合模机器人设计及无标定视觉伺服控制方法研究

针对当前铆接过程中合模工艺主要依赖人工完成而导致的工作效率低下问题,设计了一种合模机器人末端执行器,以提高自动化程度和作业效率。为解决工件超出相机视域的问题,提出了一种基于改进图像矩的无标定视觉伺服控制器。在合模过程中,采用递推最小二乘法(RLS)在线估计图像雅可比矩阵,并结合扩展Kalman滤波器,实时输出机械臂关节变化量,以对RLS估计模块进行反馈。仿真结果表明,该控制方法在图像位于相机视域内以及超出相机视域时均能有效提取图像特征。与仅使用RLS方法相比,基于图像矩的控制方法在特征提取效率和抗噪声能力上表现出更优越的性能,且图像矩特征误差的收敛速度更快。实体实验进一步验证了该方法在工件超出相机视域情况下的准确性,成功解决了传统方法的局限性,使合模机器人能够精确定位工件并到达目标位置,从而显著提升铆接过程的自动化水平和工作效率。

无标定视觉伺服多轴孔装配定位方法研究

针对机器人多轴孔铆接装配件装配过程易出现装配件定位不准、孔与铆钉对准困难和装配效率低等问题,提出一种基于鲁棒卡尔曼滤波和前馈神经网络的铆接件视觉伺服精确定位方法,实现多轴孔铆接工件的自动定位。首先,搭建以工件顶点为特征点的机器人视觉伺服定位系统;其次,利用鲁棒卡尔曼滤波在线预测图像雅可比矩阵,并借助前馈神经网络在线动态补偿系统的估计误差,解决未知系统噪声的互相关性及“图像-操作空间”延时性造成的图像雅可比矩阵辨识精度低的问题;最后,采用最小二乘法设计无标定视觉伺服深度估计器,通过机器人的运动状态和图像特征的变化数据估计深度,解决铆接件定位时的深度问题。研究结果表明:相较于采用传统卡尔曼滤波的视觉伺服方法,机器人末端速度收敛时间减少30%,收敛曲线平滑,机器人末端运行轨迹平稳且接近直线,无振荡回馈现象,图像特征点定位误差绝对值最大为0.228像素,能够实现公板和母板快速定位,保证机器人快速完成铆接件的定位对准及后续装配任务。

机器人无标定视觉伺服控制研究进展

视觉伺服控制是机器人系统重要的控制手段.相比传统的在标定条件下使用的视觉伺服系统,无标定视觉伺服系统具有更高的灵活性与适应性,是机器人伺服控制系统未来重要的发展方向和研究热点.本文从目标函数选择、控制器设计、运动轨迹规划三方面综述了无标定视觉伺服控制系统近年来的主要研究进展.首先根据目标函数的形式,分析了基于位置的视觉伺服、基于图像的视觉伺服以及混合视觉伺服各自的特点与应用;在控制器设计方面,根据是否在设计过程中考虑机器人的非线性动力学特性,分别介绍了考虑机器人运动学与考虑机器人动力学的无标定视觉伺服控制器的设计,重点突出了雅克比矩阵的构造与估计方法;针对无标定视觉伺服系统运动轨迹可能存在的问题,从空间轨迹优化与障碍规避的角度,阐述了已有的可行解决方案.最后,基于当前的研究进展展望了无标定视觉伺服的未来研究方向.

一种无标定视觉伺服控制技术的研究

在视觉伺服控制过程中无法精确地标定摄像机和机器人运动学模型,而当前的无标定视觉伺服控制技术或者只能针对静态的目标,或者针对动态目标但无法摆脱大偏差的影响.针对此问题,提出一种动态无标定的视觉伺服控制方法:基于非线性方差最小化法控制机器人跟踪运动目标,利用动态拟牛顿法估计图像雅克比矩阵,采用迭代最小二乘法提高系统的稳定性并提出大偏差条件下的无标定控制策略.仿真实验证明了该方法的正确性和有效性.

一种采用L-M方法的无标定视觉伺服控制方法

在无标定视觉伺服控制中,高斯牛顿法是一种被广泛采用的方法,但在大残量情况时,该方法可能不收敛或不能收敛到期望值。对此,提出了一种采用L-M方法的无标定视觉伺服控制方法。该方法采用信赖域策略确保模型是对非线性目标函数合适的模拟,并根据函数实际下降量与预测下降量的比值自适应地改变步长,采用Broyden方法动态估计图像雅可比矩阵。采用该方法无需对机器人及摄像机进行标定,且避免了传统方法的上述缺点。仿真及实验结果验证了该方法的有效性。

基于遗传优化RBF神经网络的机器人无标定视觉伺服控制

为了解决机器人无标定视觉伺服控制系统中精度不高和过程繁琐的问题,提出了基于遗传算法优化的RBF神经网络,对图像特征变化速度和机器人关节角变化速度之间的非线性关系的学习,拟合出两者间的非线性视觉映射关系,从而实现无标定视觉伺服控制。通过对基于图像的眼在手上无标定视觉伺服系统仿真模型进行验证,结果表明,与传统的基于图像的逆雅可比矩阵控制方法相比,文中方法具有更好的精度与效率。

食品分拣机械臂无标定视觉伺服控制技术的研究

食品分拣机械臂作业成熟实用化要解决的关键技术之一是视觉伺服技术。针对通用分拣机械臂提出一种"眼在手上"系统无标定视觉伺服算法用于主动跟踪目标食品。该算法基于动态的方差最小化原理控制机械臂,采用动态的拟牛顿法估计图像雅克比矩阵,为改善系统的输出响应也对动态残差项进行了估计,增强了无标定视觉伺服理论的实用性,最后通过仿真验证了所提算法的有效性和可行性。

基于动态BFGS法的无标定视觉伺服控制

基于动态BFGS(Broyden-Fletcher-Goldfarb-Shanno)法,研究了一种针对运动目标进行实时跟踪的无标定视觉伺服控制方案.通过直接估计包含残差项的全局Hessian矩阵(即目标函数的Hessian矩阵)之逆,简化了直接计算残差项的计算量,同时解决了Hessian矩阵之逆的奇异性问题.根据关节变量到图像平面映射关系的近似仿射模型推导了不依赖于目标的图像Jacobian矩阵估计量,提高了对动态目标跟踪的鲁棒性.借助Matlab Robotools工具箱,搭建了一个三自由度的机械臂视觉跟踪系统,通过仿真实验将本文的方法与残差项的直接计算法、动态变尺度法进行了对比,结果验证了该方法的良好跟踪性能.

矿用智能巡检机器人无标定视觉伺服控制研究

针对矿用智能巡检机器人无标定视觉伺服控制中采用基于传统的卡尔曼滤波(KF)的图像雅可比矩阵存在估计值不准确、鲁棒性差的问题,提出了一种具有长短期记忆(LSTM)的卡尔曼滤波算法(KFLSTM算法)。KFLSTM算法使用LSTM弥补由KF算法产生的估计误差,将滤波增益误差、状态估计向量误差、观测误差用于LSTM的在线训练,利用训练后的LSTM模型对雅可比矩阵进行最优估计,通过提高雅可比矩阵估计值的准确性和稳定性来改善视觉伺服控制的实时性和鲁棒性。建立了基于KFLSTM算法的无标定视觉伺服模型,将最优雅可比矩阵作为控制器的输入,使控制器输出较准确的关节角速度,从而控制机械臂的实时运行。将KFLSTM算法应用到矿用智能巡检机器人六自由度视觉伺服仿真实验中,结果表明:应用KFLSTM算法得到的图像误差收敛速度相较于传统KF算法提高了100%~142%,图像特征误差更小,定位精度为0.5像素,且机器人末端执行器运动平稳,具有较强的抗噪声干扰能力,可有效提高矿用智能巡检机器人的作业精度与效率,并增强其工作的稳定性与安全性。

基于BP神经网络-模糊控制的机器人无标定视觉伺服技术

针对机器人无标定视觉伺服技术中图像雅可比矩阵在线估计存在计算复杂的问题,提出了一种结合反向传播(back propagation,BP)神经网络和模糊控制策略的机器人控制技术。以多自由度智能调节系统为例,提出其视觉伺服控制架构,根据工业场景数据集训练BP神经网络,采用本文所提算法进行法兰对中实验,帮助解决核电站蒸汽发生器人孔螺栓咬死问题。在方法层面,首先,利用BP神经网络建立图像特征信息与机器人多自由度运动之间的映射关系,之后,提出模糊控制方法根据图像特征偏差进行机器人位姿的精确调整。实验结果表明,本文算法能够有效应用于无标定视觉伺服控制,最终法兰平均对中误差在±1 mm内,平均耗时43 s,满足应用需求,具有较高的工作效率。

食品分拣机械臂无标定视觉伺服控制技术的研究

随着我国经济的高速发展，人们在生活质量的追求越来越高，大范围的食品生产技术和手段已经慢慢满足不了人们不断变化的要求，因此要学会利用先进的科学技术工具，包括分拣机械臂无标定视觉伺服控制技术的引进和推广，不仅对进行生产的食品进行全方位的跟踪检查，同时有效的控制机械臂的灵活性和全面性，增加无标定视觉伺服理论的实用功能，并通过仿真模拟手段对所提出的动态方差最小化的算法的时效性和可行性进行检验，确保实际工作的准确无误。

基于SPSA优化的Kalman滤波无标定视觉伺服

针对于机器人的无标定视觉伺服问题,本文提出一种基于同步扰动随机逼近算法优化Kalman滤波在线估计图像雅克比矩阵的方法。该方法将机器人图像雅克比矩阵作为系统状态,使用Kalman滤波器对系统状态进行观测。为提高滤波器性能,采用同步扰动随机逼近算法对滤波器参数进行优化。应用此方法估计出图像雅克比矩阵并设计控制率,避免了复杂的系统标定过程。仿真结果表明,所提出的方法能够实现无标定环境下六自由度机器人的视觉定位,且精度和稳定性较高。

基于无标定视觉伺服的激光标记自动跟踪视频引伸计控制系统设计

本控制系统采用图像雅克比矩阵在线辨识的方法,建立了激光标记与试件标记的实际距离,即激光标记的跟踪位移量到图像空间跟踪位移量的映射关系,不仅避免现有视频引伸计的摄像机标定环节,而且实现了激光标记对试件标记的精密全程跟踪。通过低碳钢和铸铁的拉伸实验,分别实现跟踪精度1.8μm/10mm和0.9μm/2.5mm,验证了设计的控制系统的有效性和精确性。

机器人无标定视觉伺服系统设计与实现

为了实现手眼关系无标定情况下的机械臂末端定位,针对单目手眼系统,设计并实现了一个基于图像的无标定视觉伺服系统。进行模块化的系统设计,使用卡尔曼滤波器在线估计关节-图像雅可比矩阵,根据关节-图像速度数学模型设计图像视觉伺服控制器,利用C++多线程技术开发各个并行算法模块,实现了在手眼关系完全无标定情况下机械臂末端的高精度定位。实验表明,该系统的定位精度为0.1像素。

基于无标定视觉伺服的全向移动机械臂跟踪控制

装有视觉传感器的移动机械臂对于未来工厂有着重要意义,如何使移动平台有效地参与到轨迹规划过程中、减少相机标定误差与外界因素对视觉伺服精度的影响是需要解决的部分问题。基于图像的无标定视觉伺服具有灵活性和适应性,因而提出将基于图像的无标定视觉伺服应用于全向移动机械臂上。建立并分析完整约束移动机械臂运动学模型,设计多目混合视觉配置方案,设计基于集中控制策略的视觉伺服控制器,并通过在线辨识复合雅可比矩阵估计从图像特征空间到机械臂关节与移动平台运动空间的映射关系,最后进行对螺旋线跟踪的仿真实验。仿真实验表明,在引入一定干扰下情况下移动机械臂实现对空间对空间中运动物体的无标定视觉伺服。

无标定视觉伺服机器人系统研究

介绍了机器人视觉伺服的一般原理,按李雅普诺夫稳定性方法推导出了模型无关的无标定视觉伺服控制律,给出了图像雅可比矩阵的递推公式,并将算法加以改进使系统满足大范围渐近稳定。最后通过轨迹跟踪的仿真试验验证了摄像机固定和eye-in-hand两种结构下算法的正确性和有效性。

基于无标定视觉伺服机器人的运动物体跟踪

介绍机器人视觉伺服的一般原理,然后选取图像的全局特征描述子-图像矩来描述图像的特征信息,推导出基于图像矩特征的图像雅可比矩阵,并按李雅普诺夫稳定性方法推导出模型无关的无定标视觉伺服控制律。最后通过运动物体轨迹跟踪的仿真试验,验证了摄像机固定和eye-in-hand两种结构下算法的正确性和有效性。

机器人在轨装配无标定视觉伺服对准方法

针对在轨装配过程中机器人"手眼"关系无法进行有效标定及机器人系统和被操作物惯性参数不定的情况,在传统的无标定视觉伺服基础上设计了深度估计器,基于机器人和图像运动的测量数据在线估计目标特征的深度值,并在机器人关节控制环中设计滑模控制器实时控制机器人关节运动,根据反馈图像信息纠正系统误差完成对准跟踪,通过仿真验证了方法的有效性。所提的无标定视觉伺服对准方法使机器人在装配过程中免去了复杂的"手眼"关系的标定程序,克服了机器人系统及被操作物惯性参数不确定性给装配精度造成的影响,提高了"手眼协调"的鲁棒性,保证机器人能够在复杂的太空环境下完成在轨装配任务。

不需要标定系统模型的“眼在手上”视觉伺服控制技术

工业实践中不可能精确地标定摄像机和机器人模型,但当前的视觉伺服控制都需要标定系统模型.针对这一现象,提出一种新颖的、能应用于"眼在手上"视觉伺服控制结构的动态无标定的视觉伺服控制算法,无需标定摄像机和机器人运动学模型即可跟踪运动物体,通过将非线性目标函数最小化,以视觉信息跟踪动态图像.针对目前视觉伺服控制系统中"眼在手上"系统的复合雅克比矩阵随每个时间增量的变化无法计算的现象,提出了对每一时间增量时刻的图像雅克比矩阵的变化做出估计的方法,仿真实验证明了上述方法的正确性和有效性.

基于图像的无标定视觉伺服系统

传统的机器人视觉伺服大都是基于系统标定技术的。但是在实际工厂条件下,复杂的工况常常使得无法进行有效的标定,且标定技术对于环境十分敏感,标定精度对于系统最终性能有很大影响。因此,本文在总结当前基于图像无标定机器人视觉伺服研究的基础上,搭建机器视觉伺服平台,设计视觉伺服软件系统。运用图像雅克比在线估计方法,在核心问题雅克比矩阵估计上,采用动态拟牛顿算法,模拟逼近图像雅克比矩阵,进行视觉反馈。并将无标定视觉伺服系统应用于UR机器人,使机器人的智能抓取免去了复杂的标定程序,克服了原视觉系统的不确定因素,提高了机器人视觉系统的鲁棒性,扩大了工业机器人的应用范围。