仿人视觉过程的机器人视觉伺服系统研究

格式：pdf
大小：297.63 KB
文档页数：4

ａｄＡｐｉａｏｓ计算机工程与应用ｏｐｔｒＥｇｎｅｉｎｐｌｔｎｎｃｉ
仿人视觉过程的机器人视觉伺服系统研究
张晓晖，刘丁
ＺＨＡＮＧＸｉｏｕｉＬＵＤｉｇａ —ｈ，Ｉｎ
摘要：出了一种模仿人类视觉过程的动态图像目标跟踪方法，采用基于模板匹配的识别技术；过模仿人类视觉目标定位提其通
过程运用遗传算法实现了对运动物体的视觉跟踪。用此方法实现了一套视觉伺服机器人的运动目标跟踪系统，过实验说明该利通方法能够满足系统的实时性要求，时具有一定的抗噪能力。同
关键词：板匹配：传算法；器人；觉伺服模遗机视文章编号：０２８３（０７１— ０１０文献标识码：１０ — ３１２０）８０１－４Ａ中图分类号：Ｐ４Ｔ２
ｌ引言
近年来．多研究者对机器人视觉伺服系统进行了大量的许
像的时间约１ｓ此外，用遗传算法进行图像目标识别也取６ｍ。使得了很好的效果。本文给出了一套 “ 眼在手 ” ６自由度机器人视觉伺服系统，
机器人的操作臂末端可以在一个运动平面上快速跟踪一个运动的矩形物体。
ＺＨＡＮＧａ — ｕ．Ｕｎ．ｓａｃｎｒｂｔｖｓａｅｖｙｔｍｙｓｍｕａｉｇｏｔａｒｃｓｆｈｍａｅｎｓＣｏＸｉｏｈｉＬＩＤｉｇＲｅｅｒｈｏｏｏｉｕｌｓｒｏｓｓｅｂｉｌｔｎｐｉｌｐｏｅｓｏｕｎｂｉｇ．ｍ－ｃ
西安理工大学自动化与信息工程学院，安７０４西１０８
ＩｓｉｔｆＡｕｏｔｎａｄＩｆｒｔｎＥｇｎｅｎ， ’ ｎＵｎｖｒｉｆＴｃｎｌｇＸｉａ０８，ｈｎｎｔｕｅｏｔｍａｉｎｎｏｍａｉｎｉｅｒｇＸｉａｉｅｓｔｏｅｈｏｏｙ， ’ ｎ７０４Ｃｉａｔｏｏｉｙ１Ｅ－ｉ：ｈｈｎ＠ｘｕ．ｄ． — ｍａｌｘｚａｇａｔｕｃｅｎ
ｐｔｒＥｇｎｅｉｇａｄＡｐｌａｉｎ，０７，３１：１４ｕｅｎｉｅｒｎｎｐｉｔｏｓ２０４（８）１ —１．ｃ
Ａｂｔａｔｈｓｐｐｒｐｅｅｔａｒｃｇｉｉｇａｄｔｃｉｇａｇｒｈｆｒｄｎｍｉｉｇａｇｔｂｉｌｔｇｏｔａｒｃｓｆｈ — ｓｒｃ：Ｔｉａｅｒｓｎｓｅｏｎｚｎｎｒｋｎｌｏｔｍｏｙａｃｍａｅｔｒｅｙｓｍｕａｉｐｉｌｐｏｅｓｏｕａｉｎｃｍａｅｎｓｔｉｌｍｅｔｖｓａｒｃｉｇｆｒａｍｏｉｇｔｒｅｙａｏｔｇｔｍｐａｅｍａｃｉｇｔｃｎｑｅａｄｅｅｔｇｇｎｔｌｏｉｍｎｂｉｇ．ｍｐｅｎｓｉｕｌｔｋｎｖｎａｇｔｂｄｐｉｅｌｔｔｈｎｅｈｉｕｎｘｒｉｅｅｉａｇｒｈＩａｏｎｎｃｔｌｅｇｚｎｒｃｓｏｅｓｎ．ｔｃｉｇｓｓｍｆｒｖｓａｓｌｏｏｏｉｒａｉｅｙｂｖｍｅｈｄ，ｓｒｖｄｂｅｐｒｍｅｔｉａｉｇｐｏｅｓｆｐｒｏｓＡｒｋｎｙｔｋａｅｏｉｕｌｅｗｒｂｔｓｅｌｄｂａｏｅｚｔｏｉｉｔｐｏｅｙｘｅｉｎｓｔａｈｔｏａｅｅｌｔｅｕｓｏｈｙｔｍｎａｎｉｏｓｂｌｙｔｅａｎｅｔｎ．ｈｔｔｅｍｅｈｄｃｎｍｅｔｒａ — ｉ－ｍｅｒｑｅｔｆｔｅｓｓｅａｄｈｓａｔｉｅａｉｔｏａｃｒｉｘｅｔｎｉｔＫｅｒｓｅｌｔｔｈｎｇｎｔａｇｒｈ；ｏｏ；ｉｕｌｓｒｏｙｗｏｄ：ｔｍｐａｅｍａｃｉｇ；ｅｅｉｌｏｉｍｒｂｔｖｓａｅｖｃｔ
研究ｉ］ｔ，－当前机器人视觉伺服研究的主要内容可以归纳为视觉４伺服系统结构、速有效的图像处理算法以及视觉伺服控制器快
设计等几个主要方面。对于该类系统而青，时性问题一直是实

高压带电作业机器人视觉伺服系统

明。
并将该位置信息反馈机器人控制系统，形成伺服控制系统。利用该系统可在无人参与的情况下，
救稿日嗣：２０１３－０２ — ２０作者膏介：王振利（１９８３一），男，山东人，中级工程师，博士，从事电力机器人开发工作。第３５卷第７期２０１３ — ０７（下）Ｉ６０１
（山东电力集团公司电力科学研究院，济南２５０００２）摘要。本文提出一种高压带电作业机器人视觉伺服系统，该系统将立体视觉算法和设备跟踪算法相结合，通过目标跟踪算法和卡尔曼滤波算法完成设备区域的提取和跟踪。立体视觉跟踪算法被限定在设备跟踪窗内的有限区域内，有效降低了算法运算量，大大提高了算法的实时性。系
实现高压带电作业，提高作业自动化水平和作业
效率。
１系统概述
如图２所示，高压带电作业机器人视觉伺服系
统由机器人控制单元、高压带电作业机器人、双目相机和视觉定位单元组成。系统通过双目立体相机获取作业现场图像，视觉定位单元对获取图像进行分析处理，得到设备的位置信息，机器人控制单元接收该位置信息，实现高压带电作业机
术的发展，机器人辅助或者代替人工，实现带电作业已经成为可能。现有高压带电作业机器人系统一般采用主从控制方式（如图１所示）。操作人员通过主手控制机械臂的运动，实现高压带电作业。该控制方式仍需人工参与，无法摆脱高压、高空的工作环境，且对操作人员的操作能力要求较高。

视觉伺服控制

有约束的无标定模型预测控制在视觉伺服控制器的设计中，图像雅可比矩阵是建立运动学模型的关键。

经典的IBVS采用比例控制律，它利用图像雅可比矩阵的逆(或伪逆)。

然而，比例控制器可能存在局部极小问题。

也就是说，如果视觉特征数大于3，则图像雅可比矩阵不是满秩的，图像误差可能存在于图像雅可比矩阵的逆(或伪逆)的零空间中，从而导致局部收敛，使得最终的图像特征远离期望的图像特征。

另外，系统约束处理困难，尤其是可见性约束。

当相机的初始位置和所需位置之间的距离较大时，图像特征将不可见。

在视觉伺服控制过程中，可能会违反关节的物理限制和机器人的工作空间。

此外，比例控制器的主要缺点是需要知道摄像机内参数、摄像机外参数和特征点的深度参数，而这些特征点的精确值很难获得。

为了避免使用图像雅可比矩阵中元素的精确值，人们对图像雅可比矩阵的数值估计进行了广泛的研究，如神经网络、迭代学习、拟牛顿方法和模糊控制。

文献提出了许多基于深度无关交互(或图像雅可比)矩阵的自适应控制器，以克服深度限制问题。

文献首次针对摄像机参数未知且深度随时间变化的固定摄像机构型，提出了与深度无关的交互矩阵。

文献提出了眼在手和固定眼构型的自适应视觉跟踪控制的统一设计方法。

然而，这些方案没有明确考虑系统约束，而这些约束对于视觉伺服控制器的设计是至关重要的。

已经提出了许多方法来处理有约束的视觉伺服任务。

例如路径规划、非线性反馈等，但大多需要给定摄像机的外部参数，并且假定摄像机的内部参数和深度信息是已知的。

在IBVS中，通常采用模型预测控制(Model Predictive Control，MPC)来处理系统约束，且MPC控制器具有在未知影响和模型误差的情况下对系统进行控制的能力。

因此，MPC算法可以用来设计无标定环境下的视觉伺服控制器。

本章主要提出了一种新的基于MPC的IBVS设计方法，该方法明确地考虑了系统的约束条件，能够有效地处理未知的摄像机参数和深度参数。

通过模型预测控制获得控制输入，通过参数估计算法在线更新预测模型的未知参数，完成视觉伺服任务。

基于位置的机器人视觉伺服控制

动，半径为ｒ０２，且此圆周运动的圆心为（．，＝．５Ｏ５
０３。．１
３仿真结果．３
根据前面介绍的方法，构建系统模型图如
图７、图８所示。其中前面部分实现了视觉信息的获取，即给机器人长了眼睛，后面部分是ＰＤ控制器
学特性的。
结合机器人的运动学特性和动力学特性，采用
基于位置的视觉伺服方法，来完成机器人对目标运动信息的获取：又结合通用Ｐ控制器实现对包含Ｄ动力学模型的机器人位置控制。为了验证算法的有
效性，针对一个一连杆视觉伺服定位系统进行了仿
了一个坐标示意图。图中基坐标系被定义ｔ界坐标ｆ｛＝系Ｗ，为不失一般性，目标轨迹定义在基坐标系下
示，二连杆Ｐ控制响应曲线如图２Ｄ所示。
收稿日期：２０－５１０８ —６０
作者简介：艳花（９２），南濮阳人，士，，研赵１８一女河，硕助教主要
２基于位置的视觉伺服控制
在基于位置的视觉伺服控制中，图象特征被提取出来和目标的几何模型一起用来估计目标相对于
摄像机的位置，一旦目标的位置被确定，就可以通
过求解逆运动学问题，得出关节角，输送给传统的具有关节位置和速度指令接口的机器人。图３出给
首先，可以由摄像机模型的逆变换求出目标在

视觉伺服的分类和问题分析

本文将从伺服控制系统的分类和一些常见问题来分析介绍：一、分类目前，机器人视觉伺服控制系统有以下几种分类方式：（1）按照摄像机的数目的不同，可分为单目视觉伺服系统、双目视觉伺服系统以及多目视觉伺服系统。

单目视觉系统只能得到二维平面图像，无法直接得到目标的深度信息;多目视觉伺服系统可以获取目标多方向的图像，得到的信息丰富，但图像的信息处理量大，且摄像机越多越难以保证系统的稳定性。

当前的视觉伺服系统主要采用双目视觉。

按照摄像机放置位置的不同，可以分为手眼系统（eye in hand）和固定摄像机系统（eye to hand或stand alone）在理论上手眼系统能够实现精确控制，但对系统的标定误差和机器人运动误差敏感;固定摄像机系统对机器人的运动学误差不敏感，但同等情况下得到的目标位姿信息的精度不如手眼系统，所以控制精度相对也低。

（2）按照机器人的空间位置或图像特征，视觉伺服系统分为基于位置的视觉伺服系统和基于图像的视觉伺服系统在基于位置的视觉伺服系统中，对图像进行处理后计算出目标相对于摄像机和机器人的位姿，所以这就要求对摄像机、目标和机器人的模型进行校准，校准精度影响控制精度，这是这种方法的难点。

控制时将需要变化的位姿转化成机器人关节转动的角度，由关节控制器来控制机器人关节转动。

在基于图像的视觉伺服系统中，控制误差信息来自于目标图像特征与期望图像特征之间的差异。

对于这种控制方法，关键的问题是如何建立反映图像差异变化与机器手位姿速度变化之间关系的图像雅可比矩阵；另外一个问题是，图像是二维的，计算图像雅可比矩阵需要估计目标深度（三维信息），而深度估计一直是计算机视觉中的难点。

雅可比矩阵的计算方法有公式推导法、标定法、估计方法以及学习方法等，前者可以根据模型推导或标定得到，后者可以在线估计，学习方法主要利用神经网络方法。

按照采用闭环关节控制器的机器人，视觉伺服系统分为动态观察-移动系统和直接视觉伺服前者采用机器人关节反馈内环稳定机械臂，由图像处理模块计算出摄像机应具有的速度或位置增量，反馈至机器人关节控制器；后者则由图像处理模块直接计算机器人手臂各关节运动的控制量。

下载提示

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

仿人视觉过程的机器人视觉伺服系统研究

合集下载

高压带电作业机器人视觉伺服系统

视觉伺服控制

基于位置的机器人视觉伺服控制

视觉伺服的分类和问题分析

文档推荐

最新文档