5.1 結論
本論文利用 Image Jacobian 的概念結合機器人與攝影機間的 Jacobian 關係，
發展出一個基於影像的視覺伺服控制器。此控制器藉由修正在影像平面上特徵點 位置，能夠同時產生機器人移動平台與機械臂的速度控制命令，協調機器人上的 機械臂到達與目標相對的特定位置。但是由於 Eye-in-hand 攝影機架設的限制，
使得機械臂靠近目標的過程中無法使用單一種影像特徵作為控制器輸入，因此本 論文中利用兩個使用不同影像特徵的控制器，藉由 Behavior-based subsumption 架構協調兩個控制器的輸出，使得機械臂能到達極為靠近目標的位置，成功抓取 到目標。由實驗結果中可看出，藉由兩個控制器的協調，可以讓手爪到達距離目 標只有 7~8 公分的位置，在此位置下，機器人只需稍微前進即可抓取到目標。另 外，在移動物體的實驗中也可看到，機器人對於移動的物體也能追蹤目標並成功 抓取。而在影像系統方面，特徵點擷取頻率為每秒 7~8 次，能穩定擷取到影像特 徵點的目標距離為與攝影機距離 80~100 公分的範圍內，大於此距離時因為物體 在畫面上顯得太小，將會無法辨識與擷取特徵點。
5.2 未來展望
本論文在影像辨識時，為了加快辨識速度而將影像解析度降低到 160x120，
這造成影像系統在攝影機與目標距離 1 公尺以上時無法辨識出物體，因為在 160x120 的解析度中，目標距離攝影機 1 公尺時的影像會變得很小，目標上的垂 直條碼寬度大約只有 2~3 個像素寬度，這使得辨識第一階段中的角點偵測發生困 難，因為我們使用的影像樣板為 5x5，已經大於垂直條碼的寬度了。因此若未來
更遠的視野。
在第 4 章的實驗與模擬中，在機器人剛開始抓取目標時，手臂的角度響應都 有很大的 overshoot 或 undershoot，這點會限制機械臂能抓取的物體放置範圍，
如果目標物體放在較高或較低的位置，手臂的 overshoot 與 undershoot 可能會使 角度超過限制，間接縮小了機械臂可抓取物品的高度範圍。因此若能改善控制 器，降低 overshoot 與 undershoot 的問題，可以擴大可抓取目標高度範圍。
在實用上，抓取物品的行為通常需要配合避障或導航的功能。例如要讓機器 人幫忙拿物品，並指定目標所在的房間，機器人在到達該房間途中可能會遇到障 礙物，因此需要有避障的能力。由於本論文所設計的抓取行為採用 Subsumption 架構，可以直接在底層整合避障與導航行為，如圖 5.1，即可讓機器人同時具備 抓取與避障的能力。在抓取目標物的辨識方法上，本論文中的做法是利用貼在目 標物體上的特殊類條碼影像樣板來作為辨識的依據，此辨識方法在實用上不夠一 般化，如果能夠在不改變目標物體外觀的情況下擷取出所需影像特徵點，例如以 物體的形狀與外觀影像來辨識，將會使抓取功能較為貼近實用。
Grasp
Target Identification
& feature extraction Image
sequence
S
S Foot & Arm motor Gripper motor
Distance estimation
Approach_near
Approach_far
Obstacle avoidance Sensors
S
Navigation S
圖 5.1 整合避障與導航功能
參考文獻
[1] Henrry Andrian, “An embedded image processing platform for a mobile manipulator,” Master’s Thesis, National Chiao Tung University, Taiwan, Republic of China, July, 2004.
[2] T. Martinez-Marin and T. Duckett, “Robot docking by reinforcement learning in a visual servoing framework, ” in Proceedings of IEEE Conference on Robotics,
Automation and Mechatronics, Singapore, 2004, pp. 159-164.
[3] T. Takahama, K. Nagatani and Y. Tanaka, “Motion planning for dual-arm mobile manipulator - realization of "tidying a room motion", ” in Proceedings of IEEE
International Conference on Robotics and Automation, New Orleans, LA, USA,
2004, pp. 4338-4343.[4] D.C. MacKenzie and R.C. Arkin, “Behavior-based mobile manipulation for drum sampling,” in Proceedings of IEEE International Conference on Robotics and
Automation, Minneapolis, Minnesota, USA, 1996, pp. 2389-2395.
[5] J.H. Connell, ”A behavior-based arm controller,” IEEE Transactions on Robotics
and Automation, Vol. 5, No. 6, pp. 784-791, 1989.
[6] A. Matsikis, F. Schulte, F. Broicher and K.-F. Kraiss, “A behaviour coordination manager for a mobile manipulator,” in Proceedings of IEEE/RSJ International
Conference on Intelligent Robots and Systems, Las Vegas, Nevada, USA, 2003,
pp. 174-181.[7] S. Hutchinson, G.D. Hager and P.I. Corke, “A tutorial on visual servo control,”
IEEE Transactions on Robotics and Automation, Vol. 12, No. 5, pp.
651-670, 1996.
[8] N.P. Papanikolopoulos and P.K. Khosla, “Adaptive robotic visual tracking:
3, pp. 429-445, 1993.
[9] John J. Craig, Introduction to Robotics: Mechanics & Control, Reading, MA:
Addison-Wesley, 1989.
[10] Ronald C. Arkin, Behavior-Based Robotics, Cambridge, MA: MIT Press, 1998.
[11] T. I. J. Tsay and C.J. Chang,” Pose control of mobile manipulators with an uncalibrated eye-in-hand vision system,” in Proceedings of IEEE/RSJ
International Conference on Intelligent Robots and Systems, Sendai, Japan, 2004,
pp. 3033-3038.[12] ICM205B, Datasheet, “VGA/QVGA CMOS image sensor with digital YUV output,” Oct 2002, IC-MEDIA Corp.
[13] AL422B Data sheet, Data sheet, 2004, Aver Logic Inc.
[14] D. E. Whitney, “Resolved motion rate control of manipulators and human prostheses,” IEEE Transaction of Man-Machine Systems, Vol. 10, pp. 47-53, 1969.
[15] Richard P. Paul, Robot Manipulators: Mathematics Programming and Control, Cambridge, MA: MIT Press, 1981.