鲁棒卡尔曼滤波下的图像雅可比矩阵带时延补偿的估计

传统的图像雅可比矩阵估计的方法没有考虑时延因素,因此具有较大的估计误差.为补偿时延带来的影响,提出一种鲁棒卡尔曼滤波的方法,实现时延情况下当前时刻特征点在图像空间中位置和速度的估计,进而得到时延情况下较为准确的图像雅可比矩阵的估值.具体说,特征点在图像空间中当前时刻位置和速度是首先用卡尔曼滤波的方法估计的,但观测噪声的描述却采用了马尔科夫链模型,由此产生了过程噪声和观测噪声的互相关,传统卡尔曼滤波受限.为此,我们引入滤波修正向量并重新定义过程方程及观测方程,结合卡尔曼滤波中噪声的数学特性,得到滤波修正向量消除互相关性,从而构建出鲁棒卡尔曼滤波模型;其次,针对鲁棒卡尔曼滤波模型中存在的无法获得时延期间的观测向量的问题,提出利用多项式拟合出这部分观测向量,该多项式的选取综合考虑了特征点的位置、速度、加速度、加速度的变化率对于特征点轨迹的影响,与实际情况相符;最后,由预测出的当前时刻特征点在图像空间中的位置和速度,实现时延情况下图像雅可比矩阵较为准确的估计.仿真和实验结果验证了本文方法的可行性和优越性.

图像雅可比矩阵伪逆估计在视觉伺服中的应用

在一般无标定视觉伺服算法的基础上,提出了一种基于递推最小二乘法估计图像雅可比矩阵伪逆的无标定视觉伺服算法.这种方法无需计算雅可比矩阵伪逆.针对固定目标,文中给出了比例控制算法的稳定性条件.针对运动目标,推导了基于图像雅可比矩阵伪逆估计的伪高斯—牛顿视觉伺服算法和信任区视觉伺服算法.最后,仿真验证了三种视觉伺服算法的有效性.

基于Broyden在线图像雅可比矩阵辨识的视觉伺服

为了在显微视觉中进行无标定的视觉伺服任务,提出了一种基于切比雪夫多项式构成成本函数的Broyden图像雅可比矩阵估计方法.比较了由递归最小二乘算法构成成本函数和由切比雪夫多项式算法构成成本函数的特点,在不依赖先验知识的情况下,切比雪夫多项式算法构成成本函数的Broyden图像雅可比矩阵估计方法有较好的收敛速度和系统性能.对多个微小目标物体和末端执行器应用了模糊C均值聚类进行分类与识别,然后根据得到的图像雅可比矩阵辨识器,在显微视觉环境下进行了微小物体的跟踪实验,仿真和实验验证了算法的有效性和可行性.

带有时延补偿的图像雅可比矩阵估计方法

提出一种新的带有时延补偿的图像雅可比矩阵在线估计方法,用于存在时延的无标定视觉伺服系统.传统的图像雅可比矩阵估计方法没有考虑时延影响,从而产生较大的估计误差.为了补偿时延,本文采用局部拟合方法估计图像雅可比矩阵,以获得当前时刻更准确的图像雅可比矩阵估值,并可对图像预补偿.本文以无标定的移动机器人和视觉传感器为实验对象,仿真和实验表明该方法改善了系统的动态性能,减小了稳态误差,从而验证带有时延补偿的图像雅可比矩阵估计方法的可行性和有效性.

基于图像雅可比矩阵的智能机器人视觉跟踪

根据智能机器人视觉伺服的要求,建立了固定眼结构的MOTOMANSV3XL型工业机器人无标定视觉伺服系统.研究了目前在机器人视觉伺服研究领域中使用最为广泛的一类方法,即基于图像雅可比矩阵的方法.针对图像雅可比矩阵的特点,设计了一种基于简化SageHusa自适应滤波的图像雅可比矩阵在线估计算法,并将其应用于机器人视觉反馈控制任务中,实现了对二维平面上运动目标的跟踪,实验结果表明了该算法的有效性.

基于模糊自适应Kalman滤波的机械手动态图像雅可比矩阵辨识

提出了一种改进的基于模糊自适应Kalman滤波的动态图像雅可比矩阵辨识方法。该方法在机器人参数和滤波参数未知而且视觉成像模型动态变化的情况下,通过模糊逻辑自适应控制器在线监测滤波残差均值和残差协方差误差,对过程噪声参数Q和量测噪声参数R进行自适应调节,实现了未知环境下动态图像雅可比矩阵的稳定辨识。通过微装配机械手运动实验验证了该方法的有效性。

具有一种新的图像雅可比矩阵估计方法的无定标视觉伺服(英文)

对于基于图像的具有手眼或固定摄像机模式的视觉伺服,考虑机器人的运动学及动力学特性,在摄像机的内外参数未知的情况下,提出了一种直接自适应控制方案实现位置控制或轨迹跟踪;利用矩阵变换的方法使得图像雅可比矩阵的组成元素线性地出现在闭环动力学方程中,从而设计了一种新的自适应估计方法在线估计图像雅可比矩阵;利用李亚普诺夫的方法证明了图像误差的渐近收敛性。仿真结果验证了该方法的有效性。

带时延补偿的图像雅可比矩阵在线估计方法

传统的在线估计图像雅可比矩阵的方法没有考虑时延因素,因此具有较大的估计误差。为了补偿时间延迟,提出一种新的带时延补偿的图像雅可比矩阵估计方法。该方法利用卡尔曼滤波估计特征点在图像空间中当前时刻的位置和速度,进而计算当前时刻较为准确的图像雅可比矩阵估计值。仿真和实验结果表明,该方法显著地提高了系统的性能,从而验证了提出的带时延补偿的图像雅可比矩阵在线估计方法的可行性和优越性。

基于图像雅可比矩阵的机器人视觉/力控制

在实际的接触型作业任务中,需要在控制位置的同时,控制末端执行器与环境之间的接触力。针对这一问题,首先通过力反馈信息对未知环境中的法线方向进行估计,然后设计了一种基于模糊自适应Kalman滤波的动态图像雅可比矩阵辨识方法,并将其应用于机器人视觉反馈控制任务中。最后提出视觉/力混合控制算法,在该算法中给出了视觉/力混合控制的约束条件,对视觉采用变结构控制器,力控制采用PI控制器。仿真结果表明,该策略具有较高的力控制精度和曲线跟踪能力。

基于鲁棒信息滤波器的图像雅可比矩阵在线估计

针对现有的图像雅可比矩阵无标定求解方法,分析了基于Kalman滤波、模糊自适应Kalman滤波和粒子滤波的图像雅可比矩阵在线估计的优缺点。为了进一步提高未知环境下的系统估计精度,选择基于滤波理论的估计框架,对系统模型进行调整,用鲁棒信息滤波器在线估计图像雅可比矩阵,该滤波算法对任意分布的有界噪声都具有较强的鲁棒性。仿真和实验结果表明,在未知系统噪声的情况下,该算法仍可以实现图像雅可比矩阵的精确估计。

基于图像雅可比矩阵的无标定二维运动跟踪

研究无标定视觉导引机械臂完成二维平面运动目标精确跟踪的问题。系统的视觉部分采用固定全局视觉与手上局部视觉相结合的方式,拓展了系统的观察能力,使系统能同时实现大范围的运动跟踪和精确的小范围跟踪。根据两种视觉的特点,在全局视觉反馈中使用最优反馈控制,而在手上视觉反馈中使用PI控制。通过分析图像雅可比矩阵的解析表达式以及跟踪过程中的变化规律,提出一种利用机器人已完成的跟踪运动在线辨识雅可比矩阵的方法,避免了传统估计方法引入冗余试探运动对系统动态性能的影响。仿真和实验检验了本方法的性能。

图像反馈机器人视觉伺服系统仿真

机器人视觉伺服系统的研究是机器人领域中的重要内容之一,其研究成果可以直接用于机器人自动避障、轨线跟踪和运动目标跟踪等问题中。分析了基于图像雅克比矩阵的机器人视觉伺服方法的基本原理,通过创建子系统(Sub-system)使得Matlab和Simulink有机结合,基于机器人Matlab仿真工具箱(Robotics Toolbox for Matlab)实现了六自由度Motoman-SV3工业机器人图像反馈视觉伺服系统的Simulink模型。采用该模型进行了机器人跟踪三维空间螺旋运动目标的仿真实验,结果验证了该方法的有效性。

基于图像矩的运动目标3D平动视觉跟踪

区别于图像的简单几何特征 ,本文利用图像的全局特征描述子 -图像矩特征作为图像特征信息 ,实现了基于图像的运动目标 3D平动的视觉跟踪 .针对任务要求 ,本文选取了一组矩特征用以完成任务 .基于所选的矩 ,本文给出了矩特征变化量与相对位姿变化量之间的关系矩阵 ,即图像雅可比矩阵 ,然后利用所推导的图像雅可比矩阵 ,设计了由图像反馈与目标运动自适应补偿组成的视觉伺服控制器 ,实现了在未知目标成 -深度及摄像机焦距的情况下对运动目标的 3D平动跟踪 .

基于图像的PUMA560机器人视觉伺服系统仿真

采用基于图像的视觉伺服方法,基于机器人仿真工具箱(Robotics Toolbox for Matlab),在Matlab/Simulink环境下,运用子系统建立了基于图像的六自由度PUMA560机器人视觉伺服仿真模型。通过仿真试验,其结果表明所构建的机器人视觉伺服系统对于静态的目标定位能够达到较快的响应和较高的精度。

基于图像的机器人视觉伺服控制

介绍了基于图像的机器人视觉伺服原理和基本实现方法,详细阐述了图像特征提取和视觉伺服控制器设计中所面临的问题及其解决办法,并展望了未来的发展方向。

基于图像特征偏差的姿态调整策略研究

为了实现对泡沫柱空间姿态的调整,研究了基于双路视觉的泡沫柱空间位姿调整策略,建立了系统的运动学模型,在此基础上,提出了基于图像特征偏差的位姿调整策略。在仿真分析中,推导了基于Broyden方法的图像雅可比矩阵在线估计方程,建立了系统的运动学模型与视觉成像模型,设计采用了比例控制器。仿真结果表明,采用的图像雅可比矩阵估计方法可以很好地跟踪目标图像特征,图像特征偏差可以快速收敛到设定要求。

基于图像矩的眼注视研究

利用图像的全局特征描述子—图像矩特征作为图像特征信息 ,从而构成视觉伺服 ,实现对动目标的注视跟踪 .俯仰由末端执行器完成 .摇摆由腰的旋转完成 .最后给出了实验结果 ,表明了矩特征的有效性以及五自由度机器人实现注视跟踪的可能性 .

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。

基于图像的机器人视觉伺服系统

本文研究了手部摄像机视觉机器人的控制问题。采用了基于图像的视觉伺服控制方法,直接利用图像特征来控制机器人运动。通过动态估算图像雅可比矩阵来代替实际的雅可比矩阵,避开了求解机器人逆运动学方程和繁琐的标定工作。

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。