江育民952221E214057MY2(第1年

江育民952221E214057MY2(第1年

Info iconThis preview shows pages 1–3. Sign up to view the full content.

View Full Document Right Arrow Icon

Info iconThis preview has intentionally blurred sections. Sign up to view the full version.

View Full DocumentRight Arrow Icon
This is the end of the preview. Sign up to access the rest of the document.

Unformatted text preview: 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 以電腦視覺為基礎之智慧型汽車駕駛輔助系統之研發 計畫類別:■ 個別型計畫 □ 整合型計畫 計畫編號:NSC 95-2221-E-214-057-MY2 執行期間: 95 年 8 月 1 日至 96 年 7 月 計畫主持人:江育民 共同主持人: 計畫參與人員:許諾任、林尚逸、簡鈴恩 31 日 成果報告類型(依經費核定清單規定繳交):■精簡報告 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 □完整報告 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:義守大學工業工程與管理學系 中 華 民 國 96 年 5 月 31 日 摘要 由於現今運輸交通便捷,使得經濟發展迅速,然汽車意外事故的發生也趨而頻繁,故 世界先進國家無不致力於發展智慧型運輸系統(Intelligent Transportation System, ITS)。本 計畫擬以兩年的時間發展以機器視覺為基之智慧型汽車駕駛輔助系統,主要目的乃藉由障 礙物偵測及車道線搜尋來找出防撞路徑,以提高行車安全性。在本年度(第一年)計畫中所完 成的為單影像擷取器之汽車駕駛輔助系統,其中包括:(1)影像擷取器驅動與控制模組,(2) 影像灰階化處理模組,(3)特徵點搜尋模組,(4)車道線判別模組,(5)車道線位置計算模組, (6)汽車導航輔助模組。第二年則發展雙影像擷取器之汽車駕駛輔助系統,並比較單、雙影 像擷取器駕駛輔助系統之效能,進行系統功能修正。藉由此機器視覺於智慧型汽車駕駛輔 助系統之研究,期望能降低交通意外事故發生率,進而提昇台灣汽車相關產業競爭力。 關鍵詞:汽車駕駛輔助系統、機器視覺、障礙物偵側、車道線偵測 Abstract The rapid growing transportation has a critical affect on economic development. However, the growing volume of traffic cause large amount of traffic accidents and it requires higher and higher level of traffic safety. Recently, the intelligent transportation system (ITS) has attracted much attention. Many advanced countries are devoted to the development of ITS. Consequently, the research attempts to develop a vision-based intelligent driver assistant system (DAS) in order to enhance the traffic safety and raise the competitiveness of the automotive accessory industry. Main function of the system is to find the collision avoidance path by obstacle detection and lane tracking. In the first year, this project develops an intelligent DAS by utilizing a single camera. Several modules are included in the system: (1) sensor driving module, (2) image graying module, (3) feature detection module, (4) lane detection module, (5) lane tracking module, (6) guiding module. The second year’s project will build a DAS with two cameras. The two DAS systems will be compared and integrated to determine the effectiveness and efficiency of the proposed approaches. The integrated system therefore can provide a collision avoidance vehicle guiding path and reduce the probability of traffic accidences. Keywords: Driver assistant system (DAS), machine vision, obstacle detection, lane detection 一、前言 在車輛密度高壓縮的環境底下,交通意外日趨頻繁,衛生署的資訊顯示出事故傷害居 十大死因之第五,其中以運輸傷害排行第一。交通事故所造成的嚴重死傷,不僅是個人及 家庭的負擔,更是社會有限醫療資源及國家生產力的損失,將造成龐大的社會成本與負擔。 有鑑於此,汽車產業業者也致力於開發駕駛人行車輔系統,以增進行車安全,並提高台 灣汽車產業的競爭力。 交通擁擠與行車安全一直是政府相關交通政策所要改善的主要問題。近年來,智慧型 運輸系統 (Intelligent Transportation System, ITS) 儼然已成為未來發展的趨勢。ITS 經過近 十幾年來的發展,已經成為交通運輸的主流,也是世界各國施政重點之一,近來由於電信 與資訊技術之演進日新月異,使得 ITS 相關產業的發展深具潛力,其商機及利基亦有日漸 成長之趨勢。有鑒於 ITS 計畫對交通安全及汽車產業競爭力的重要性,本研究擬配合 ITS 計劃目的,發展一以機器視覺(Machine Vision)為基礎之智慧型汽車駕駛輔助系統,以達成 碰撞預防(Collision Avoidance)之目的,並提供汽車產業一輔助行車安全之資訊系統,以強 化競爭力。本計劃著重於車道線偵測 (Lane Detection) 功能及障礙物偵測防撞 (Obstacle Detection and Collision Avoidance)功能兩方面來加以深入探討並開發相關系統。 二、研究目的 為降低系統安裝成本,提高汽車業者競爭力,並改善交通事故發生率,本計劃擬以兩 年時間發展出一以機器視覺為基礎之智慧型汽車駕駛輔助系統 (Driver Assistant System, DAS),藉由機器視覺、影像處理、及最佳化(Optimization)對應演算法等技術之結合,偵測 道路線及障礙物,以輔助汽車駕駛之行車安全,並提供相關業者開發汽車導航資訊系統之 參考。本研究將分別建立單影像擷取器與雙影像擷取器之行車輔助駕駛系統,並測試其效 能,研究目的具體陳述如下: (1) 建構用於導航輔助之單影像擷取器及雙影像擷取器之機器視覺系統。 (2) 發展一影像差異分群之快速搜尋演算法。 (3) 發展車道線偵測之影像處理方法。 (4) 發展障礙物偵測之影像處理方法。 (5) 以啟發式(Heuristic)最佳化演算法如遺傳演算法(Genetic Algorithm)發展一快速之雙影 像特徵對應方法。 (6) 根據障礙物大小及車道寬度發展一導航輔助系統。 在第一年的計畫中,以發展單影像擷取器之汽車駕駛輔助系統為主。 二、文獻探討 由於本研究乃以車道線偵測、障礙物偵測為研究方向,並預計以機器視覺作為本研究 工具,因此對於相關文獻分為數個主題探討。第一節先行對車道線偵測概略說明,而第二 節則是探討障礙物偵測文獻。 2.1 車道線偵測 在車道線偵測系統方面,一般應用機器視覺於道路線搜尋相關之研究,主要分為單影 像擷取器 (Kluge and Thorpe, 1995; Beauvais and Lakshmanan, 2000) 與 雙影像擷取器 (Bertozzi and Broggi, 1988)。不論使用設備為單影像亦或雙影像擷取器,其取得影像中目標 和背景必存有差異,故在這些研究中多利用索貝爾(sobel)遮罩,然而此方法常因時間及光 度變化而造成無法正確判別車道線,故 Kluge and Thorpe(1995)提出將 RGB 轉為 HSI 之色 彩空間,用以判斷道路線色度部分,再利用多重條件式(方向性、寬度、對比程度、轉為直 線累積之像素值),進一步診斷車道線種類與方向;Broggi et al. (2000) 以模糊規則重建陰 影 遮 蔽 車 道 線 的 部 份 ; 余 佳 任 (2004) , 則 提 出 以 橫 式 掃 描 並 使 用 顏 色 模 糊 聚 類 分 析 (Histogram-based Color Difference Fuzzy C-Means, HCDFCM) 於顏色差異直方圖的應用,將 存有陰影的部份,給予亮度提升,再使用 Sobel 與相似度對其寬度等特徵做比對以獲取道 路線,用以解決此類議題;然而橫線掃描的方式卻又易因斷線或前方車輛壓線而導致無法 辨識等問題。劉士誠(2003) 利用控制理論,預測出物體所在位置,來達至較高效率的處理 運算。首先利用模糊化將道路雜訊抑制,學生認為此有助於重建道路資訊,再利用 Soble 垂直遮罩將道路線增強,並以一閾值給予二值化,採八鄰近法使道路路線標記,最後以細 線化與得分矩陣獲取道路方向,但卻因直線模組的判別而忽略彎曲車道線。 2.2 障礙物偵測 在障礙物偵測警示系統部分,有 Gandhi., Devadiga, Kasturi and Camps (2000) 探討飛機 跑道之障礙物偵測,其使圖面模糊化,促使不必要的雜訊用以減少干擾,進而搜尋特徵, 並利用這些特徵點的關連性作為判斷法則。在搜尋特徵方面 Burie, Bruyelle and Postaire(1995)則是針對車輛特徵作細部說明:也有以搜尋差異處當作特徵點,其利用顏色 模糊聚類分析的方式,獲得前方障礙物的梯度差異(曾俊元,2003),並考量路面路標、斑馬 線等的影響,建立了一些條件式,像是車輛邊緣具有陰影的效應,而成功的將雜訊去除, 在 距離計算上有單影像擷取器 (謝衛中,2002)、其利用單線掃描的方式,的確能減少處理時 間,然卻帶有前方環境資訊不夠充裕的危險性。而(劉正一,2000) 採用上下兩攝影機平行 擺放,以較快速特徵點對應的方式,建立三維關聯,而在偵測行人的部份與謝衛中相似, 以模板的方式比較;(謝衛中,2002) 在偵測車輛方面,先行找尋較為陰暗的部份,橫向結 合,再依底部像素判別是否為障礙物,此外也有以邊緣偵測利用比對的方式來判斷前方物 體障礙物,如 Chen and Tsa( 2000) 以數學模式建構出三輪模擬車所能轉彎其弧度為何,並 利用物體於地面或立起時的傾斜角度,比對判斷,不過卻也存有遮蓋與無法得知高度的缺 點。故有學者提出以雙影像擷取器(Stiller, C., Hipp, J., Rossig, C. and Ewald, A., 2000) (Se, S. and Brady, M., 2002) (Ruichek, Y. and Postaire, J., 1996)來補足單影像擷取器不足部分。以 Ruichek and Postaire (1996)為例,其著重於特徵點的搜尋與特徵點的應對條件上,從線性圖 像上以某固定閾值為中心點,並根據大於或小於的條件,來判定個別大於小於群聚中心當 作特徵點,並在比對上,以各項條件減少比對所需要的運算量。在找尋完特徵點後,接著 對特徵點處理兩影像對應的問題(陳柏安,2003)(蕭賢德,2000),Ruichek and Postair(1999) 提出利用霍普菲爾網路結合李亞諾夫函數處理對應點問題,再經三角關係法則,去獲取前 方物體之距離,偏移量與高度資訊。部份整理文獻如下所示。 前述之文獻探討,可得知許多道路線偵測的文獻,都會先找尋道路線特徵點,而道路 線特徵點往往皆利用道路線特性,然而外在的環境是多變的:光線、時間、陰影、殘缺、 彎曲路線等因素皆會嚴重影響結果,故條件式建立的嚴謹性與彈性化則為判斷辨識成功率 的重大考量。 而在障礙物偵測上,常見論文主分為單影像與雙影像兩部份,而單影像擷取器在機器 視覺應用上,又往往必須建立許多條件式來判別,然而在自然環境底下,是很難找到規則 能涵蓋如此多樣的變異,故本研究最終決定以雙影像擷取器來對此系統作建構。但是雙影 像處理也因兩擷取器之亮度、角度不同,在尋找特徵點及對應點上,有其困難之處。此外, 雖然由文獻可知,兩平行擺放之擷取器搜尋速度較為快速,然實際應用時,人員放置攝影 機與行車移動所造成攝影機偏移原有位置的而造成的誤差更是在所難免。 三、研究方法 本計劃擬以兩年時間發展出一以機器視覺為基礎之智慧型汽車駕駛輔助系統,藉由道 路線及障礙物偵測等功能,以輔助汽車駕駛達到防撞功能,提高行車安全性。在第一年計 畫中,預計完成單影像擷取器之汽車駕駛輔助系統,第二年則發展雙影像擷取器之汽車駕 駛輔助系統,最後將比較單、雙影像擷取器駕駛輔助系統之效能,並進行系統功能修正, 以期計畫得以實際實施 第一年的計畫主題為發展單影像擷取器之汽車駕駛輔助系統,而整個單影像擷取器之 系統之流程則如圖一所示。詳細之流程及研究方法如下所述。 圖一、單影像擷取器汽車駕駛輔助系統流程圖 3.1 單影像擷取器驅動與控制 將具 USB 傳輸介面之影像擷取器(CCD 或 CMOS)架設於車上(如圖二所示)以便擷取道 路資訊,並利用 Windows API 驅動影像擷取器再加以控制各項擷取參數。 圖二、單影像擷取器架設於車內裝置圖 3.1 影像灰階化 本研究的主要方向乃在於車道線及障礙物之偵測,為加速系統辨識時間,本研究擬採 灰階影像加以處理。然而,由於彩色影像所含有之資訊較黑白影像豐富,為便於後續計劃 延伸功能起見,本研究在取像裝置上仍採用彩色影像擷取器,並使用 RGB 色彩空間取得影 像資訊,故影像中每一像素(Pixel)點 P(x, y)將包含 R(Red)、G(Green)、B(Blue)三個色彩之 彩度值,本研究中將以下式將彩色影像灰階化: I(x, y)=(R+G+B)/3 其中 I(x, y)為像素 P(x, y)之灰階值(Grey Level) 3.2 車道線搜尋 此步驟主要目的為搜尋車道線。在車道線的搜尋上,本研究期望能建立一方法以適應 環境的變遷、及斷線、車道線彎曲等狀況,其著重點在於判定車道線的閾值和車道線的遺 漏性。在閾值的選取上,由於道路為較暗的灰色,而車道線為極白的色彩,故初始閾值之 決定乃先行找尋某ㄧ小區域的灰階平均值,再與車道線灰階值(假設車道線為全白,故灰階 值為 255)取其平均。為了避免因斷線而造成搜尋錯誤,本研究擬以圖三的方式搜尋;此外 以連續三像素皆符合此閾值的方式來避免雜訊的影響。當搜尋到車道線後,再根據車道線 的實際灰階值調整閾值。 (1) 圖三、搜尋道路線方向圖 對於車道彎曲的處理,縱使車道線是彎曲的,在極短的距離間仍保持著直線的關係, 當由上述方法搜尋到車道線邊緣如圖四之 A, B, C 某一點後,先行計算其傾斜角度,並以此 傾斜角度做延伸搜尋,以加速車道線搜尋時間。 圖四、道路線角度計算模組圖 3.3 車道線與障礙物位置計算 由前述方法搜尋道路線後,在兩車道線間不屬於車道的部分將被判定為障礙物。在得 知障礙物後,接下來需計算前方障礙物與駕駛之間的距離及障礙物寬度,以便後續防撞路 徑之計算。本研究將以三角函數關係陸續推導出車道及障礙物距離等數值。 在前方距離的計算上,需分為拍攝圖面中心點以下與以上兩部份。在中心點以下的部 份之計算如圖五所示,其中攝影機高度(圖五之 l2)與拍攝死角長度(圖五之 l1)是可事先量測 的,由此兩數值可得角 B;拍攝中心點可到達的距離(圖五之 l3)也可事先擷取,與攝影機高 度 l2 可據以計算角 A;再利用角 A 與角 B 可得角 C;而角 D 可由焦距長度(圖五之 l5)與圖 面上的 Y 方向距離(圖五之 l6)來求得;角 C 減掉角 D 可得角 E;最後由角 B、角 E 與 l2, 透過三角函數關係即可得物體距離 l。在前方距離量測中關於拍攝圖面中心點以上的部份, 推導方式如圖六所示。 至於障礙物的寬度計算,以圖七為例說明之:由焦距長度(l5)與 Y 軸間距(l6)可得 l7;l7 與 X 軸間距(l8)可得角 A;攝影機高度(l2)與由前述方法得到的物體距離(l1)可求得 l9;l9 與角 A 經三角關係運算後即可獲得物體偏移中央線距離 w1,另一側的偏移距離計算亦同此法, 中央線兩側的偏移量總合即為物體寬度。 角D l4 l6 l1 跟 l2 可得角B l3 跟 l2 可得角A 角A跟角B可得角C l5 圖面的中心點 l5 跟 l6 可得角D 角C跟角D可得角E 角B, 角與 l2 可得物體距離 l l2 B F l1 C E A l3 角D l=? 目標物 l3 l2 圖五、單影像擷取器圖面中心點以下部分距離計算之角關係圖 l4 l1 l3 l5 l5 l2 l2 l6 l2 l2 l3 l1 l4 l6 l5 l3 l2 圖六、單影像擷取器圖面中心點以上部分距離計算之三角關係圖 l8 l6 l7 l5 l5 l7 l2 l9 l6 l8 l1 l7 l9 l2 l9 l3 l1 l3 l2 圖七、單影像擷取器物體偏移距離計算之三角關係圖 四、結果與討論 本研究以 BorlandC++ 5.0 撰寫視窗程式,將由影像擷取器傳遞進來的影像加以處理, 以驗證車道線與障礙物偵測效果以及距離計算之正確性。 在道路線偵測的部份,本研究以台南至高雄所經南二高路段所抽取出單純高速公路之 圖樣共 31 件進行偵測,圖八 (a)為高速公路影像圖,(b)為偵測出之車道線位置,在 31 個 樣本影像中,車道線辨識成功者為 27 件,成功率為 87%。 圖八、道路線偵測樣本:(a) 高速公路影像圖 (b) 偵測出之車道線位置 而以單影像計算距離部分,乃先於實驗室中進行驗證,影像大小其程式介面與測試環境為圖 九。其中待測物距介於 140~350cm 間,取像大小為 320*240 pixels,共取 30 張不同物距之影像進行 計算,計算結果如表一所示。計算所造成之誤差量有因像素與現實環境之轉換差、人員架設視訊差 與人員量測手誤等。 圖九、單影像程式介面與測試環境圖 表一、單影像距離量測結果測試表 測試樣本個數 試測距離 平均誤差 標準差 五、結論 30 140~350cm 4.866015cm 1.586734cm 本計劃擬以兩年時間發展出一以機器視覺為基礎之汽車駕駛輔助系統,藉由道路線及 障礙物偵測等功能,以輔助汽車駕駛達到防撞功能,提高行車安全性。在第一年計畫中, 本研究建立一以單影像擷取器為基之汽車駕駛輔助系統,目前已完成車道線偵測及障礙物 偵測以及距離計算等模組功能,此外,已搜集整理雙影像特徵對應之文獻與方法,並已提 前進行第二年計畫之進度,如雙影像特徵點搜尋及特徵點對應之演算法之發展等,預期能 於計劃期限內開發出一以機器視覺為基礎之智慧型汽車駕駛輔助系統。 參考文獻 Beauvais, M. and Lakshmanan, S. (2000), CLARK: a heterogeneous sensor fusion method for finding lanes and obstacles, Image and Vision Computing, 18(5), 397-413. Bertozzi, M. and Broggi, A. (1988) GOLD: a Parallel Real-Time Stereo Vision System for Generic Obstacle and Lane Detection, IEEE Transactions on Image Processing, 7(1), 62-81. Broggi, A., Bertozzi, M. and Fascioli, A. (2000), Architectural Issues on Vision-Based Automatic Vehicle Guidance: The Experience of the ARGO Project, Real-Time Imaging, 6(4), 313-324. Burie, J. C., Bruyelle, J. L. and Postaire, J. G. (1995), Detecting and Localising Obstacles in Front of a Moving Vehicle Using Linear Stereo Vision, Mathematical and Computer Modelling, 22(4-7), 235-246. Chen, K. H. and Tsai, W. H. (2000), Vision-based obstacle detection and avoidance for autonomous land vehicle navigation in outdoor roads, Automation in Construction, 10(1), 1-25. Gandhi, T., Devadiga, S., Kasturi, R. and Camps, O. (2000), Detection of obstacle on runways using ego-motion compensation and tracking of significant features, Image and Vision Computing, 18(10), 805-815. Kluge, K. and Thorpe, C. (1995), The YARF System for Vision-Based Road Following, Journal of Mathematical and Computer Modelling, 22, 213-233. Ruichek, Y. and Postaire, J. G. (1996), A neural matching algorithm for 3-D reconstruction from stereo pairs of linear images, Pattern Recognition Letters, 17(4), 387-398. Ruichek, Y. and Postaire, J. G. (1999), A new neural real-time implementation for obstacle using linear stereo vision, Real-Time Imaging, 5(2), 141-153. Se, S. and Brady, M. (2002), Ground plane estimation, error analysis and applications, Robotics and Autonomous Systems, 39(2), 59-71. Stiller, C., Hipp, J., Rossig, C. and Ewald, A. (2000), Multisensor obstacle detection and tracking, Image and Vision Computing, 18(5), 389-396. 余佳任(2004),視覺為主的智慧型動導航車輛系統的設計與實踐,國立東華大學電機工 程學研究所未出版碩士論文。 陳柏安(2003),視覺作自走車之障礙物定位與環境掃描,國立成功大學工程科學研究所未 出版碩士論文。 曾俊元(2003),以視覺感知的智慧型車輛防撞系統之研究,國立東華大學電機工程研究所 未出版碩士論文。 劉士誠(2003),以搜尋為基礎的道路線及障礙物偵測,國立中央大學資訊工程研究所未出 版碩士論文。 劉正一(2000),以電腦視覺為基礎之汽車行駛障礙物偵測及辨識,國立臺灣大學資訊工程 學研究所未出版碩士論文。 蕭賢德(2000),電腦視覺系統應用於自走車系統障礙物檢測之研究,國立成功大學工程科 學研究所未出版碩士論文。 謝衛中(2002),以電腦視覺為基礎之道路行駛障礙物警告系統,國立臺灣大學資訊工程學 研究所未出版碩士論文。 計劃成果自評 本計劃擬以兩年時間發展出一以機器視覺為基礎之智慧型汽車駕駛輔助系統,藉由道 路線及障礙物偵測等功能,以輔助汽車駕駛達到防撞功能,提高行車安全性。在第一年計 畫中,本研究建立一以單影像擷取器為基之汽車駕駛輔助系統,目前已完成車道線偵測及 障礙物偵測以及距離計算等模組功能,且已將研究成果投稿於 the 36th International Conference on Computer & Industrial Engineering,此外,已搜集整理雙影像特徵對應之文獻 與方法,故已提前進行雙影像汽車駕駛輔助系統之建置與系統程式發展,預期能於計劃期 限內完成計畫所提內容,開發出一以機器視覺為基礎之智慧型汽車駕駛輔助系統,並將研 究內容投稿於學術期刊。以下整理條列出本年度完成之工作項目: 1. 蒐集以單影像擷取器發展車道線、障礙物偵測與導航系統之相關文獻。 2. 整理障礙物搜尋及車道線偵測之研究方法。 3. 建立影像擷取器驅動與控制模組。 4. 發展可適應環境變化的單影像車道線偵測模組。。 5. 建立單影像障礙物距離推估模組。 6. 蒐集整理以雙影像擷取器發展車道線、障礙物偵測與導航系統之相關文獻。 7. 蒐集整理雙影像特徵對應之文獻與方法。 8. 將研究成果發表於國內外會議。 9. 將研究成果投稿於學術期刊。 附件二 □ 可申請專利 可供推廣之研發成果資料表 □ 可技術移轉 日期:96 年 5 月 31 日 計畫名稱:以電腦視覺為基礎之智慧型汽車駕駛輔助系統之研發 國科會補助計畫 計畫主持人: 江育民 計畫編號:NSC 95-2221-E-214-057-MY2 學門領域:生產系統 單一影像擷取器之車道線與障礙物偵測系統 江育民、許諾任 中文: 本計劃研發之車道線與障礙物偵測系統,乃以單一相機所擷取之影 像加以分析處理,經由所發展之車道線偵測方法,搭配 3D 幾何關 係,自動校正出相機焦距,並推導出前方障礙物距離。藉由車道線 及前車之距離,可規劃出ㄧ安全之行車路徑,以提高汽車駕駛之行 車安全性。 技術/創作名稱 發明人/創作人 技術說明 英文: The project develops a land tracking and obstacle detection system by utilizing a single camera. The proposed land detection method is based on grey scale image. We develop a method to find the focal length of the camera and then find out the position of the obstacle in front of the car. The collision free path thus can be found to enhance the driver’s safety. 汽車產業 行車導航系統 可利用之產業 及 可開發之產品 以單一影像擷取器完成車道線偵測、實虛車道線分類、偏離車道偵 測與警示、前車偵測與距離估計等功能。 技術特點 提高汽車駕駛安全性,可與汽車廠商合作開發先進安全車輛。 推廣及運用的價值 ※ ※ 1.每項研發成果請填寫一式二份,一份隨成果報告送繳本會,一份送 貴單位 研發成果推廣單位(如技術移轉中心) 。 2.本項研發成果若尚未申請專利,請勿揭露可申請專利之主要內容。 ※ 3.本表若不敷使用,請自行影印使用。 ...
View Full Document

Page1 / 13

江育民952221E214057MY2(第1年

This preview shows document pages 1 - 3. Sign up to view the full document.

View Full Document Right Arrow Icon
Ask a homework question - tutors are online