本論文提出一全方位距離測量與移動機器人避障演算法。實驗的場景以符合FIRA (Federation of International Robot-soccer Association) RoboSot規則之避障挑戰賽中的場地為主。全方位攝影機相較於傳統攝影機優點在於擁有寬廣的視野，能夠減少視覺死角與提高追蹤物體的能力，但是其視覺影像會有扭曲變形。因此本文提出一全方位影像測量方法，可以測量出雙曲面鏡之曲率與變焦鏡頭之焦距，將扭曲影像還原成平面影像。最後再利用全方位視覺影像的座標點與雙曲面鏡離地面之高度，即可測量出障礙物與機器人之間的距離。在避障挑戰賽中，足球機器人需避開障礙物往目標位置前進。本文根據動態視窗法與人工勢場法，提出一適合全方位移動平台的動態視窗演算法。從實驗結果中，可以得知所提的方法能有效且快速達到避障的效果。

This thesis proposes an omnidirectional distance measurement and an obstacle avoidance algorithm of the mobile robot. The experimental scenario was based on the venue of the obstacle avoidance challenge in accordance with the RoboSot rules of the Federation of International Robot-soccer Association (FIRA). Omnidirectional cameras have the advantage of a wide angle image, but the image will be distorted. It compares with the conventional cameras, which can reduce visual dead zones and improve the ability to track objects. Therefore, this thesis proposes an omnidirectional distance measurement method, which can measure the curvature of the hyperbolic mirror and the focal length of the zoom lens, and the project the distorted image to a flat image. Finally, the distance between the obstacle and the robot can be measured by using the coordinate point of the HyperOmni Vision image and the height of the hyperboloidal mirror from the ground. In the obstacle avoidance challenge, the soccer robot needs to avoid the obstacle and advance to the goal position. Therefore, this thesis proposes a dynamic window algorithm for the omnidirectional mobile robot based on the Dynamic Window Approach (DWA) and Artificial Potential Field (APF). From the experimental results, the algorithm can effectively and quickly achieve the effect of obstacle avoidance.

目錄
第 1 章	緒論	1
1.1	研究背景	1
1.2	研究動機	2
1.3	論文架構	3
第 2 章	全方位距離測量	4
2.1	全方位攝影機介紹	4
2.1.1 折射式全方位攝影機	4
2.1.2 反射折射式全方位攝影機	5
2.2	雙曲面之全方位影像	7
2.3	雙曲面鏡之幾何模型	9
2.4	雙曲面鏡與空間座標點幾何關係	10
2.5	成像平面距離計算	13
2.6	物體距離計算	14
第 3 章	障礙物偵測	16
3.1	色彩模型	16
3.1.1 RGB色彩模型	16
3.1.2 YUV色彩模型	18
3.1.3 HSV色彩模型	20
3.2	影像雜訊消除	22
3.2.1 侵蝕與膨脹及開閉運算	22
3.3	極座標搜尋法	24
3.4	物件分割	27
第 4 章	動態避障	29
4.1	區域路徑規劃	29
4.1.1 人工勢場法(Artificial Potential Field, APF)	29
4.1.2 動態視窗法(Dynamic Window Approach, DWA)	31
4.2	改良動態視窗法	36
4.2.1 動態視窗與移動軌跡預測	37
4.2.2 障礙物與移動軌跡規劃	39
4.2.3 避障移動軌跡規劃	40
4.2.4 避障保護機制	42
第 5 章	實驗結果	43
5.1	全方位距離測量	43
5.1.1 雙曲面鏡曲率計算	43
5.1.2 雙曲面鏡曲率驗證	47
5.2	障礙物辨識	49
5.2.1 建立場地環境	49
5.2.2 非場地環境資訊	49
5.2.3 障礙物資訊	50
5.3	動態避障	52
5.3.1 避障演算法比較	52
5.3.2 避障演算法模擬	54
第 6 章	結論與未來展望	61
參考文獻	62

圖目錄
圖 1.1、FIRA比賽場地	1
圖 1.2、足球機器人	2
圖 1.3、論文整體架構	3
圖 2.1、單魚眼攝影機	4
圖 2.2、全景式攝影機	5
圖 2.3、拋物面鏡與雙曲面鏡	5
圖 2.4、雙曲面鏡	6
圖 2.5、變焦鏡頭	6
圖 2.6、攝影機	7
圖 2.7、全方位攝影機	8
圖 2.8、全方位視覺影像	8
圖 2.9、雙曲面幾何模型	9
圖 2.10、全方位攝影機之系統模型	10
圖 2.11、空間中 點的方位角	11
圖 2.12、垂直截面的雙曲線投影	12
圖 2.13、透鏡成像原理	14
圖 2.14、全方位距離測量原理	15
圖 3.1、RGB色彩模型	17
圖 3.2、相加原色	17
圖 3.3、彩色影像與R、G、B分量	18
圖 3.4、彩色影像與Y、U、V分量	19
圖 3.5、YUV中的UV色彩模型	20
圖 3.6、HSV色彩模型	21
圖 3.7、侵蝕與膨脹	23
圖 3.8、開運算與閉運算	23
圖 3.9、影像的有效範圍	24
圖 3.10、直角坐標搜尋法	25
圖 3.11、極座標搜尋法	26
圖 3.12、極座標跳躍搜尋法	26
圖 3.13、物件偵測	27
圖 3.14、物件邊緣偵測	28
圖 4.1、引力場與斥力場	29
圖 4.2、機器人路徑規劃	30
圖 4.3、非最佳解路徑	31
圖 4.4、局部最小解	31
圖 4.5、差動式機器人的移動軌跡	32
圖 4.6、 計算方法	33
圖 4.7、速度空間與動態空間關係圖	34
圖 4.8、 計算方式	35
圖 4.9、全方位移動的向量轉換	36
圖 4.10、機器人的動態視窗與可視範圍	37
圖 4.11、機器人的移動軌跡	37
圖 4.12、全方位移動的移動軌跡	39
圖 4.13、障礙物與移動軌跡	40
圖 4.14、避障移動軌跡	41
圖 4.15、改良人工勢場法	42
圖 5.1、棋盤格校正雙曲面鏡	43
圖 5.2、鏡頭焦距與成像	44
圖 5.3、全方位距離測量實驗	47
圖 5.4、FIRA場地還原影像	48
圖 5.5、場地環境色彩模型	49
圖 5.6、非場地色模環境資訊	50
圖 5.7、侵蝕膨脹	51
圖 5.8、動態視窗範圍內障礙物	52
圖 5.9、同避障半徑路徑比較	53
圖 5.10、不同避障半徑路徑比較	54

表目錄
表 5.1、像素轉長度	45
表 5.2、曲率推算	46
表 5.3、場地與全方位攝影機參數	48
表 5.4、相同避障半徑比較(距離較短)	55
表 5.5、相同避障半徑比較(距離較長)	56
表 5.6、不同避障半徑比較	57
表 5.7、多個障礙物模擬	58
表 5.8、不同的障礙物速度	59
表 5.9、障礙物速度接近機器人速度	59
表 5.10、兩個動態障礙物	60
表 5.11、三個動態障礙物	60

[1]	I. Pitas, Digital image processing algorithms and applications, John Wiley & Sons, 2000.
[2]	“RoboSot - FIRA”,
URL: http://www.fira.net/contents/sub03/sub03_6.asp
[3]	M. Yachida, “Omnidirectional sensing and combined multiple sensing,” Proceedings of IEEE and ATR Workshop on Computer Vision for Virtual Reality Based Human Communications, pp. 20-27, Jan, 1998.
[4]	S.K. Nayar, “Catadioptric omnidirectional camera,” Proceedings of the 1997 Conference on Computer Vision and Pattern Recognition, pp. 482-488, 1997.
[5]	Y. Hoshi, and K. Masami, “A walkthrough image generation for facility guidance by interpolating omnidirectional images,” Proceedings of IEEE International Conference on Systems, Man and Cybernetics, Vol. 2, 2006.
[6]	許將豪，應用全方位攝影機於空間移動物體偵測。中正大學機械與機電工程學系碩士論文(指導教授：程啟正)，2011。
[7]	陳政毅，使用平面校正物進行折射反射式攝影機的校正。交通大學資訊科學與工程研究所碩士論文(指導教授：陳永昇)，2006。
[8]	高立煒，結合視覺與紅外線感測之機器人自我定位及路徑規劃系統。中正大學電機工程研究所碩士論文(指導教授：林惠勇)，2008。
[9]	鄧宏志，中型機器人足球系統之即時影像處理。淡江大學電機工程研究所碩士論文(指導教授：翁慶昌)，2006。
[10]	M. G. Park, H. J. Jae and C. L. Min, “Obstacle avoidance for mobile robots using artificial potential field approach with simulated annealing,” IEEE International Symposium on Industrial Electronics, Vol. 3, pp. 1530-1535, 2001.
[11]	M. C. Lee, and G. P. Min, “Artificial potential field based path planning for mobile robots using a virtual obstacle concept,” Proceedings of the IEEE/ASME International Conference on Advanced Intelligent Mechatronics, Vol. 2, pp. 735-740, IEEE, 2003.
[12]	J. B. Mbede, X. Huang and M. Wang, “Fuzzy motion planning among dynamic obstacles using artificial potential fields for robot manipulators,” Robotics and Autonomous System 32, pp. 61-72, 2000.
[13]	D. Fox, W. Burgard, and S. Thrun, “The Dynamic Window Approach to Collision Avoidance,” IEEE Robotics and Automation, Vol. 4, pp. 23-33, 1997.