人類在運動時，會透過佈滿全身的感覺神經、半規管、眼睛等等的器官接收外界的資訊，透過綜合這些資訊作為運動時的參考依據。本論文結合了影像處理以及二連桿機構的馬達控制，藉由這兩個系統的配合來達成盪鞦韆的運動。
本論文旨在承接先前的論文<以模糊控制為基礎之盪鞦韆系統實現>的盪鞦韆系統，並在其機構上增設攝影機，來模擬人類的視覺能力。首先，透過攝影機與空間中物體相對座標模型與鞦韆運動相對關係，推導出鞦韆的運動姿態下的光流情況，經過一連串實驗與分析，發現該方法在光流值上的靈敏度遠大於1，也就是光流需要極高的精準度方能使用該算法，無法運用在實際的光流上。因此改用統計整張影像光流的方法，但是整張影像中會有許多容易產生光流不準確的區塊，需要透過篩選來保留需要的區塊以及排除不要的區塊，分別使用了亮度標準差判定法以及特徵方向門檻法，經過實驗發現可以有效降低整體的誤差。接下來透過統計以及濾波的處理以後，獲得光流參考值，該參考值可以有效地判斷出鞦韆的運動狀態。
本論文還分析出鞦韆運動的三種階段，分別對應了三個控制模式，分別是盪高控制模式、維持控制模式、盪低控制模式。藉由三種控制模式的策略驅動馬達，使得整個系統達成盪鞦韆的運動。

When humans exercise, they receive external information through organs of nerves, semicircular canals, eyes, etc. Use this information as a reference for sports. This thesis combines image processing and motor control of the two-bar linkage mechanism. The cooperation of these two systems is used to achieve the swing movement.
This thesis continues the study of the former Master thesis, “ Implementation of A Swing System Based on Fuzzy Control” and add cameras to its institutions to simulate human visual capabilities. First, to derive the optical flow of the swing's movement through the relative coordinate model of the camera and the object is related to the swing movement. After experiments and analysis, it is found that the sensitivity of the method to optical flow values is much greater than 1. Its means the optical flow requires extremely high precision in order to use the algorithm and cannot be applied to the actual optical flow. So change the method to count the optical flow of the entire image. However, there are many blocks in the entire image that are prone to inaccurate optical flow. Need to keep the required blocks and exclude unnecessary blocks so using the brightness standard deviation method and feature direction threshold method. Through experiments, it can be found that the overall error can be reduced effectively. After the statistical and filtering processing, the optical flow reference value is obtained. This reference value can effectively determine the exercise state of the swing movement.
This thesis also analyzes the three stages of the swing movement, which correspond to three control modes. They are swing up control mode, holding control mode, and swing down control mode. The motor is driven by three control mode strategies, so that the entire system can achieve a swinging movement.

論文審定書 i
誌謝 ii
摘要 iii
Abstract iv
圖次 viii
表次 xi
第一章 緒論 12
1.1前言 12
1.2研究動機與目的 13
1.3研究方法與步驟 13
1.4文獻回顧 14
1.5論文架構 19
第二章 二連桿鞦韆系統介紹與分析 20
2.1盪鞦韆系統介紹 20
2.2盪鞦韆機構與實驗機台 21
2.3盪鞦韆系統之硬體架構 23
2.3.1 See3CAM_80攝影機 23
2.3.2編碼器 25
2.3.3控制器與伺服馬達 26
第三章 光流法及相對運動空間座標數學推導 28
3.1光流以及影像流的定義 28
3.2光流的亮度守恆 29
3.3以一階最小平方法求解光流 31
3.4空間點投影與影像平面之座標轉換 33
3.4.1攝影機模型 33
3. 4.2盪鞦韆模型 35
3.4.3光流變動關係式推算鞦韆運動姿態 36
3.4.4影像校正 38
3.5 鞦韆系統光流模擬實驗 40
3.5.1理想光流模擬與角度計算 40
3.5.2實際影像光流模擬與角度計算 42
3.5.3理想加入誤差之光流模擬與角度計算 45
3.6靈敏度(Sensitivity)分析 46
3.6.1靈敏度介紹 46
3.6.2鞦韆運動光流變動關係式之靈敏度分析 46
3.6.3理想加入誤差之靈敏度分析實驗 47
第四章 影像處理 50
4.1實驗環境架設 50
4.2提升整體光流精確度方法分析 51
4.2.1 亮度標準差判定法 54
4.2.2 方向特徵 57
4.3兩張影像之光流計算 63
4.4連續影像處理 65
4.4.1光流值的統計 66
4.4.2巴特沃斯濾波器(Butterworth Filter) 69
第五章 鞦韆運動分析與控制方法 73
5.1盪鞦韆運動分析 73
5.2控制模式分析 75
5.2.1盪高控制模式 75
5.2.2維持控制模式 76
5.2.3盪低控制模式 77
5.3控制方法設計 77
5.3.1盪鞦韆擺盪時間與影像處理時間關係 78
5.3.2三種控制模式馬達擺動方法 82
第六章 模擬與實驗結果 87
6.1連續影像光流值的統計與實驗 87
6.2鞦韆系統實驗 95
第七章 結論與未來規劃 100
7.1結論 100
7.2未來規劃 101
參考文獻 102

[1] 司徒達成，以模糊控制為基礎之盪鞦韆系統實現，國立中山大學機械與機電工程學系碩士論文，民國100年。
[2] Horn, B. K. P. and B. G. Schunck, “Determining Optical Flow,” Artificial Intelligence, Vol. 17, pp. 185-203, 1981.
[3] Nagel, H. H., “Displacement Vectors Derived from Second Order Intensity Variations in Image Sequences,” Computer Vision, Graphics and Image Processing, Vol. 21, pp. 85-117, 1983.
[4] Horn, B. K. P., and Schunck, B. G., “Determining Optical Flow,” Artificial Intelligence, Vol. 17, pp. 185-203, 1981.
[5] Lucas, B., and Kanade, T., “An Iterative Image Registration Technique with an Application to Stereo Vision,” Proc. DARPA Image Understanding Workshop, pp. 121-130, 1981.
[6] Simoncelli, E. P., Adelson, E. H., and Heeger, D. J., “Probability Distributions of Optical Flow,” Proceeding of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, pp. 310-315, 1991.
[7] 李慧婷，以特徵為基礎之光流計算方法，國立中山大學機械工程研究所碩士論文，中華民國88年6月。
[8] 何坤鑫，以光流為基礎之影像追尋，國立中山大學機械工程研究所碩士論文，中華民國90年6月。
[9] 劉士彰，具視覺能力之鞦韆機器人，國立中央大學電機工程學系碩士論文，民國96年。
[10] 林政勳，仿人體單槓體操之模糊控制，國立中山大學機械工程研究所碩士論文，中華民國100年7月。
[11] M. Inaba, K. Nagasaka, F. Kanehiro, S. Kagami, and H. Inoue, “Real-time vision-based control of swing motion by a human-form robot using the remote-brained approach” Proceeding of IEEE RSJ International Conference on Intelligent Robots and Systems, 1996.
[12] See3CAM_80攝影機介紹https://www.e-consystems.com/images/See3CAM /See3CAM_80/8MP-USB3-camera-board.jpg
[13] Jähne, B., Digital Image Processing, Springer-Verlag, Berlin Heidelberg, pp. 257, 1995.
[14] 張碩、詹森，自動控制系統，鼎茂圖書，第八版，民國102年，pp.3-29~3-34。
[15] http://www.icpdas.com/root/product/solutions/machine_automation/download data/PISOEncoder300_600/PISO_ENCODER.pdf
[16] http://www.icpdas.com.tw/schp/schp/detail_tc.php?module_no=DN-68
[17] http://www.icpdas.com/root/product/solutions/pc_based_io_board/motion_control_boards/piso_encoder300u_tc.html
[18] https://www.hontko.com.tw/uploadfiles/48/型錄-自製品/htr-m2-08.pdf
[19] http://www.pishrobot.com/files/products/datasheets/wck.pdf
[20] Jhguch at en.wikipedia, CC BY-SA 2.5, https://commons.wikimedia.org/w/index.php?curid=14524285
[21] S. Butterworth, “On the Theory of Filter Amplifiers” Experimental Wireless and the Wireless Engineer, vol. 7, pp. 536–541, 1930.