本論文針對視覺自主之人形機器人設計與實現足球守門員策略。在Linux環境下，以機器人作業系統(Robot Operating System, ROS)建構人形機器人守門員之軟體策略架構。守門員策略依據人形機器人位置、球位置、人形機器人與球的距離、球的移動方向為條件，策略執行流程分為兩個部分：(1)守門員定點找球和(2)守門員防守行為。在守門員定點找球部分，可以分為頭部尋球以及頭部追球共兩個動作，規劃轉動頭部攝影機的流程，目標為找到球並持續追蹤。在守門員防守行為部分，可以分為對正目標移動、平移防守、蹲下防守、踢球和走回球門中央共五個動作，根據人形機器與球門距離訂定防守範圍，不同防守範圍對應不同動作，目標為阻擋球滾進球門之路線與踢球遠離球門。在實驗結果上，以雷射測距儀輔助紀錄小型人形機器人行走軌跡，驗證本論文提出之策略流程之人形機器人能完成基本之足球守門員策略。

In this thesis, a soccer goalkeeper strategy for vision-based autonomous humanoid robot is designed and implemented. Robot operating system is used to construct a software architecture of goalkeeper strategy of the humanoid robot in Linux platform. The goalkeeper strategy is based on the humanoid robot position, soccer position, the distance between the humanoid robot and soccer, and the soccer moving direction. The strategy execution process is divided into two parts: (1) goalkeeper place-search and (2) goalkeeper defensive behavior. In the goalkeeper place-search, it is divided into two phases: head searching and head tracking. A process of turning the head camera is planned to search and keep tracking soccer. In the part of the goalkeeper defensive behavior, it is divided into five phases: aligning and moving towards the target, moving sideways defense, squatting defense, kicking, and walking back to the center of the goal. The defensive range is set according to the distance between the humanoid robot and the goal. Different defensive ranges correspond to different phases. The purpose is to obstruct the route of the soccer and kick the soccer away from the goal. In the experimental results, laser rangefinder is used to assist in recording the walking trajectory of a small humanoid robot and verify the strategy process proposed in this thesis.

目錄
中文摘要  I
英文摘要 II
目錄	III
圖目錄	VI
表目錄	IX
第一章	緒論	1
1.1	研究背景	1
1.2	研究動機	2
1.3	論文架構	3
第二章	人形機器人平台介紹	4
2.1	前言	4
2.2	機構	4
2.2.1	頭部機構	6
2.2.2	腰部機構	7
2.2.3	手部機構	8
2.2.4	腳部機構	9
2.3	電路	10
2.4	硬體	11
2.4.1.	工業電腦	11
2.4.2.	SoC FPGA開發板	12
第三章	人形機器人系統介紹	14
3.1	前言	14
3.2	影像處理	15
3.2.1.	影像辨識	16
3.2.2.	影像距離判斷	19
3.2.3.	影像定位	21
3.3	行走軌跡規劃	22
3.3.1	步態軌跡設計	23
3.3.2	步態軌跡規劃	24
3.3.3	逆運動學計算	26
3.4	感測器	28
第四章	人形機器人之守門員策略設計	31
4.1	前言	31
4.2	策略執行流程	32
4.2.1	守門員定點找球	33
4.2.2	守門員防守行為	35
第五章	實驗結果	42
5.1	守門員之定點找球實驗	42
5.2	守門員之防守行為實驗	45
5.2.1	雷射測距儀之量測實驗	45
5.2.2	人形機器人之防守行為的移動軌跡	48
第六章	結論與未來展望	56
6.1	結論	56
6.2	未來展望	56
參考文獻	57
 
圖目錄
圖2.1、人形機器人之實體圖	4
圖2.2、人形機器人之機構尺寸：(a)正視圖與(b)側視圖	5
圖2.3、人形機器人之馬達配置：(a)頭部、(b)腰部、(c)手部、(d)腳部	6
圖2.4、人形機器人之頭部機構	7
圖2.5、人形機器人之腰部機構：(a)正面與(b)背面	7
圖2.6、人形機器人之手部機構	8
圖2.7、人形機器人之防撞桿機構	9
圖2.8、人形機器人之腳部機構	10
圖2.9、人形機器人之腳底板的壓力感測器之位置配置	10
圖2.10、轉接電路板之實體：(a)正面與(b)背面	11
圖3.1、人形機器人系統之架構	15
圖3.2、影像訓練之流程	17
圖3.3、基本LBP演算法	18
圖3.4、圓形LBP演算法	18
圖3.5、攝影機與地面幾何關係之示意圖	20
圖3.6、地面與影像平面投影關係之示意圖	20
圖3.7、x軸地面與影像平面幾何關係之示意圖	21
圖3.8、蒙地卡羅定位之流程	22
圖3.9、腰部與踝關節之運動軌跡之示意圖	23
圖3.10、人形機器人行走步態之示意圖	24
圖3.11、人形機器人下半身示意圖	25
圖3.12、人形機器人連桿長度之示意圖	25
圖3.13、人形機器人轉動角度之示意圖	27
圖4.1、守門員策略之架構	31
圖4.2、策略執行之流程	32
圖4.3、頭部轉動之流程	33
圖4.4、頭部尋球之示意圖	34
圖4.5、攝影機畫面的中間區域範圍之示意圖	35
圖4.6、人行機器人防守範圍之示意圖	36
圖4.7、人形機器人蹲下防守：(a)基本站姿和(b)張開手並蹲下	36
圖4.8、人形機器人蹲下防守之流程	37
圖4.9、人形機器人移動防守之流程	37
圖4.10、人形機器人踢球之流程	39
圖4.11、人形機器人之踢球動作：(a)基本站姿、(b)向右側傾倒、(c)抬起左腳、(d)身體向後傾並向前伸出左腳、(e)向左傾倒並收回左腳、以及(f)回復基本站姿	40
圖4.12、人形機器人走回球門中央之流程	41
圖5.1、實驗場地示意圖	42
圖5.2、影像資訊：(a)畫面座標定義、(b)球的資訊、以及(c)球門柱的資訊	43
圖5.3、球放置位置示意圖	44
圖5.4、雷射測距儀圖	46
圖5.5、雷射測距儀量測定點目標物之數據圖：(a) 雷射測距儀量測之數據以及(b) 每筆數據與實際距離之誤差	47
圖5.6、雷射測距儀量測機器人位置之數據圖	48
圖5.7、人形機器人之蹲下防守實驗分鏡圖：(a)原地、(b)踢出球、(c)執行蹲下防守、以及(d)完成蹲下防守	49
圖5.8、人形機器人之對正目標移動實驗：(a)對正目標移動之實驗環境配置示意圖以及(b)人形機器人對正目標移動之移動軌跡	50
圖5.9、人形機器人之對正目標移動實驗分鏡圖：(a)守門員定點找球、(b)移動至球前、(c)準備執行踢球、以及(d)踢球	51
圖5.10、人形機器人之平移防守實驗環境配置圖	52
圖5.11、人形機器人之平移防守實驗分鏡圖：(a)守門員定點找球、(b)完成左平移、(c)球移至人形機器人的右方、以及(d)完成右平移	52
圖5.12、人形機器人之走回球門中央實驗：(a)走回球門中央之實驗環境配置示意圖以及(b)人形機器人走回球門中央之移動軌跡	54
圖5.13、人形機器人之走回球門中央實驗分鏡圖：(a)守門員定點找球、(b)旋轉人形機器人至面向己方球門、(c)人形機器人往球門中央前進(d)旋轉人形機器人至面向敵方球門	55
 
表目錄
表2.1、XM-430-W350馬達之規格表	5
表2.2、工業電腦之規格表	12
表2.3、SoC FPGA開發板之規格表	13
表3.1、C922 PRO 高清網路攝影機之規格	16
表3.2、TAL230A-40kg之規格	29
表3.3、GY-87之規格	30
表5.1、實驗場地之尺寸表	43
表5.2、追蹤正前方球花費時間表	45
表5.3、球與機器人距離量測數據表	45
表5.4、雷射測距儀之規格	46

[1]	Robot.wiki, URL: https://en.wikipedia.org/wiki/Robot.
[2]	FIRA官方網站, URL: http://www.firaworldcup.org/VisitorPages/.
[3]	RoboCup官方網站, URL: https://www.robocup.org/.
[4]	ROS官方網站, URL: http://www.ros.org/.
[5]	OpenCV官方網站, URL: https://opencv.org/.
[6]	郭信宏，基於影像之人形機器人姿態辨識系統，淡江大學電機工程學系碩士論文 (指導教授：李祖添、劉智誠)，2019。
[7]	S. Ren, K. He, R. Girshick, and J. Sun, “Faster R-CNN: Towards real-time object detection with region proposal networks,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 39, no. 6, June, 2017, pp. 1137-1149.
[8]	S. Han, M.-J. Kim, V. Maik, and J. Paik, “Keypoint-based object tracking using modified median flow,” IEEE International Conference on Consumer Electronics-Asia, ICCE-Asia , South Korea, October, 2016, pp. 1-2.
[9]	Y.-R. Hou, “Moving target detection in the robot system based on omni-vision and laser rangefinder,” International Congress on Image and Signal Processing (CISP), Shenyang, February, 2015, pp. 1162-1166.
[10]	簡瑜萱，基於ROS之人形機器人的影像定位與導航，淡江大學電機工程學系碩士論文 (指導教授：翁慶昌)，2017。
[11]	J. Allali, R. Fabre, L. Gony, L. Hofer, O. Ly, S. N’Guyen, G. Passault, A. Pirrone, and Q. Rouxel, “Rhoban Football Club: RoboCup Humanoid Kid-Size 2017 Champion Team Paper,” Lecture Notes in Computer Science, vol. 11175, 2018, pp. 423-434.
[12]	I. Hussain, M. T. Imran, A. H. Ayub, S. Azeem, M. Tanveer, F. Islam, and Y. Ayaz, “Designing of motions for humanoid goal keeper robots,” IEEE International Conference on Robotics and Biomimetics (ROBIO), Japan, July, 2015, pp 1834-1839.
[13]	S. K. Sungkono, B. W. Yohanes, and D. Santoso, “Decision tree analysis for humanoid robot soccer goalkeeper algorithm,” 6th International Annual Engineering Seminar (InAES), Yogyakarta, August, 2016, pp. 46-50.
[14]	K. V. Heerden, and A. Kawamura, “Towards integrated walking and jumping motion planning in complex environments: jumping trajectory generation,” IEEE International Workshop on Advanced Motion Control (AMC), Sarajevo, March, 2012, pp. 1-6. 
[15]	A. Gholami, “A learned soccer goalkeeper petri net model,” Artificial Intelligence and Robotics (IRANOPEN), Qazvin, April, 2017, pp. 102-108.
[16]	I. J. Da Silva, C. O. Vilao, A. H. R. Costa, and R.A.C. Bianchi, “Towards robotic cognition using deep neural network applied in a goalkeeper robot,” Latin American Robotics Symposium (LARS) and 2017 Brazilian Symposium on Robotics (SBR), Curitiba, December, 2017, pp. 1-6.
[17]	S. Han, L. Wenbin, Y. Zhujun, and Q. Yong, “Research on goalkeeper strategy based on random forests algorithm in robot soccer,” 1st international conference on information sciences and engineering (ICISE2009), Nanjing, December, 2009, pp 946-950.
[18]	F. N. Chu, T. T., Nan, W. L. Fan, C. C. Han, H. C. Yi, L. C. Yuan, and S. L. T. Hseng, “Multi-robot coordination strategy for 3 vs. 3 teen-sized humanoid robot soccer game,” International Automatic Control Conference (CACS), Pingtung, November, 2017, pp 1-6.
[19]	K. Ohtani, L. Li, and M. Baba, “Laser rangefinder calibration based on Genetic Algorithm,” Proceedings of SICE Annual Conference (SICE), Akita, August, 2012, pp. 1234-1237.
[20]	K. Ohtani, M. Baba, “A laser rangefinder with the ability to identify surface roughness and detect the 3-D shape of metal parts,” ICROS-SICE International Joint Conference, Fukuoka, August, 2009, pp. 3451-3456.
[21]	M. A. Cooper, J. F. Raquet, and R. Patton, “Range information characterization of the hokuyo UST-20LX LIDAR sensor,” Photonics, vol. 5, no. 2, 2018.