当前位置：文档之家 › 机器人视觉伺服研究进展-中科院自动化所-谭民

机器人视觉伺服研究进展-中科院自动化所-谭民

  • 格式：pdf
  • 大小：434.09 KB
  • 文档页数：6

文章编号:100220446(2004)0320277206

机器人视觉伺服研究进展Ξ

王麟琨,徐德,谭民

(中国科学院自动化研究所复杂系统与智能科学实验室,北京　100080)

摘　要:介绍了机器人视觉伺服系统的结构和主要研究内容,比较了当前几种主要的视觉伺服方法,针对当前

机器人视觉伺服所面临的主要问题,详细阐述了近期提出的一些解决方法.

关键词:机器人;视觉伺服;综述

中图分类号:　TP24 文献标识码:　B

SurveyofResearchonRoboticVisualServoing

WANGLin2kun,XUDe,TANMin

(LaboratoryofComplexSystemsandIntelligenceScience,InstituteofAutomation,ChineseAcademyofSciences,Beijing　100080,China)

　Abstract:Inthispaper,structuresandcontentsofroboticvisualservoingsystemsareintroduced.Then,acomparison

betweenmethodsofdifferentroboticvisualservoingsystemsisgiven.Furthermore,somenewmethodsarerepresentedin

detailtosolveproblemsofroboticvisualservoing.

　Keywords:robot;visualservoing;survey

1　引言(Introduction)

随着科学技术的发展以及机器人应用领域的扩

大,人们对机器人技术提出了更高的要求,希望机器

人具有更高的智能和更强的环境适应能力,机器人

视觉伺服研究正是为了满足这一要求而展开的.机

器人视觉伺服最早出现于20世纪80年代,在90年

代中后期发展迅速.这是因为机器人应用领域的扩

展以及计算机硬件技术的突飞猛进,极大地提高了

图像处理的速度,大幅降低了专用图像处理设备的

费用.视觉伺服控制与基于传统传感器的机器人控

制相比,具有比较明显的优点:更高的灵活性,更高

的精度,能够对机器人标定误差具有强的鲁棒性等.

以上优点决定了机器人视觉伺服在较短的时间里成

为机器人研究领域中的热点之一,并在工业生产、海

洋探测等众多领域得到了成功的应用.

2　机器人视觉伺服研究的主要内容(Prima2

ryresearchofroboticvisualservoing)

机器人视觉伺服系统由视觉传感向控制器提供

外部信息,调整机器人的位置和姿态.研究内容涉及到图像处理、机器视觉、控制理论、运动学等多个领

域.当前机器人视觉伺服研究的主要内容可以归纳

为视觉伺服系统结构、快速有效的图像处理算法以

及视觉伺服控制器的设计等几个主要方面.

2.1　机器人视觉伺服系统的结构

2.1.1　视觉伺服系统的分类

根据不同的标准,机器人视觉伺服系统可以被

划分为不同的类型.根据摄像机的数目的不同,可以

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.单目视觉无法直接得到目标的三

维信息,一般通过移动获得深度信息.单目视觉适用

于工作任务比较简单且深度信息要求不高的工作环

境.多目视觉伺服可以观察到目标的不同部分,可以

得到更为丰富的信息,但视觉控制器的设计比较复

杂,且相对于双目视觉伺服更加难以保证系统的稳

定性[1].双目视觉可以得到深度信息,当前的视觉伺

服系统主要采用双目视觉.根据摄像机放置位置的

不同,可以分为手眼系统和固定摄像机系统.手眼系

统能得到目标的精确位置,可以实现精确控制,但只

能得到小的工作空间场景,而且由于手眼系统只能　第26卷第3期　2004年5月 机器人　ROBOT Vol.26,No.3　May,2004

Ξ收稿日期:2003-09-20观察到目标而无法观察到机器人末端,因此需要通

过已知的机器人运动学模型来求解目标与机器人末

端的位置关系,对标定误差以及运动学误差比较敏

感.固定放置的摄像机既可以观察到目标也可以观

察到机器人末端,并且可以得到大的工作空间场景,

能得到机器人末端相对于目标的相对速度,但无法

得到目标的准确信息,且机器人运动可能造成目标

图像的遮挡.为了克服两种摄像机放置位置的不足,

当前的一种解决方法是两种方式的协作使用[2].根

据误差信号定义的不同,还可以将视觉伺服分为基

于位置的视觉伺服和基于图像的视觉伺服.基于位

置的误差信号定义在三维笛卡儿空间,而基于图像

的的误差信号定义在二维图像空间.2.1.2　基于位置与基于图像的视觉伺服方法

基于位置的视觉伺服是根据得到的图像,由目

标的几何模型和摄像机模型估计出目标相对于摄像

机的位置,得到当前机器人的末端位姿和估计的目

标位姿的误差,通过视觉控制器进行调节.基于位置

的视觉伺服的结构如图1所示.基于位置的视觉伺

服需要通过图像进行三维重构,在三维笛卡儿空间

计算误差.这种方法的优点在于误差信号和关节控

制器的输入信号都是空间位姿,实现起来比较容易.

但由于根据图像估计目标的空间位姿,机器人的运

动学模型误差和摄像机的标定误差都直接影响系统

的控制精度,且没有对图像进行直接控制,易使目标

离开视场.

图1　基于位置的视觉伺服结构框图

Fig.1　Structuraldiagramofposition2basedvisualservoing

基于图像的视觉伺服直接计算图像误差,产生

相应的控制信号,不需要三维重建,但需要计算图

像雅可比矩阵.基于图像的视觉伺服的结构如图2

所示.基于图像视觉伺服的突出优点是对标定误差

和空间模型误差不敏感,缺点是设计控制器困难,伺

服过程中容易进入图像雅可比矩阵的奇异点,一般

需要估计目标的深度信息,而且只在目标位置附近

的邻域范围内收敛.求解图像雅可比矩阵是基于图

像视觉伺服的一个主要任务,数学描述如下:　f.=

J(f,r)󰂻r,f为特征的图像坐标,J为图像雅可比矩

阵,r为机器人末端坐标.求解图像雅可比矩阵主要有3种方法:直接估计方法、深度估计方法、常数近

似方法.直接估计方法不考虑图像雅可比的解析形

式,在摄像机运动过程中直接估计得到数值解.深度

估计的方法需要求出图像雅可比矩阵的解析式,在

每一个控制周期估计深度值,代入解析式求值.这种

方法实时在线调整雅可比矩阵的值,精度较高,但计

算量较大.常数近似方法是简化的方法,图像雅可比

矩阵的值在整个视觉伺服过程中保持不变,通常取

理想图像特征下的图像雅可比矩阵的值.常数近似

的方法只能保证在目标位置的一个更小邻域内收

敛.

图2　基于图像的视觉伺服结构框图

Fig.2　Structuraldiagramofimage2basedvisualservoing

2.1.3　混合视觉伺服方法

由于基于位置和基于图像的视觉伺服方法都具

有一些难以克服的缺点,人们提出了混和视觉伺服

方法.混合视觉伺服的主要思想是采用图像伺服控制一部分自由度,余下的自由度采用其他技术控制,

不需要计算图像雅可比矩阵.混合视觉伺服以Malis

提出的2.5D视觉伺服方法最具有代表性[3],2.5D

视觉伺服的结构框图如图3所示.872　机　器　人2004年5月　

图3　2.5D视觉伺服的结构框图

Fig.3　Structuraldiagramof2.5Dvisualservoing

2.5D的视觉伺服方法,是在已知摄像机内参数

的前提下,计算当前图像特征与理想图像特征的单

应性矩阵H(homography).在epipolar几何中,单应

性矩阵H满足如下关系:f=Hf3,其中f为当前

图像特征的奇次坐标,f3为理想图像特征的奇次

坐标.将单应性矩阵H分解为旋转部分和平移部

分,对应摄像机的旋转控制和位移控制,它的误差信

号e定义为:

e=[u-u3,v-v3,log(z/z3),θTu]

其中u、v为特征的当前图像坐标,u󰁸、v󰁸为特征

的理想图像坐标,θ和uT为根据分解的旋转矩阵得

到的旋转角和旋转轴,z和z󰁸为当前深度和理想深

度信息,这样就实现了在图像空间控制平移运动,在

笛卡儿空间实现转动控制.Deguchi[4]也提出了混合

视觉伺服方法,思想与2.5D方法是一致的,只是在

单应性矩阵分解上采用不同的方法.这种混合的视

觉伺服方法继承了基于位置和基于图像视觉伺服的

优点,既保证了对于标定误差的鲁棒性以及不依赖

于笛卡儿空间模型的特点,又避免了直接估计深度

信息,可以设计解耦的控制律,可以达到全局稳定.

这种方法虽然避免了直接计算图像雅可比矩阵,但

需要在线实时计算图像间的单应性矩阵以及对其进

行分解,计算复杂、计算量大.在计算单应性矩阵时,

为了减少计算量,常采用线性最小二乘估计方法,但

对图像噪声敏感.

2.2　特征选择

高效、快速的图像处理算法是实施视觉伺服的

前提.对于视觉伺服系统,图像处理过程可以概括

为:目标检测、图像与目标的匹配,对于跟踪运动目

标的视觉伺服系统还应包括目标运动的估计.当前,

视觉伺服中的图像处理主要集中在目标识别和图像

特征的选择,这里主要讨论一下图像特征选择的研

究进展.图像特征的选择对于视觉伺服系统的性能

具有重要的影响,不合适地特征选择容易使特征离开视场,或者不能提供充分的目标信息而导致视觉

伺服失败.图像特征的选择应具有一些基本的原则:

识别容易,对目标的位置灵敏,可控.图像特征的数

量对系统性能也具有重要的影响,合适地增加图像

特征,即冗余特征,可以增加视觉伺服系统的灵敏

度.但图像特征的数量也不宜过多,否则会造成图像

处理的负担过重.视觉伺服研究所用到的图像特征

大多采用简单的几何特征:点、直线、圆等,以及几何

参数,例如点之间的距离、直线斜率、椭圆的轴长等.

此外,也常采用基于目标轮廓的特征选择和基于区

域的特征选择[5].简单几何特征属于局部特征,对

于摄像机运动的视觉伺服,容易造成图像特征在一

些情况下无法观察到.基于区域的特征选择不要求

特殊的图像结构,对图像的畸变具有较强的鲁棒性,

但对背景变化敏感.

当前视觉伺服的图像特征选择所面临的主要问

题是如何提高鲁棒性.针对鲁棒性问题,当前特征选

择的一个趋势是避免采用单一类别的图像特征,而

采用多个图像特征类别的组合,例如由特征点组成

的直线间的角度、特征点以及其所构成区域的面积

所组成特征集[6].此外,还有一种视觉特征信息融

合的方法,它的思想与机器人的多传感器信息融合

的思想相似,综合了多个反映目标特征的视觉信息,

例如:颜色、边缘、图像的运动等,采用模糊逻辑和加

权的方法得出结论,相对于以往的特征选择方法具

有更强的鲁棒性[7].此外,对于一些比较复杂的任

务和目标,必须要保证相当数量的图像特征.这种情

况下图像的特征选择比较复杂,为了减少计算量提

高图像特征的效率,需要采用图像特征的自动选择.

图像特征的自动选择是根据视觉伺服系统以及任务

对象的状态,动态地在视觉特征集中选择信息量高、

稳定的图像特征子集[8].文献[8]中,引入了任务约

束来减少候选图像特征的数量,然后采用优化的方

法在图像特征集中得到理想的图像特征.这种方法972　第26卷第3期王麟琨等:　机器人视觉伺服研究进展

合集下载

脑外科机器人视觉伺服研究

脑外科机器人视觉伺服研究

2007年3月第33卷第3期北京航空航天大学学报JournalofBeijingUniversityofAeronauticsandAstronauticsMarch　2007Vol.33　No13

　收稿日期:2006204228　基金项目:国家863基金资助项目(2001AA422110,2004AA421012)　作者简介:刘军传(1979-),男,山东胶南人,博士生,buaaljc@.脑外科机器人视觉伺服研究

刘军传 张玉茹 李　振(北京航空航天大学机械工程及自动化学院,北京100083) 摘 要:定位精度是脑外科机器人系统一个最重要的指标.提出了利用视觉伺服提高脑外科机器人系统定位精度的方法.根据机器人辅助脑外科手术的特点,选择基于位置的末端点闭环的视觉伺服方式,提出了一种利用机器人运动信息对机器人的特征点进行视觉跟踪定位的稳定可靠的方法.针对病人体内病灶点在摄像机图像中不可见的问题,推导了脑外科机器人系统的视觉伺服控制律.采用视觉伺服的方法后,系统定位精度有了很大提高,系统定位误差主要由靶点映射误差引起,受机器人绝对定位误差的影响不大.手术过程模拟和定位精度测试验证了该方法的有效性.关　键　词:脑外科;机器人;精度;视觉伺服中图分类号:TP242.3文献标识码:A 文章编号:100125965(2007)0320370205

Visualservoingcontrolinrobot2assistedstereotacticneurosurgeryLiuJunchuan　ZhangYuru　LiZhen(SchoolofMechanicalEngineeringandAutomation,BeijingUniversityofAeronauticsandAstronautics,Beijing100083,China)Abstract:Positioningaccuracyisoneofthemostimportantspecificationsinrobot2assistedstereotacticneurosurgery.Avisualservoingcontrolmethodinrobot2assistedstereotacticneurosurgerywaspresentedtoim2provetheoverallpositioningaccuracyoftherobotsystem.Theposition2basedendpointclosed2loopvisualser2voingarchitecturewasselectedaccordingtothecharacteristicofrobot2assistedstereotacticneurosurgery.Avisualtrackingmethodutilizingtherobotmotioninformationwasdevelopedtolocatetherobotend2effectorinthecamerasimagesinrealtime.Thevisualservoingcontrollawfortherobotsystemwasderivedaimingattheproblemthatthetumorinsidethepatient′sheadwasunseeninthecamerasimages.Withthevisualservoingcontrolmethod,thepositioningerroroftherobotsystemwasmainlycausedbythetargetregistrationprocess.Theeffectoftherobotabsolutepositioningerrorwaseliminatedandtheoverallpositioningaccuracyofthero2botsystemwasimproved.Simulationoftheclinicalprocessandpositioningaccuracytestprovedthevalidityofthemethod.Keywords:neurosurgery;robot;accuracy;visualservo

自适应环境的机器人视觉伺服控制方法

自适应环境的机器人视觉伺服控制方法

自适应环境的机器人视觉伺服控制方法

吴作君;刘国华

【摘 要】机器人和机器视觉的迅速发展,使得基于视觉的智能机器人得到更加广泛的应用;机器视觉提高了机器人控制系统对环境的适应程度,但其适应程度也受到周围环境对机器视觉算法的影响;针对这一情况,对机器人视觉伺服控制系统中的机器视觉算法进行了改进,提出了一种基于帧间差分法的自适应环境的机器人视觉伺服控制方法,从而提高了控制系统对环境的自适应程度,提高了对机器人控制的精确度,实验和理论分析证明,该方法具有较大的应用前景和实用价值.

【期刊名称】《计算机测量与控制》

【年(卷),期】2016(024)012

【总页数】5页(P63-66,70)

【关键词】机器视觉;伺服控制;帧间差分法

【作 者】吴作君;刘国华

【作者单位】中国石油大学胜利学院,山东东营257000;中国科学技术大学,合肥230000

【正文语种】中 文

【中图分类】TP242

机器人时高度集成化和自动化的设备，随着工业生产智能化程度的逐步提高，机器人在各个领域发挥着日益重要的作用。机器人的控制要通过一个控制系统实现，控制系统的输入是机器人的传感设备获取到的传感数据，对其进行处理之后，做出判断，并执行动作。根据实际需要，机器人所添加的传感设备也是不同的。例如常见的有压力传感器、超声波测距传感器、视觉传感器、温湿度传感器等。在众多传感器中，视觉传感器具有适用范围广、获取的信息全面等优点，尤其是伴随着计算机视觉技术的快速发展，视觉传感器正逐渐成为机器人设备中必不可少的传感器。而基于机器人视觉的伺服控制方法，也得到了了广泛的应用。但是由于计算机视觉算法受环境影响较大，因此基于机器人视觉的伺服控制方法对于环境的自适应程度仍十分有限，针对这个问题，做出了研究，提出了一种基于熵权法的自适应环境的机器人视觉伺服控制方法。

视觉伺服控制技术是建立在机器人技术、自动控制技术、计算机视觉技术等多个领域技术的基础上的。很多学者已经进行了广泛的研究，其中最著名的是Hutchinson等人[1-3]所做的引导性研究，之后，很多人在此提出上提出了众多基于视觉控制的方法，包括古典类和现代类等，其中包括PID控制、极点配置等[4]。而现代控制算法是基于状态空间模型的，这种算法可以使系统具有更出色的性能，例如Gangloff J A等所采用预测控制的视觉伺服[5]，这种方法具有较高的稳定性，另外Conticelli F等还提出了如基于李雅普诺夫方法的稳定性分析及控制器的设计[6]。今年来神经网络得到了迅速的发展，其也被广泛应用在机器人控制领域中，视觉控制器的设计技术以及视觉伺服参数的估计与逼近算法。其中Giuseppe R D在模糊逻辑的基础上提出的控制器[7]，Kelly R则提出了直接把图像空间转换到关节空间的神经网络自学习控制器[8]。模糊控制方法所具有的鲁棒性和神经网络方法的良好的非线性函数逼近能力，使得智能控制方法在视觉伺服控制中具有较好的应用前景，但仍面临模糊规则的提取以及神经网络的泛化等问题。

变电站机器人视觉伺服系统研究

变电站机器人视觉伺服系统研究

第２６卷第４期　２０１１年１２月　西南科技大学学报　Ｊｏｕｒｎａｌ　ｏｆ　Ｓｏｕｔｈｗｅｓｔ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　ＶｏＩ＿２６　Ｎｏ．４　Ｄｅｃ．２０１１　

变电站机器人视觉伺服系统研究　

许湘明宋晖　

（西南科技大学计算机学院四川绵阳６２１０１０）　

摘要：变电站巡检机器人替代人工巡检变电站设备，主要是机器人携带ＣＣＤ摄像仪和红外成像仪，在固定点对目标　

设备的状态进行检测。由于机器人的定位误差和机器人本体自由度的误差，会造成机器人到固定点取图像时巡检　

目标偏移甚至丢失。采用Ａｄａｂｏｏｓｔ图像识别分类方法和光学成像原理组成视觉伺服控制系统，对机器人进行调整，　

使巡检目标保持在图像的中心位置。实验结果表明，机器人视觉伺服系统能有效避免机器人定位和自身误差带来　

巡检目标偏移和丢失的影响。　

关键词：巡检机器人视觉伺服系统　图像识别　

中图分类号：ＴＰ３９１．４１　文献标志码：Ａ　文章编号：１６７１—８７５５（２０１１）０４—００６１—０４　

Ｒｅｓｅａｒｃｈ　ｏｎ　Ｖｉｓｕａｌ　Ｓｅｒｖｏ　Ｓｙｓｔｅｍ　ｏｆ　Ｒｏｂｏｔ　ｆｏｒ　Ｓｕｂｓｔａｔｉｏｎ　

ＸＵ　Ｘｉａｎｇ—ｍｉｎｇ，ＳＯＮＧ　Ｈｕｉ　

（Ｓｃｈｏｏｌ　ｏｆＣｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｓｏｕｔｈｗｅｓｔ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆＳｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，　

Ｍｉａｎｙａｎｇ　６２１０１０，Ｓｉｃｈｕａｎ，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｒｏｂｏｔ　ｒｅｐｌａｃｅ　ｈｕｍａｎ　ｉｎｓｐｅｃｔｉｎｇ　ｓｕｂｓｔａｔｉｏｎ　ｅｑｕｉｐｍｅｎｔ，ｉｔ　ｃａｒｒｉｅｓ　ａ　ＣＣＤ　ｃａｍｅｒａ　ａｎｄ　ａｎ　ｉｎｆｒａｒｅｄ　

ｉｍａｇｉｎｇ　ｄｅｖｉｃｅ　ｔｏ　ｄｅｔｅｃｔ　ｔｈｅ　ｓｔａｔｕｓ　ｏｆ　ｔｈｅ　ｔａｒｇｅｔ　ｄｅｖｉｃｅ　ａｔ　ｆｉｘｅｄ　ｐｏｉｎｔｓ．Ａｓ　ｅｒｒｏｒｓ　ｏｆ　ｌｏｃａｔｉｏｎ　ａｎｄ　ｂｏｄｙ　ｄｅ—　

基于CMAC的三关节机器人视觉伺服系统研究

基于CMAC的三关节机器人视觉伺服系统研究

《电气自动化）２００７年第２９卷第５期　机器人技术　Ｒｏｂｏｔ　Ｔｅｃｈｎｉｃｓ　

基于Ｃ　ＭＡＣ的三关节机器人视觉伺服系统研究六　

Ｒｅｓｅａｒｃｈ　ｏｎ　ＣＭＡＣ　Ｔｈｒｅｅ－Ｊｏｉｎｔ　Ｒｏｂｏｔ　Ｖｉｓｕａｌ　Ｓｅｒｖｏ　Ｓｙｓｔｅｍ　

广西工学院电子信息与控制工程系（广西柳州５４５００６）　石玉秋韩峻峰　（Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃ　Ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　Ｃｏｎｔｒｏｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｇｕａｎｇｘｉ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｌｉｕｚｈｏｕ　５４５００６，Ｃｈｉｎａ）　Ｓｈｉ　Ｙｕｑｉｕ　Ｈａｎ　Ｊｕｎｆｅｎｇ　湖南大学电气与信息工程学院（湖南长沙４１００８２）　石玉秋孙炜孙洪淋徐航　ｆ　Ｃｏｌｌｅｇｅ　ｏｆＥｌｅｃｔｒｉｃａｌ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈｕｎａｎ　Ｕｎｉｖｅｎｉ＠，Ｃｈａｎｇｓｈａ　４１００８２，Ｃｈｉｎａ）Ｓｈｉ　Ｙｕｑｉｕ　Ｓｕｎ　ｗｅｉ　Ｓｕｎ　Ｈｏｎｇｌｉｎ　Ｘｕ　Ｈａｎｇ　

摘要：根据小脑模型关节控制器（ＣＭＡＣ）收敛速度快，适于实时控制系统的特点，设计了一种ＣＭＡＣ学习控制方法。在该方法中，ＣＭＡＣ　

被用作前馈控制器对常规反馈控制器进行补偿。实验证明了所设计控制系统的有效性。　

关键词：机器人视觉伺服学习控制小脑模型关节控制器　

Ａｂｓｔｒａｃｔ：Ｃｅｒｅｂｅｌｌａ　ｍｏｄｅｌ　ａｒｔｉｃｕｌａｔｉｏｎ　ｃｏｎｔｒｏｌｌｅｒ（ＣＭＡＣ）ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｈａｓ　ｆａｓｔ　ｌｅａｒｎｉｎｇ　ｓｐｅｅｄ　ａｎｄ　ｃａｎ　ｂｅ　ｕｓｅｄ　ｖｅｒｙ　ｗｅｌｌ　ｆｏｒ　ｒｅａｌ　ｔｉｍｅ　ｓｙｓｔｅｍ．　Ｈｅｎｃｅ，ｉｔ　ｉｓ　ｉｎｔｒｏｄｕｃｅｄ　ｉｎ　ｔｈｉｓ　ｐａｐｅｒ　ｔｏ　ｃｏｎｓｔｒｕｃｔ　ａ　ｓｔｕｄｙ　ｃｏｎｔｒｏｌ　ｓｔｒａｔｅｇｙ　ｆｏｒ　ｒｏｂｏｔｉｃ　ｖｉｓｕａｌ　ｓｅｒｖｏ　ｓｙｓｔｅｍ．Ｉｎ　ｔｈｉｓ　ｓｔｒａｔｅｇｙ，ＣＭＡＣ　ｉｓ　ｕｓｅｄ