人形機器人之頭部與雙眼視覺系統製作 (II)

(1)

行政院國家科學委員會專題研究計畫成果報告

人形機器人之頭部與雙眼視覺系統製作 (II) 研究成果報告(精簡版)

計畫類別：個別型

計畫編號： NSC 95-2221-E-011-107-

執行期間： 95 年 08 月 01 日至 96 年 07 月 31 日執行單位：國立臺灣科技大學電機工程系

計畫主持人：許新添

計畫參與人員：博士班研究生：林傳貴

碩士班研究生：顏銘男、曾昱誠

處理方式：本計畫可公開查詢

中華民國 96 年 09 月 28 日

(2)

行政院國家科學委員會補助專題研究計畫

■ 成果報告

□期中進度報告

人形機器人之頭部與雙眼視覺系統製作(II) Development of humanoid robot head mechanism and

the stereo vision system (II)

計畫類別： ■ 個別型計畫 □ 整合型計畫計畫編號：NSC 95-2221-E-011-107

執行期間： 95 年 8 月 1 日至 96 年 7 月 31 日計畫主持人：許新添教授

成果報告類型(依經費核定清單規定繳交)： ▓ 精簡報告 □完整報告

本成果報告包括以下應繳交之附件：

□赴國外出差或研習心得報告一份

□赴大陸地區出差或研習心得報告一份

□出席國際學術會議心得報告及發表之論文各一份

□國際合作研究計畫國外研究報告書一份

處理方式：除產學合作研究計畫、提升產業技術及人才培育研究計

畫、列管計畫及下列情形者外，得立即公開查詢

□涉及專利或其他智慧財產權，□一年□二年後可公開查詢

執行單位：國立台灣科技大學電機系

中華民國 96 年 9 月 28 日

(3)

Abstract

Research on humanoid robots has been conducted actively all over the world. The state of the art of this research concentrates mostly on a variety of stability and motion control problems inherent in the behaviors such as walking up/down stairs, jump up from lie down situation, or stand up, … etc.. In order to elevate the functionality of humanoid robots, vision feedback and control is an inevitable capability that must be embedded. The purpose of the project is to develop the image acquisition, processing, localization and tracking algorithms for the 6 degrees-of-freedom (DOF) eye-head assembly that we have constructed in the first year.

The main task of the second year is to firstly derive a sequence for “state transition” based on the various relations between the eyes – head and the 3D object to be watched, then do trajectory and motion control strategy planning, and exercise the gaze control so that the entire construct will be in the best status for the next motion. The start-up times for the six axes are scheduled according to the angles they have to move to reduce the surge current.

Keywords: humanoid robot, vision feedback, eye-head construct, state transition, trajectory planning, gaze control, pursuit and tracking.

摘要

人形機器人的發展在世界各地正方興未艾的展開，其主要目標在於促使機器人作各種動作。目前雖有各種如：上下樓梯、起身躍起或側身起立等偏向穩定性控制的功能，但為了使

機器人能做更多擬人的工作，增加視覺回授的功能應是非走不可的路。本計劃的目的便在延續前一年所完成六軸雙眼視覺機構的成果，發展取像、定位與追蹤等演算法則，並實際建構於六軸雙眼視覺機構上進行實體驗證。

本計劃將根據現有六軸機構的狀態與目標間的關係規劃「狀態轉移」序列，進行軌跡規劃與運動策略規劃，在「運動完成後整個機構處在能使下一步動作最方便的狀態」下進行gaze control，並對各軸運動排定順序以降低整體機構啟動時的瞬間電流問題。除此之外，本計劃將發展一套由粗而細(coarse to fine)的演算法則以進行三維定位與物體檢出。

關鍵詞：人形機器人，視覺回授，頭眼視覺機構，狀態轉移，軌跡規劃，運動策略規劃。

I. Introduction

近年來，機器人的發展日益精進，從機構設計到各種動作的控制皆有長足的進展，其應用可涵蓋到在不適於人類的區域工作、幫傭、以及軍事上的用途等。究其技術問題而言，主要重點在於機構與控制系統的發展。

雖然 Honda 機器人也裝了相機取像執行高階的視覺回授，但其功能主要仍在於辨認。

以機器視覺做為的方式以協助機器人進行各項動作將可更為有效的執行控制並以全自動的方式讓人形機器人在任意的環境 (unstructured environment)中進行定位與環境的認知，因此頗值得持續發展。

本計劃的目的便在延續本實驗室 93 年度所發展的六軸雙眼視機器視覺系統的機構與伺服控制方面初步的成果，進行雙眼視機器視覺系統的初步各項功能開發，如3D 定位。

在雙眼視機器視覺系統進行3D 定位的做法中，一般採用具有相同參數的兩具相機在同一平面上以圖8 的方式平行擺置 [8]，其深

(4)

度公式為：

z= (

_l _r

) bf

x ′ − x ′

(1) 其中

( x

_l

′ − x

_r

′ )

即稱為視差(disparity)。

圖1 傳統平行擺置雙眼視覺系統雖然式(1)可以很容易的求得三維空間的資訊，但影像之間的共軛點(conjugate point)的尋找卻是大問題。文獻上雖有各種做法如：

馳返式(relaxation)、邊線(edge)與直線線段 (line segment) 的立體對應 [9,10] 、關鍵點 (interesting point)的比對[11]等方法，然卻或耗時、或易因特徵點些許的偏差而造成較大的定位誤差等問題而呈現困境。有鑑於此，

申請人在1997 年提出一種輪廓對應(contour matching)的做法，快速且穩定的進行物體對應並進而求得物體的三維資訊 [12]。

然而，將相機以圖1 固定平行擺置的方式取像後處理，因取像與處理範圍固定而難以用較精確的做法例如次像素(subpixel)者做較精確的定位。若物體距離相機較近，兩部相機便無法取得足夠的共同影像部位以進行三維的定位。另外，更因視野有限，若要檢視側邊或上下的物體時勢必得將整個承載雙眼的頭部整合機構左右或/與上下轉動以便將物體攝入視野中，移動量大，且無法以一般人眼或動物使用的”側視”或”斜視”的方式運動以增廣視野、減少頭部轉動的角度並達到迅速定位的目的。

為了提昇人形機器人的定位功能，本研究將使用如圖2 所示的雙眼視三維定位系統，以

仿效人眼操作的主動視覺(active vision) 的轉動會焦(convergent cameras) 進行定位，並將三維定位隨著雙眼與頭部的轉動分段提昇精確度而達精確定位的目的，並使整體視野更為寬廣且充分利用頭部轉動的時間同步進行影像處理與三維定位。本研究便以此種做法為基礎，製作了一部雙眼與頭部均具有上下左右轉動的六軸頭部伺服機構。

圖2 雙眼視覺定位系統示意圖

從 1990 年代開始，全世界研究機器人視覺的做法很多，大致上可分為單眼系統 (cyclopean)及雙眼系統(binocular)兩類。就雙眼視覺系統而言，有四個自由度4DOF 的系統 [13~25] ， Coimbra 大學的則具有 5DOF [26~30]。本計劃則在發展 6DOF 的雙眼視覺系統以模仿人的雙眼及頸部運動，並於 93 年度完成相關資料蒐集及人形機器人雙眼視覺系統的伺服機構製作與測試。本年度的計劃則在已完成建構的六軸伺服機構上發展會焦型(vergence)的雙眼視覺系統。

II. Study of human head-eye motion

本計劃首先將發展在一般速度、正視、雙眼不同平面等情形下的軌跡規畫與三維定位，並在六軸機構上進行驗證，本年度以搜尋與定位相關的軌跡規畫為主，針對：目標物位於視野中央區、外側、上下左右、雙眼或僅單眼可見？等問題，參考人類頭眼的做法，並考量電流的波動與下階段方便運動的狀態等因素做一規劃。

在人類的雙眼視覺中，可大分正視與斜視。

前者指雙眼的視覺軸(optic axis) 角度 (

θ

_l

≅ θ

_r)相近的情形，如圖 3(a)所示。即，

目標物於base line 的中垂線附近，所需探討的問題為，雙眼是否可以透過軌跡規劃與轉動會焦的方式達到準確注視目標物的目的，即一般所稱之雙眼視覺定位系統 (binocular vergence and gaze control) [18~20]。當角度相差很大時，我們稱之為斜

(5)

視，如圖3(b)所示。一般研究皆採用正視，

因為正視比起斜視對物體定位與辨識較為簡單，其視野也較廣。

若欲將人形機器人付諸應用，就須考慮其僅靠電池即可獨立運作。因此，在設計之初即應考慮系統的功率消耗問題。若全部使用正視方式，除了眼部運動外，還須擺動頭部方能有效追蹤物體。由於頭部機構慣性較大所消耗的功率也比較大，因此，若目標位於雙眼視界中央區附近，無須運動；若介於中央區與外側之間，可採用斜視，即，只移動雙眼進行追蹤以減少功率消耗。

(a) 正視圖 (b)斜視圖圖3 正視與斜視

採主動視覺(active vision)轉動會焦(vergence) 定位的好處為：可涵蓋面廣與反應迅速利於追蹤。此做法常被稱為「固視」或「標定」

作業(fixation)，並根據人眼將之細分成：「轉注」 (version)與「會焦」等(vergence) 兩種運動，前者是在零視差時的「微步跳動」或

圖4 雙眼視界(Horopter)

「同步轉動雙眼」 (ballistic saccadic movement)。滿足零視差條件的點形成的曲線為過雙眼的圓，稱為雙眼視界(horopter) 或為Vieth Muller 圓(Vieth Muller circle)、零

視差面(zero disparity circle or zero disparity surface) 或等視差面(equal disparity surface) [31]，如圖 4 所示，其特色為不須經繁複的影像處理而得以迅速運動。若應用在物體追蹤(pursuit)上更為突顯。

19 世紀時，德國的 H. V. Helmholtz (1821- 1894)以一虛擬的雙眼視訊匯聚之處的「中央眼」(cyclopean eye)的概念描述人類或絕大部分哺乳類動物如何將雙眼(binocular)所見之影像整合成單一立體場景，如圖5 所示。此中央眼可視為大腦的中心點，不論臉轉向何處，中央眼的位置始終不變。人類視覺即以此為基準作方向的判斷。此假說並經 Hubel 與 Wiesel 以貓的視覺系統進行測試而獲得證實[32]。

圖5 中央眼的概念

人類視覺系統的功能可分為眼球取像系統 (擷取影像)、眼球與頭部的運動系統(搜尋、

定位及追蹤目標)、融像(fusing)(立體成像) 與影像辨識等三大部分。眼球取像系統的主要功能是將物體的影像經眼球擷取至視神經上。與攝影機(CCD)不同之處在於人類視覺取像系統並非一出生即可清晰擷取影像，而是經過至少幾個月不斷學習訓練而得以清楚擷取物體資料及其相關遠近資料，此功能稱為『調視功能』(accommodation) [33]。

眼球及頭部的運動在生理學中可分為動眼 (oculomotor)及輻輳(vergence)兩大功能。前者包括固視(fixation)、跳視(saccade)及追視 (pursuit)等運動([33~43])；後者則在維持眼睛的定位(alignment)。

在融像(立體成像)與影像辨識的功能中，前者在將所見的景物資料參酌雙眼位置關係後處理成立體影像；後者是人類辨識事物的功能，包括分類與記憶(visual discrimination memory)與辨識(recognition)。分類與記憶指學習及記憶事物的功能；辨識則在分辨視覺場景內主題之特徵及其與背景間之關係，並

(6)

據以抽象化成更具意理內涵的表述。

以下先敘述雙眼運動的各種情況後，根據人類視覺系統與本研究相關的動眼、輻輳及融像等加以介紹。

人類的雙眼運動在正常情形下，可同時往左、右或內聚等做水平移動；垂直運動方面則也可同時但卻無法個別進行上下的運動。正常人在觀看目標物的視覺場(visual field)中，對於較遠的目標其雙眼視覺軸接近平行，近的目標則會匯聚於一點。當視覺系統有缺陷時則會造成視覺軸無法匯聚於一點，此現象在生理學上稱為斜視，是泛指雙眼視軸不正，有偏內、偏外、上下不正或雙眼無匯聚焦點等情形。

斜視分為內斜視(鬥雞眼(convergence))、外斜視(strabismus) 、上下斜視及發散 (divergence)等。若以雙眼之中一眼通過目標物上一點所連成的視覺軸為中心線，則另一眼之視覺軸與此中心線交點在目標點內側者稱為內斜視(如圖 6(a))；反之，則稱為外斜視(如圖 6(b))。位於目標點上方就稱為上斜視；位於目標點下方稱為下斜視。若雙眼的視覺軸皆不在目標點上且無匯聚焦點則稱發散(如圖 6(c))。

(a) 內斜視(convergence)

(b)外斜視(strabismus)

(c) 視覺發散圖6 內外斜視與視覺發散

動眼功能是由固視或凝視、跳視及平順追視 (smooth pursuit)等子功能所組成。說明如下：

固視是由固視性跳視(fixation saccades)、慢速飄移(slow drifts)或漂視及快速微動(rapid micro-movements)或微跳視(micro- saccades) 等次功能所組成。正常人在觀看固定目標時，其眼球的動作泛稱為固視。當眼球在某一凝視點周邊所進行的跳躍式類似搜尋地運動即為固視性跳視。若視覺系統有缺陷則在固視這段期間(fixation duration)，將可能產生有眼球震顫(nystagmus)、漂視(drifts)及微跳視等三種動作。眼球震顫指的是在固視期間的眼球抖動現象；漂視則發生在眼球的凝視控制有缺陷者在固視期間所產生的注視點漂移情形；當有漂視現象產生時，視覺系統為了追蹤目標會有重新追蹤及定位的運動，此動作稱為微跳視。

跳視(saccade)是指在不同凝視點之間眼球移動的方式，人眼的跳視速度相當快；在醫學實驗中可達800°/s 的速度[44~46]。

平順追視則指在穩定的視覺環境且能持續維持清晰的視力下，對目標進行追蹤的動作，其速度一般只達100°/s 左右[44~46]。

人類進行視覺追蹤時會運用動眼及頭部轉動來追蹤移動目標，在此功能中，頭部負責大範圍的追蹤；眼睛則除了處理小範圍上下左右移動的目標外，尚肩負著深度追蹤的全部工作。其中，雙眼的上下及左右運動軸為相依(dependent)。本計畫所發展系統則為了可以操作於各種視覺狀況下，因此所設計的頭眼視覺機構中各軸可獨立操作。

輻輳的目的在透過眼球的運動對目標物進行定位與深度辨識，由三對眼球控制肌肉 (上直肌、下直肌以及橫直肌)負責。深度辨識則運用雙眼之間的視像差為之。當我們凝視空間中某一點，則此點必在雙眼視界上。

(7)

不在此圓上的點將不會在雙眼的視網膜上正確聚焦。空間中不同深度各點在雙眼中乃形成視像差，而有遠近深度的距離感。

為了了解目標的遠近關係，通常以目標 (target) 點與視覺焦點(fixation point)的位置來分析，分別有零像差(zero disparity)、非交越(叉)型視像差(uncross disparity)及交越(叉) 型視像差(cross disparity)等三種型態[47]。目標位於雙眼視界軌跡上者稱為零像差(zero disparity)；目標較視覺焦點近者稱為交越型視像差(cross disparity)，如圖 7(a)。

(a) 非交越型視像差

(b)交越型視像差圖7 目標物與視覺焦點的關係若目標較視覺焦點(或雙眼視界)遠，則為非交越(叉)型視像差(uncross disparity)，如圖 7(b)。(其中 P 為目標點，F 為視覺焦點，下 標 l 為左眼，下標 r 為右眼)。

融像(fusion)的目的在將雙眼所得的個別影像，透過基線與視像差等影像與幾何資料的處理成為一個立體影像(stereopsis)。成人雙眼的視覺中心平均距離(interocular distance) 或基線(basline)，大約為 6.5cm 左右。

III. Motion control stragey and trajectory planning

本計劃所設計頭眼機構如圖 8 所示，其中各軸皆可獨立運動，且因機構與馬達參數的些許差異在控制上易造成困擾，因此將其可運動範圍加以限定以防系統失控，做法為在各軸之最小角度之兩端設置極限開關，所規劃各軸之運動範圍如表1 所示。

圖8 頭眼機構表1 頭眼機構之可動角範圍

上下左右

頭 14 14 25 25

左眼 25 25 25 25

右眼 21 21 21 21

伺服機構的材料除了底座採用SS-400 以增強其穩定性外，其餘部份皆使用符合其強度需求但重量輕的鋁合金。儘管如此，運動機構免不了的一定有起動能量需求較大的問題，這在馬達而言就是啟動電流飆高的現象，一般可達正常運動所需電流的六倍以上。若六軸同時啟動，此數值除了將增加能量耗損以外，亦將造成控制電路的困擾。因此，本計劃不採用傳統考慮速度、加速度、

震動度(jerk)或其他解耦合的做法[48~55]，

而以如下的梯隊式啟動的運動控制策略進行軌跡規劃：

首先，將視野(影像)依八鄰點的做法每隔 45 度訂一個方向，共八個方向，並以極座標描述目標點的位置。徑向距離則分為近、中、

遠等三段，如圖9 所示。

(8)

圖9 視野區塊分割

其次，根據目標的徑向距離決定需要轉動哪些馬達：只動眼球還是必須一併轉動脖子？

1. 距離最短者眼球與脖子皆無需轉動，此為靜止(idle)區；

2. 距離中等者，只轉動眼球但須記錄並累計眼球轉動的角度與距離；

3. 距離最遠或累計達距離最遠的一段則眼球與脖子皆須轉動，直到目標點位於運動後的影像中心點，累計距離歸零。

轉動馬達策略以降低電流的擾動為主要考量，因此規劃成：先大(脖子)後小(眼球)；

對稱的小馬達則先遠後近，即，先轉動遠的接著才動近的，以降低電流的波動(ripple)，

確保機械運動與電流分佈的順暢性，維持系統運作的穩定性。

脖子上大馬達的轉動則先左右後上下，上下轉動者約經左右轉動者之馬達及其負載組合(主要為轉動慣量 J)的一個時間常數後才啟動。

眼球上小馬達的轉動在遠的小馬達轉動後經其與負載組合的一個時間常數後接著啟動較為靠近的小馬達，直到目標點位於視野的正中央，以利下一階段的運動。此時記錄並累計大馬達轉動的角度與距離，以供後續研究中若將此機構搭載於人型機器人軀幹上時轉動軀幹之用。

在本系統中旋轉機構的重心置於軸心，因此轉動慣量J 可由下列公式求得：

[

²

2 2 2

2 12ρ ( )

) 1 12 (

1 m A B ABC A B kg m

J_x= + = + •

]

(3.2a)

[

m²

]

(3.2b)

2 2 2

2 12ρ ( )

) 1 12 (

1 m B C ABC B C kg

J_y = + = + •

圖10 轉動慣性---重心置中示意圖其中，鐵的密度

ρ = 7 . 9 × 10

³

[ kg / m

³

]

^，鋁

的密度

ρ

=2.8×10³[kg/m³]^， ^{表示 x 軸} 的轉動慣性

Jx

]

[kg•m² ^， ^{表示 y 軸的轉動} 慣性

Jy

]

[kg•m² ^{，m 表示重量}[ ]，

|

kg

|x x₀

l_x = − ^表示^{x 軸與重心距離，}

|

|y y₀

l_y = − 表示 y 軸與重心距離。

IV. Conclusion

本計劃完成了雙眼機構的運動控制部份，從機構驗證到軌跡規劃。

本計劃根據八方向三徑向距離的原則判斷何者須動？何者靜止？運動方式則採梯隊式啟動，其順序則先大後小、先遠後近、先上下後左右。並以一個時間常數的間隔依序啟動。所得結果顯示整個運動有著較為穩定的電源輸出，這意味著較高的電路穩定度與能量的節約，這對獨立運作的機器人而言將是一項極具建設性的成果。

參考文獻

[1] Sawasaki, N., T. Nakajima, A. Shiraishi, S.

Nakamura, K. Wakabayashi and Y.

Sugawara, “Application of humanoid robots to building and home management services,” Proceedings of the 2003 IEEE International Conference on Robotics and Automation, pp.2992, Taipei, Taiwan.

[2] Hwang, Y., E. Inohira, A. Konno and M.

Uchiyama, “An order n dynamic simulatior for a humanoid robot with a virtual spring-damper contact model,” Proceedings of the 2003 IEEE International Conference

(9)

on Robotics and Automation, pp.31, Taipei, Taiwan.

[3] Kurazume, R., T. Hasegawa and K. Yoneda,

“The sway compensation trajectory for a biped robot,” Proceedings of the 2003 IEEE International Conference on Robotics and Automation, pp.925, Taipei, Taiwan.

[4] Kanehiro, F., K. Kaneko, K. Fujiwara, K.

Harada, S. Kajita, K. Yokoi, H. Hirukawa, K.

Akachi and T. Isozumi, “The first humanoid robot that has the same size as a human and that can lie down and get up,” Proceedings of the 2003 IEEE International Conference on Robotics and Automation, pp.1633, Taipei, Taiwan.

[5] Tang, Z., C. Zhou and Z. Sun, “Trajectory planning for smooth transition of a biped robot,” Proceedings of the 2003 IEEE International Conference on Robotics and Automation, pp.2455, Taipei, Taiwan.

[6] Kitano, H. and M. Asada, “The RoboCup humanoid challenge as the millennium challenge for advanced robotics,” Advanced Robotics, vol.13, no.8, pp.723, 2000.

[7] Takita, K., T. Takayama and S. Hirose,

“Development of dinosaur like robot Titrus --- The efficacy of the neck and tail of miniature dinosaur like robot Titrus-III,”

Proceedings of the 2003 IEEE International Conference on Robotics and Automation, pp.2466, Taipei, Taiwan.

[8] Jain, A.K., Kasturi and Schunck, Machine Vision, Prentice-Hall, 1994

[9] Ayache, N. and B. Faverjon, “Efficient registration of images by matching graph descriptions of edge segments,”

International Journal of Computer Vision, pp.107, 1987.

[10] Medioni, G and R. Nevatia, “Segment based stereo matching,” Computer Vision, Graphics and Image Processing, vol.31, no.2, pp.18, 1985.

[11] Moravec, H.P., “Towards automatic visual obstacle avoidance,” Proceedings of the Fifth International Joint Conference of Artificial Intelligent, vol.2, pp.584, August, 1977.

[12] Wu, M.F. and H.T. Sheu, “Contour based correspondence using Fourier descriptors,”

IEE Proceedings on Vision, Image and Signal Processing, vol.144, no.3, pp.150, 1997.

[13] Thorpe, C., L. Matthies and H. Moravec,

“Experiments and thoughts on visual navigation,” Proceedings of the 1985 IEEE International Conference on Robotics and Automation. pp.830, 1985.

[14] Rivlin, E., Y. Aloimonos and A. Rosenfeld,

“Object recognition by a robotic agent: the purposive approach,” Proceedings of the11th IAPR International Conference on Pattern Recognition Conference, Session A:

Computer Vision and Applications, pp.712, 1992.

[15] Pahlavan, K., T. Uhlin and J-O. Eklundh,

“Dynamic fixation,” Proceedings of the Fourth International Conference on Computer Vision, pp.412-419, May 1993.

[16] Francisco, A., “Relative depth from vergence microments,”, Proceedings of the Fourth International Conference on Computer Vision, Berlin, Germany, pp.481-486, May 1993.

[17] Fermuller, C., L.F. Cheong and Y.

Aloimonos, “3D motion representations in visual servo control,” Proceedings of the International Symposium on Computer Vision, pp.61, 1995.

[18] Capurro, C., F. Panerai and G. Sandini,

(10)

“Dynamic vergence,” IROS 96. Proceedings of the 1996 IEEE/RSJ International Conference on Intelligent Robots and Systems, pp.1241, 1996.

[19] Batista, J., P. Peixoto and H. Araujo, “Real time vergence and binocular gaze control,”

IROS '97., Proceedings of the 1997 IEEE/RSJ International Conference on Intelligent Robots and Systems, pp.1348-1354, Grenoble, France, Sept.

1997.

[20] Kim, H-J. M-H. Yoo and S-W. Lee, “A control model for vergence movement on a stereo robot head using disparity flux,” 2000 Proceedings of the 15th International Conference on Pattern Recognition, pp.491-494, Barcelon, Spain, Sept. 2000.

[21] Tondu, B. and S.A. Bazaz, “The three-cubic method: An optimal online robot joint trajectory generator under velocity, acceleration, and wandering constraints”, The International Journal of Robotics Research, vol. 18, pp. 893-901, 4 Sep.

1999。

[22] Piater, J. H., R. A. Grupen and K.

Ramamritham, “Learning real-time stereo vergence control”, Computer Science Department University of Massachusetts, Amherst, MA, 01003,USA。

[23] Weinsall, D., “Qualitative depth from stereo, with application”, CBIP, E25-201, MIT, Cambridge MA 02139 。

[24] Qian, N., “Binocular disparity and the perception of depth”, Neuron, Vol. 18, pp.

359-368, March 1997。

[25] Spirt, O., M. Slavkin and J.

Fayman, ”Vergence fixation on the TRH”, Israel Institute of Technology-Technion Department of Computer Science Intelligent Systems Laboratory Robotics Laboratory Report。

[26] Batista, J., P. Peixoto and H. Araujo,”A focusing-by-vergence system controlled by retinal motion display”, Institute of Systems and Robotics / Dep. of Elect. Eng.

University of Coimbra。

[27] Araujo, H., J. Batista, P. Peixoto, J. Dias,

“Gaze control of a binocular active vision system using optic flow＂, Institute of Systems and Robotics / Dep. of Elect. Eng.

[28] Araujo, H., J. Dias and J. Batista, “A control architecture for active vision system enabling real time operation”, Institute of Systems and Robotics / Dep. of Elect. Eng.

[29] Batista, J., H. Araujo and A. T. de Almeida, ”Iterative multi-step explicit camera calibration”, Institute of Systems and Robotics / Dep. of Elect. Eng. University of Coimbra。

[30] Peixoto, P., J. Batisa, H. Araujo and A. T. de Almeida, “Combination of several Vision sensors for interpretation of human actions”, Institute of Systems and Robotics / Dep. of Elect. Eng. University of Coimbra。

[31] Vieth, “Uber die Richting der Augen,” 1818 (modern definition)

[32] D. Hubel and T. Wiesel, “For their discoveries concerning information processing in the visual system,” The Nobel Prize in Physiology or Medicine 1981.

[33] J. Taylor, T. Olson and W.N. Martin,

“Accurate vergence control in complex scenes” , Computer Vision and Pattern Recognition, 1994. Proceedings CVPR '94., 1994 IEEE Computer Society Conference on, pp. 540-545, 21-23 Jun 1994 。

[34] Weihong, Y., J.L. Semmlow, T.L. Alvarez and P. Munoz, “A minimal model to simulate dynamics of initial vergence component”, Bioengineering Conference, 1997., Proceedings of the IEEE 1997 23rd Northeast, pp. 52 -53, 21-22 May 1997。

[35] Yuan, W., J.L. Semmlow and P. Munoz,

“The influence of prediction on vergence eye movements”, Bioengineering Conference, 1998. Proceedings of the IEEE 24th Annual Northeast , pp. 56 -57, 9-10 April 1998。

[36] Knill, D. C., A. Pouget, “The Bayesian brain: the role of uncertainty in neural coding and computation”, TRENDS in Neurosciences, Vol. 27, No. 12, Dec. 2004。

[37] Bernardino, A. and J. Santos-Victor,

“Vergence control for robotic heads using log-polar images”, Intelligent Robots and Systems '96, IROS 96, Proceedings of the 1996 IEEE/RSJ International Conference on, vol. 3, pp. 1264-1271，4-8 Nov. 1996。

[38] Capurro, C., F. Panerai and G. Sandini,

“Dynamic vergence”, Intelligent Robots and Systems '96, IROS 96, Proceedings of the 1996 IEEE/RSJ International Conference on, vol. 3, pp. 1241-1248, 4-8 Nov. 1996。

[39] Capurro, C., F. Panerai and G.

Sandini,“ Vergence and tracking fusing log-polar images”, Pattern Recognition, 1996., Proceedings of the 13th International

(11)

Conference on, vol. 4, pp. 740-744, 25-29 Aug. 1996。

[40] Ching, W.-S., P.-S. Toh, K.-L. Chan and M.-H. Er, “Robust vergence with concurrent detection of occlusion and specular highlights”, Computer Vision, 1993.

Proceedings., Fourth International Conference on, pp. 384-394, 11-14 May 1993。

[41] Moravec, H. and A. Elfes, “High resolution maps from wide angle sonar”, Robotics and Automation. Proceedings. 1985 IEEE International Conference on, pp. 116-121, Mar 1985。

[42] Sturzl, W., U. Hoffmann and H. A. Mallot,

“Vergence control and disparity estimation with energy neurons: Theory and implementation”, University Tubingen, Zoologisches Institute, Kognitive Neurowissenschaften, 72076 Tubingen, Germany。

[43] Bernardino, A. and J. Santos-Victor, “Visual behaviors for binocular tracking”, Institute Superior Tecnio ,Portugal。

[44] Yuan, W., J.L. Semmlow and P. Munoz,

“Dynamics of the disparity vergence step response: a model-based analysis”,

Biomedical Engineering, IEEE Transactions on, vol. 46, pp. 1191-1198, Oct 1999。

[45] 蔡介立, 顏妙璇及汪勁安, “眼球移動量測及在中文閱讀研究之應用,” 應用心理研究, 第 28 期, 2005 冬, 91-104 頁。

[46] 蔡介立, “從眼動控制探討中文閱讀的訊息處理歷程：應用眼動誘發呈現技術之系列研究,” 國立政治大學心理學研究所博士論文台北市, 民 89。

[47] Bernardino, A. and J. Santos-Victor, “A binocular stereo algorithm for log-polar foveated systems”, Institute Superior Tecnio ,Portugal 。

[48] A. Piazzi and A. Visioli, “an interval algorithm for minimum-jerk trajectory planning of robot manipulators,”

Proceedings of the 36^th Conference on Decision & Control, San Diego, California USA, December 1997。

[49] Z. Zolloer and P. Zentay, “Constant Kinetic Energy Robot Trajectory Planning, ” Periodica Polytechnica Ser. Mech. Eng., vol.

43, no. 2, 1999,pp. 213-228。

[50] B. Tondu and S.A. Bazaz, ”The

Three-Cubic Method: An Optimal Online Robot Joint Trajectory Generator under Velocity, Acceleration, and wandering Constraints,” The International Journal of Robotics Research, vol. 18,Sep. 1999, pp.

893-901。

[51] A. Piazzi and A. Visioli, “Global

minimum-jerk trajectory planning of robot manipulators,” IEEE Transactions on Industrial Electronics, vol. 47, no. 1, Feb 2000, pp. 140-149

[52] M. Sobotka and M. Buss, “Hybrid trajectory planning for a mechatronic tilting system,” Proceedings of the 2004 IEEE International Conference on control application Taipei, Taiwan, 2-4 Sep 2004, pp.849-854

[53] F. Bullo and K. M. Lynch, “ Kinematic controllability for decoupled trajectory planning in underactuated mechanical system,” IEEE Transaction on Robotics and Automation, vol. 17, no. 40, Aug 2001, pp.402-412

[54] D. Chwa, J. Kang J. Y. Choi, “Online trajectory planning of robot arms for interception of fast maneuvering object under torque and velocity constraints,”

IEEE Transactions on Systems, Man and Cybernetics-Parts A: Systems and Humans, vol. 35, no. 6, Nov. 2005, pp. 831-843 [55] D.K. Chwa, J. Kong, k. H. Im and J. Y.

Choi, ”Robot arm trajectory planning using missile guidance algorithm,” SICE Annual Conference in Pukui, 4-6 Aug 2003, pp.

2056-2061