图像视觉伺服的无人机固定时间滑模控制

为提高四旋翼无人机对目标跟踪的动态性能和精度,结合图像视觉伺服(IBVS)提出一种新型非奇异固定时间滑模控制方法,实现了四旋翼无人机对速度指令和姿态指令的固定时间精确跟踪。首先通过透视投影建立虚拟图像平面,利用图像矩推导出虚拟平面的四旋翼无人机动力学模型。在此基础上,由固定时间稳定理论设计新型固定时间滑模面,给出了精确的收敛时间估算方法,分别结合四旋翼无人机动力学模型的位置环和姿态环设计了非奇异固定时间滑模控制器,并基于Lyapunov理论证明了系统的稳定性。数值仿真表明,所设计的控制器能避免无人机的超调问题并减小稳态误差,具有良好的鲁棒性。

逼近与跟踪空间翻滚目标的图像视觉伺服控制

在空间翻滚目标的最终逼近与跟踪任务段,追踪星对目标星的视觉相对导航会因进入盲区而失效,而基于间接相对导航的位置视觉伺服控制精度太差.针对该问题,基于图像视觉伺服思想,直接利用目标图像特征点坐标,建立了超近距离姿轨跟踪的成像运动模型,推导得到指数收敛的图像视觉伺服期望广义速度、相对位置估计修正量,进而引入基于双滑模面控制律的相对姿轨耦合控制闭环,从而提出了间接估计辅助的图像视觉伺服控制方法.数学仿真结果表明:该方法的相对位置和姿态控制精度显著提高,可为空间翻滚目标最终逼近与跟踪任务提供安全、准确、稳定的相对姿态和轨道条件.

基于极限学习机的未校准图像视觉伺服控制

解决非结构化环境中的机器人视觉伺服控制的主要问题是获得交互矩阵,而解决交互矩阵的常见问题是交互矩阵伪逆的奇异性问题。针对该问题,提出了一种新型的基于图像的视觉伺服控制方法,并采用增量式极限学习机解决图像雅可比矩阵的伪逆逼近问题。为提高系统的收敛速度,采用了具有自适应因子的速度改进控制器。最后,采用了六自由度机械手仿真,验证了所提出方法的有效性和优势,该算法提高了系统的鲁棒性,避免了计算雅可比矩阵的伪逆的问题。

基于图像视觉伺服的PDC控制方法

针对当前基于图像的视觉伺服(IBVS)方法难以处理系统约束以及局部渐进稳定等的问题,提出一种新的并行分布补偿(PDC)控制方法。首先,运用张量积(TP)模型变换将视觉伺服系统模型转换为线性时不变系统的凸组合形式;然后,根据并行分布补偿原理将视觉伺服系统的控制变量通过求解线性矩阵不等式的凸优化问题获得,其可行解保证视觉伺服系统的闭环渐进稳定性。该方法除了能够避免直接求解图像雅可比矩阵的逆而无需考虑图像奇异问题外,还易于处理系统约束,根据执行器的机械限制有效规划控制信号的强度。两自由度连杆系统的仿真结果验证了该方法的有效性。

基于任务分解的图像视觉伺服方法

传统的基于图像机器人视觉伺服方法,伺服任务包含绕光轴(z轴)旋转运动时,机械手的运动轨迹会出现迂回,旋转角度较大时无法实现伺服任务;有沿光轴平移运动分量时,由于图像雅可比矩阵包含深度信息,大多伺服算法无法实现。提出基于任务分解的视觉伺服切换方案,在四自由度伺服任务中,先将绕z轴旋转和沿z轴平移运动分离开来并分别顺序执行,再完成沿x轴和y轴平移的伺服任务。所提方案解决了传统视觉伺服旋转运动轨迹迂回甚至不能实现的问题,稳态误差小,运动路径合理。运动仿真说明了提出方案的有效性。

基于图像的移动机器人视觉伺服

为了更简便地将基于图像的视觉伺服运用于移动机器人,避免采用近似线性输入输出反馈控制模型中近似与假设的情况,提出了3种使用极线几何与三角几何相结合的方法,此类方法不需要预先知道三维场景的结构知识。实验仿真结果证明了该方法的有效性。

具有亚像素精度的冗余特征机器人视觉伺服控制

为克服机器人视觉伺服系统对位姿估算及标定精度的依赖性,结合前期特征识别和后期视觉伺服控制,提出基于冗余特征的机器人视觉伺服控制方法.首先,针对图像处理计算密集的问题,从加快特征提取运算速度考虑,研究了矢量数据的递归贪婪压缩算法;其次,从提高图像空间测量精度考虑,研究了基于向量正交性的亚像素特征提取方法,并结合合作目标形状,给出基于多边形形状拟合的目标识别实验性准则;最后,基于图像视觉伺服理论和任务函数方法,直接以具有亚像素级的冗余图像特征作为反馈信息,建立了机器人视觉伺服控制模型,并进行了视觉伺服验证试验.理论分析和实验结果表明,本文提出的视觉伺服控制方法能够在复杂的环境下快速稳定地提取伺服特征,并对标定误差和深度估计误差具有一定的鲁棒性.

弱标定冗余特征机器人视觉伺服方法研究

为克服机器人视觉伺服系统对标定精度的依赖性,提出一种弱标定条件下基于冗余特征的机器人视觉伺服控制方法.该方法无需3D重构,直接以冗余图像特征作为反馈信息建立伺服控制器.鲁棒的特征提取算法确保了伺服系统能够在复杂的环境快速稳定地提取伺服特征.针对图像视觉伺服系统中需具有足够敏感度的要求,结合视觉特征的前期处理,提出一种新的敏感性校验准则,提高了系统的敏感性以及对环境的适应性.试验分析结果表明,该方法对标定误差和深度估计误差具有鲁棒性.

基于视觉伺服的并联装填平台自动对准方法

针对导弹装填对准过程中发射装置位姿难以准确获得以及导弹位姿高精度控制需求等问题,提出基于视觉伺服的自动对准方法。将无标定的图像视觉伺服技术应用在六自由度并联装填平台上,建立了装填平台运动学模型,给出了自动对准流程,并进行仿真计算,实现了装填平台的姿态调整和自动对准过程。

采用全景相机的移动机器人视觉伺服

为了解决机器人上装置传统相机而产生的视野域有限的问题,采用了全景相机,并且针对采用近似线性输入输出反馈控制模型中近似与假设过多的情况,提出了一种使用极线几何与三角几何相结合的方法,更简便地实现基于图像的视觉伺服运用于移动机器人的情况。由于是基于图像的视觉伺服,该方法不需要预先知道三维场景的结构知识。实验仿真结果表明了该方法的有效性。

直线一级倒立摆的视觉伺服控制

把视觉引入倒立摆的控制中,建立了视觉伺服的倒立摆系统。利用针孔摄像机的成像几何模型建立与图像坐标有关的状态空间方程,采用基于图像的视觉伺服控制方法,对摆杆在像平面上的位置进行实时控制。在Matlab环境下用LQR(Linear Quadratic Regulator)和极点配置法进行仿真,对比仿真结果。验证了系统方程推导的正确性,以及控制算法的有效性。

基于卡尔曼滤波与解耦的视觉伺服控制

基于图像的视觉伺服机械臂控制是近几年来学者研究的热点,具有很高的应用价值。本文提出了一种基于卡尔曼滤波与解耦控制相结合的控制方法,并通过仿真验证了该方法的有效性。众所周知视觉伺服控制中机械臂做旋转运动时会导致图像平面上的特征点大范围运动,这样就很容易导致特征点跑出相机的视场从而导致视觉伺服失败。显然,对旋转所引起的特征点的变化进行一定的补偿,使旋转调节在合理的范围内,就可以使特征点保留在相机的视场内。

垂直起降无人机基于图像的目标跟踪控制

针对安装有惯性测量单元和摄像机的低成本四旋翼无人机,研究无位置、速度、航向测量情况下的机动目标基于图像的跟踪控制方法.首先,结合无人机的动力学方程在图像空间中推导了系统的误差方程.其次,为克服无航向测量的问题,设计了一种位置控制器,使用图像矩作为反馈输入并输出油门和姿态指令.最后,针对缺少图像速度测量问题,设计了一种super-twisting滑模观测器和控制器,生成的期望姿态和拉力指令无颤振,并通过李雅普诺夫理论证明了控制系统的稳定性.最终无人机通过调整倾斜姿态实现了跟踪飞行,且避免了响应慢的航向调整.跟踪机动目标的仿真结果验证了所提出方法的有效性.

基于BP神经网络的机器人视觉控制方法

利用BP神经网络实现了基于图像的机器人视觉伺服控制器,省略了计算图像雅可比矩阵和机器人雅可比矩阵的过程,简化了控制算法的计算,训练样本和测试样本取自RBT-6T/S04S机器人实际运动,设计6个BP神经网络来实现图像空间与机器人空间的非线性映射关系,仿真结果显示神经网络控制器具有良好的定位跟踪效果,在保证精度的条件下简化了算法。将训练好的神经网络控制器用于视觉伺服系统中引导机器人到达目标物体,达到了较好的效果。

复杂异形曲面自动建模图像矩视觉伺服定位控制

异形曲面目标的表面深度信息无法进行参数化表示,是难以建立矩特征交互矩阵的主要原因。提出一种利用目标轮廓深度信息直接构建矩特征交互矩阵的新方法,推导出传统图像矩交互矩阵的非参数化形式。考虑到传统矩特征视觉伺服定位过程的响应速度慢、收敛范围小,设计一种新型的深度矩作为视觉伺服的图像特征,并推导出其非参数化交互矩阵。采用最速下降法设计视觉伺服控制器,分析并比较两种矩特征视觉伺服控制方法在异形曲面定位过程的动态性能。结果表明,非参数化形式的传统矩交互矩阵和深度矩交互矩阵均有效,两种控制方法在初始偏差较小时是渐近稳定的。提出的深度矩视觉伺服方法与传统的矩特征视觉伺服相比,较为明显地改善了收敛速度和收敛范围。