極小型機械手臂關節圖    4
	圖1-4  智慧型機器手臂未知物體夾持規劃與物體3D重建    5
	圖1-5  Maru-1機器人之規格尺寸圖    6
	圖1-6  RRT與PRM路徑規劃模擬圖    6
	圖1-7  (a)機械手臂應用於工業自動化    7
	圖1-8  (b)機械手臂應用於精密的手術上    8
	圖2-1  機械手臂機構設計流程圖    10
	圖2-2  機械手臂自由度配置圖    11
	圖2-3  第一代機械手臂設計模擬圖    12
	圖2-4  第二代機械手臂設計模擬圖    13
	圖2-5  移動式裝置設計模擬圖    14
	圖2-6  第一代移動式機械手臂實驗電腦模擬圖    15
	圖2-7  第二代移動式機械手臂實驗電腦模擬圖    16
	圖2-8  移動式機械手臂之正視圖    17
	圖2-9  移動式機械手臂之側視圖    18
	圖2-10 移動式機械手臂之尺寸圖    18
	圖3-1  桿件之間的座標關係    20
	圖3-2  機械手臂基底座標示意圖    22
	圖3-3  機械手臂Joint座標系統模型圖    22
	圖3-4  移動式裝置工作示意圖    29
	圖4-1  影像前置處理之流程圖    30
	圖4-2  使用在影像增強的一些基本灰階轉換函數    31
	圖4-3  拉普拉斯遮罩    32
	圖4-4  邊界的一階導數及二階導數的表示圖形    32
	圖4-5  拉氏-高斯濾波器響應圖    33
	圖4-6  Non-maxima suppression的示意圖    36
	圖4-7  Hysteresis thresholding的示意圖    37
	圖4-8  原始RGB影像圖    38
	圖4-9  灰階轉換圖    39
	圖4-10 肯尼邊緣偵測圖    39
	圖4-11 脹與侵蝕後之影像    39
	圖4-12 目標物物體之重心圖    39
	圖4-13 透鏡成像示意圖    40
	圖4-14 雙CCD攝影機成像示意圖    43
	圖4-15 三角理論示意圖    44
	圖4-16 影像座標旋轉示意圖    45
	圖5-1  實驗系統架設圖    46
	圖5-2  (a)AX-64伺服馬達    47
	圖5-2  (b)AX-28伺服馬達    47
	圖5-2  (c)AX-10伺服馬達    47
	圖5-3  AX-64伺服馬達尺寸規格圖    47
	圖5-3  AX-28伺服馬達尺寸規格圖    48
	圖5-3  AX-10伺服馬達尺寸規格圖    48
	圖5-4  馬達串聯模型    49
	圖5-5  多點連接示意圖    50
	圖5-6  馬達腳位說明    50
	圖5-7  CM-2+型號馬達驅動器接腳說明圖    51
	圖5-8  CM-2+型號馬達驅動器尺寸規格圖    51
	圖5-9  CM-2+型號馬達驅動器串接方式示意圖    51
	圖5-10 美商國家儀器PXI工業電腦    52
	圖5-11 視訊攝影機    52
	圖5-12 軟體介面圖    53
	圖5-13 手舞足蹈實驗圖    55
	圖5-14 舉足輕重工作說明圖    55
	圖5-15 舉足輕重實驗圖    57
	圖5-16 眼明手快工作說明圖    57
	圖5-17 眼明手快實驗圖    58
	圖1    夾爪支撐架機構之CAD圖    13
	圖2    左上方夾爪機構之CAD圖    13
	圖3    左下方夾爪機構之CAD圖    14
	圖4    右方夾爪機構之CAD圖    14
	圖5    AX-10伺服馬達連接支架機構之CAD圖    15
	圖6    AX-28伺服馬達連接支架機構之CAD圖    15
	圖7    AX-64伺服馬達連接支架機構之CAD圖    16
	圖8    上方桿件支架機構之CAD圖    16
	圖9    上方桿件連接支架機構之CAD圖    17
	圖10  下方桿件支架機構之CAD圖    17
	圖11  基座上方支撐支架機構之CAD圖    18
	圖12  基座下方支撐支架機構之CAD圖    18
	圖13  底座圓盤支架機構之CAD圖    19
	圖14  底座支架機構之CAD圖    19
	圖15  夾爪支撐架機構之3D建模圖    20
	圖16  左上方夾爪機構之3D建模圖    20
	圖17  左下方夾爪機構之3D建模圖    21
	圖18  右方夾爪機構之3D建模圖    21
	圖19  AX-10伺服馬達連接支架機構之3D建模圖    21
	圖20  AX-28伺服馬達連接支架機構之3D建模圖    22
	圖21  AX-64伺服馬達連接支架機構之3D建模圖    22
	圖22  上方桿件支架機構之3D建模圖    22
	圖23  上方桿件連接支架機構之3D建模圖    23
	圖24  下方桿件支架機構之3D建模圖    23
	圖25  基座上方支撐支架機構之3D建模圖    23
	圖26  基座下方支撐支架機構之3D建模圖    24
	圖27  底座圓盤支架機構之3D建模圖    24
	圖28  底座支架機構之3D建模圖    24
	表 目 錄
	表1-1  RRT與PRM路徑規劃執行時間表    6
	表2-1  機械手臂之工作任務    11
	表2-2  第一代機械手臂自由度與AI直流伺服馬達裝置數量說明表    12
	表2-3  第二代機械手臂自由度與AI直流伺服馬達裝置數量說明表    13
	表3-1  基底座標至各Joint位置之參數表    23
	表4-1  基底座標至各Joint位置之參數表    41
	表5-1  RX系列AI直流伺服馬達規格表    49
參考文獻:	[1] J. F. Engelberger, “Robotics in practice, ” IFS Publications Ltd., 1980.
	[2] A. Ernst, “A Computer-Operated Mechanical Hand Sc. D. Thesis,” Massachusetts Institute of Technology, 1961.
	[3] L. G. Roberts, “Homogeneous Matrix Representation and Manipulation of N-Dimenional Constructs,” Lincoln Laboratory, Massachusetts Institute of Technology, Document No. MS1045, 1965.
	[4] W. M. Wichman, “The Use of Optical Feedback in Compuer Control of an Arm,” Stanford Artificial Intelligence Laboratory, Stanford University, Document No. AIM 56, 1967..
	[5] L. D. Pieper, “The Kinematics of Manipulators Under Computer Control,” Stanford Artificial Intelligence Laboratory, Stanford University, Document No. AIM 72, 1968.
	[6] Y. Shirai, H. Inoue, “Guiding a robot by visual feedback in assembling tasks,” Pattern Recognition, pp. 99-108, 1973.
	[7] M. Galick, “Control-based solution to inverse kinematics for mobile manipulators using penalty functions,” Journal of Intelligent and Robotic Systems , pp.213-238, 2005.
	[8] W. Dong, “On trajectory and force tracking control of constrained mobile manipulators with parameter uncertainty,” Journal of IFAC,  pp.1475-1484, 2002.
	[9] A. Mstsikis, F. Schulte, et al., “A behaviour coordination manager for a mobile manipulator,” IEEE/RST Intelligent Robots and Systems, pp.174-181, 2003.
	[10] D. Xu, H. Hu, et al., “Motion planning for a mobile manipulator with redundant DOFs,” Journal of Information Technology, pp.476-480, 2005.
	[11] Y. S. Kwoh, J. Hou, et al, “A Robot with Improved Absolute Positioning Accuracy for CT Guided Stereotactic Brain Surgery, ”IEEE Biomedical Engineering, pp. 153-160, 1988.
	[12] PJ. Besl, N.D. McKey, “A method for registration of 3-D shapes,” IEEE Pattern Analysis and Machine Intelligence, pp. 239-256, 1992.
	[13] J. Peirs, et al, “A miniature manipulator for integration in a self-propelling endoscope,” Sensors and Actuators, pp. 343-349, 2001.
	[14] M. Galick, “Control-based solution to inverse kinematics for mobile manipulators using penalty functions,” Journal of Intelligent and Robotic Systems, pp. 213-238, 2005.
	[15] S. U. Ryu, et al , “Digital Image Processing 2/e,” Robot and Human interactive Communication, pp. 224-227, 2007.
	[16] W. M. Wichman, “The Use of Optical Feedback in Compuer Control of an Arm,” Stanford Artificial Intelligence Laboratory, Stanford University, Document No. AIM 56, 1967..
	[17] 繆紹綱 編著，「數位影像處理 活用-Matlab」，全華科技圖書股份有限公司，中華民國92年。
	[18] Y. Suenaga, “ 3D measurement technologies for computer animation,” International Conference Computer Animation, pp. 167-174, 1996.
	[19] Y. K. Zhang, Y. Xiao, “A practical method of 3D reconstruction based on uncalibrated image sequence,” International Conference Signal Processing, pp. 1368-1371, 26-29 Oct. 2008.
	[20] N. Sun, T. Shim and M. Cao, “3D reconstruction of seafloor from sonar images based on the multi-sensor method,” International Conference Multisensor Fusion and Integration for Intelligent Systems, pp. 573-577, 20-22 Aug. 2008.
	[21] E. Coiras, Y. Petillot, and D. M. Lane, “Multiresolution 3-D Reconstruction From Side-Scan Sonar Images,” IEEE Transactions Image Processing, Vol. 16, Issue 2, pp. 382-390, Feb. 2007.
	[22] Terauchi T., Oue Y., and Fujimura K., “A flexible 3D modeling system based on combining shape-from-silhouette with light-sectioning algorithm,” 3-D Digital Imaging and Modeling, pp. 196–203, 13-16 June 2005.
	[23] C. Hernández, G. Voqiatzis, and R. Cipolla, “Multiview Photometric Stereo,” IEEE Transactions Pattern Analysis and Machine Intelligence, Vol. 30, Issue 3, pp. 548-554, Mar. 2008.
	[24] C. H. Esteban, F. Schmitt, “Silhouette and stereo fusion for 3D object modeling,” Computer Vision and Image Understanding, Vol. 96, Issue 3, pp. 367-392, Dec. 2004.
	[25] R. C. Gonzalez, R. E. Woods, “Digital Image Processing 2/e,” Pearson Education, 2003.
	[26] J. Feldman, et al., “The Use of Vision and Manipulation to Solve the Instant Insanity Puzzle,” Artificial Intrlligence, pp. 359-364, 1971.
	[27] H. Inoue, “Computer Controlled Bilateral Manipulator,” Japanese Sociey of Mechanical Engineers, pp. 199-207, 2005.
	[28] H. Ho, “2D-3D Block Matching,” Master thesis. The University of Auckland, New Zealand, N. Z. L., 2004.
	[29] J. R. Wu, “3D Model Acquisition Based on Shape from Silhouettes and Stereo,” Master thesis. National Chung Cheng University, Taiwan, R. O. C., 2007.
	[30] K. M. Cheung, S. Baker and T. Kanade, “Shape-From-Silhouette Across Time Part I: Theory and Algorithms,” International Journal of Computer Vision, Vol. 62, No. 3, pp. 221-247, May 2004.
	[31] K. M. Cheung, S. Baker and T. Kanade, “Shape-From-Silhouette Across Time Part I: Theory and Algorithms,” International Journal of Computer Vision, Vol. 62, No. 3, pp. 221-247, May 2004.
	[32] 謝慶雄 編著，「機構學」，高立圖書有限公司，中華民國93年。
	[33] 康鳳梅 等人編著，「循序學習AutoCAD 2004」，全華科技圖書股份有限公司，中華民國93年。
	[34] 康鳳梅 等人編著，「循序學習SolidWorks 2005」，全華科技圖書股份有限公司，中華民國94年。
	[34] 鐘國亮 編著，「影像處理與電腦視覺」，東華書局，中華民國95年。