本論文主要目的是設計一部能夠在未知環境下進行定位與建立該區域地圖之輪型機器人，同時兼具對動態與靜態障礙物閃避之自主運動功能。首先設計Segway移動控制平台軟體，並利用馬達的編碼器資料定義Segway自我位置，並設計模糊控制器透過相對角度與距離誤差的參數，驅動Segway的馬達角位移及角速度達到控制的目的。 其次運用雷射測距儀透過TCP/IP的傳輸方式與Segway人機介面連結，分析雷射測距儀的資料得知環境資訊，做為Segway移動平台偵測障礙物依據，利用模糊控制器來實現機器人閃避障礙物之自主行走能力，透過Matlab模擬程式來檢視機器人移動軌跡與驗證系統的穩定性，進一步將模擬程式轉換成Visual C++ MFC程式來觸動實際的機器人運作，研究中利用ICP(Iterative Closest Point)演算法將環境資料做匹配，透過兩筆資料的比較可以獲得該兩筆資料之位置差異，包括平移矩陣以及旋轉矩陣，經由反覆的運算後可以估測雷射測距儀的位置，並建立環境地圖，經實驗驗證，有效的將誤差收斂趨近於零，與模擬結果一致，証明本論文所開發之系統確實可行。

The objective of this thesis is to design a robot to have independent motion behaviors and obstacle avoidance function. The robot is also able to make the SLAM(Simultaneous Localization And Mapping) at the unknown environment.
First, the software of the robot platform is designed to define the robot position by the motor encoders. Then , the obstacle avoidance controller is developed by two input variables (angular and distance errors) of the fuzzy theory. A laser ranger finder is linked to the segway by the TCP/IP (Transmission Control Protocol / Internet Protocol). The environmental information of laser ranger finder is the important input variables of the obstacle avoidance controller. The simulated results of this system is implemented by the Matlab software. After that, the simulated program is transformed into VC++ MFC program to demonstrate the actual motion behavior of this robot system.
The calculation algorithms of ICP(Iterative Closest Point) is applied to check the position error of the environmental data to obtain the estimated position of the laser range finder. The estimated position data are used to calculated the final function of SLAM. Finally, both the simulated and experimental results show that the system work very well.

中文摘要 I
英文摘要 II
目錄	IV
圖目錄	VI
表目錄	IX
第一章	緒論	1
1-1	前言	1
1-2	研究動機與研究目的	2
1-3	相關文獻探討	2
1-4	論文架構	4
第二章	實驗設備	5
2-1	機器人移動平台	5
2-1-1	機器人通訊介面	7
2-1-2	機器視覺系統	9
2-1-3	影像介面系統	10
2-2	雷射測距儀	11
2-2-1	雷射測距儀通訊設定	13
2-2-2	電力設備	15
第三章	理論基礎與研究方法	16
3-1	ICP演算法理論	16
3-2	兩輪式機器人運動方程式	22
3-3	模糊系統	25
3-3-1	模糊控制器設計	25
3-3-2	模糊避障控制器	32
第四章	實驗結果與驗證	36
4-1	車體控制模擬	36
4-2	車體實體人機介面	44
4-3	ICP演算法環境資料匹配	60
第五章	結論與討論	66
5-1	結論	66
5-2	討論	67
參考文獻	69

圖目錄
圖2.1承載平台結構圖	6
圖2.2 RMP 50車體	6
圖2.3 RMP 50單元圖	8
圖2.4機器視覺設備	10
圖2.5機器視覺介面系統	11
圖2.6 LMS-100雷射測距儀	12
圖2.7 PC與雷射連接圖	13
圖2.8內部接腳圖	14
圖2.9 12V鉛蓄電池	15
圖2.10電源接法	15
圖3.1 ICP演算法流程圖	17
圖3.2車輪側視圖	22
圖3.3車體上視圖	22
圖3.4移動示意圖	23
圖3.5模糊邏輯控制器架構	25
圖3.6機器人移動示意圖	26
圖3.7 Matlab GUI機器人模擬控制介面	29
圖3.8 Error∅歸屬函數	30
圖3.9 Error_d歸屬函數	30
圖3.10 w1w2輸出函數	31
圖3.11避障雷射區域示意圖	32
圖3.12模糊自走控制系統流程圖	33
圖4. 1車體運動示意圖(a)	37
圖4. 2車體運動示意圖(b)	37
圖4.3模擬範例一: 機器人模擬示意圖	39
圖4.4模擬範例一: 距離誤差收斂圖	39
圖4.5模擬範例一: 角度誤差收斂圖	40
圖4.6模擬範例一: 兩輪角速度比較圖	40
圖4.7模擬範例二: 機器人模擬示意圖	42
圖4.8模擬範例二: 距離誤差收斂圖	42
圖4.9模擬範例二: 角度誤差收斂圖	43
圖4.10模擬範例二: 兩輪角速度比較圖	43
圖4.11車體人機介面	45
圖4.12實驗範例一: 機器人自走分解圖	47
圖4.13實驗範例一: 機器人自走上視圖	47
圖4.14實驗範例一: 誤差收斂響應圖	48
圖4.15實驗範例二: 機器人自走分解圖	50
圖4.16實驗範例二: 機器人自走示意圖	50
圖4.17實驗範例二: 誤差收斂響應圖	51
圖4.18實驗範例三: 機器人自走分解圖	54
圖4.19實驗範例三: 機器人閃避障礙物示意圖	55
圖4.20實驗範例三: 誤差收斂響應圖	55
圖4.21實驗範例四: 機器人自走分解圖	58
圖4.22實驗範例四: 誤差收斂響應圖	59
圖4.23範例一: 原始資料比較圖	61
圖4.24範例一: 匹配後資料比較圖	61
圖4.25範例二: 原始資料比較圖	63
圖4.26範例二: 匹配後資料比較圖	63
圖4.27範例三: 工學大樓7F區域地圖	65
圖4.28範例三: ICP路徑與機器人路徑距離差異	65

表目錄
表 2. 1 RMP轉換表	8
表 2.2 LMS-100資料表	12
表 2.3 LMS100傳輸速度	14
表 3. 1模糊規則庫	28
表 3. 2模糊避障權重輸入預設表	34
表 3. 3 左轉模糊避障規則庫(a)	35
表 3. 4右轉模糊避障規則庫(b)	35
表4. 1 範例一變化量資料表	60
表 4. 2 範例二變化量資料表	62
表 4. 3 範例三資料表	64

[1]	Browning, B. Rybski, P. E. Searock, J. Veloso, M. M.  “Development of a soccer-playing dynamically-balancing mobile robot”,  Robotics and Automation, 2004. Proceedings. ICRA '04. 2004 IEEE International Conference on Apr 26, 2004, p. 1752 - 1757 Vol. 2.
[2]	Ambrose, R. O.   Savely, R. T.   Goza, S. M.   Strawser, P.   Diftler, M. A.   Spain, I.   Radford, N.  ,” Mobile manipulation using NASA's Robonaut”, Robotics and Automation, 2004. Proceedings. ICRA '04. 2004 IEEE International Conference  p. 2104 - 2109 Vol. 2.
[3]	Brooks, Rodney A. “Cardea: Always-on Mobile Manipulation”, MIT CSAIL, September 23, 2003.
[4]	Denis F. Wolf, Andrew Howard, and Gaurav S. Sukhatme. “Towards Geometric 3D Mapping of Outdoor Environments Using Mobile Robots”, In IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), p. 1258-1263, Aug 2005.
[5]	Chieh-Chih Wang,” Simultaneous Localization Mapping And Moving Object Tracking”, Camegie Mellon University, 2003.
[6]	B. L. Brumitt and A. Stentz, ”Dynamic mission planning for mobile robots”, IEEE International Conference on Robotics and Automation, Vol. 3, p. 2396-2401, 1996.
[7]	陳永和，輪形行動機器人之機構設計與避障規劃，淡江大學機械與機電工程學系碩士論文，2006年6月。
[8]	嚴仲偉，可教導式之自走車導航機制，國立成功大學工程科學學系碩士論文，2002年6月。
[9]	侯惠傑，機器人之避障路徑規劃與FPGA實現，淡江大學電機工程學系碩士論文，2001年6月。
[10]	Segway LLC, Segway Robotic Mobility Platform(RMP) CAN interface Guide Version 1.5.
[11]	Segway LLC, Segway Robotic Mobility Platform(RMP) User instructions Version 2.0.
[12]		Segway LLC, Segway Robotic Mobility Platform(RMP) Interface Guide version 2.0.
[13]	Ivor Horton , Visual C++ 6教學手冊，碁峯，1999。
[14]	位元文化，精通MFC視窗成式設計2008版，文魁，2008。
[15]	Besl Paul J., and Mckay Neil D., “ A Method for Registration of 3-D Shapes ”, IEEE Transactions Pattern Analysis and Machine 
Intelligence, Vol. 14, No. 2, February 1992.
[16]	F.Lu and E. Milios, “Robot Pose Estimation in Unknown Environments by Matching 2D Range Scans”, Intelligent Robotic Systems, Vol. 18, pp.249-275, 1997.
[17]	Masahiro Tanaka and Minoru Ito, “Experimental Results for Walking Navigation System Using Fast SLAM”, Control, Automation and Systems, 2007. ICCAS '07. Seoul, KOREA.
[18]	Javier Minguez and Florent Lamiraux and Luis Montesano, “Metric-Based Scan Matching Algorithms for Mobile Robot Displacement Estimation”, Universidad de Zaragoza, Spain, Robotics and Automation. ICRA 2005. Barcelona, Spain, 2005
[19]	林家任，類神經網路於橢圓近似包覆與其應用之研究，國立中央大學機械工程研究所，2005。
[20]	蔡爾傑，兩輪移動機器人之控制與驅動設計，淡江大學機械與機電工程學系碩士論文，2005。
[21]		楊智旭、張嘉峰、彭嵐霖，Matlab程式應用及問題範例，滄海書局，2000。