机器人视觉伺服研究进展

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 。

基于图像的机器人视觉伺服免疫控制

视觉传感器的引入增加了机器人对周围环境的自适应性,拓宽了机器人的应用领域。可以预见,具有视觉的智能机器人将得到越来越广泛的应用。本文根据机器人视觉伺服控制系统的特性利用图像雅可比矩阵的伪逆和免疫控制原理设计了视觉控制器,并将之应用于机器人视觉伺服控制中。两连杆机器人平面视觉跟踪控制仿真结果表明在控制系统的动态调节过程中,PI型免疫控制器的免疫反馈机制能使偏差迅速消除,控制性能优于常规的PID控制器。

开环和开闭环结合的机器人视觉伺服

为尽量减小视觉系统采样频率低对视觉伺服动态性能的影响,提出了视觉开环的机器人视觉系统,仅进行一次视觉采样,分析了系统的鲁棒性,并在二自由度机械手上进行了仿真实验研究,0.2秒就完成了调节过程;为进一步提高系统的鲁棒性和消除稳态误差,提出了开闭环结合的视觉伺服系统,仿真结果证明了该方法的有效性。

基于网络直角坐标机器人视觉伺服系统研究

为了实现定位抓取任务,提出基于网络的直角坐标机器人视觉控制系统。针对机器人运动控制的非线性与强耦合特性,采用神经网络控制器,构建了图像偏差与运动控制量之间的对应关系。通过对图像增强、边缘提取、特征提取等图像处理方法的综合分析,提出了一套优化组合图像处理法。在计算机网络环境下,采用自定义协议实现图像处理器与运动控制器协调控制,并将远程监控应用到机器人控制中。实验结果表明,该系统能够在视野范围内自动实现定位抓取动作。

基于单应性矩阵的机器人视觉伺服系统研究

针对在视觉伺服过程中采用图像雅克比矩阵方法时遇到的对目标深度信息的求取等问题,并为了进一步扩大机器人的运动空间,设计了一种基于单应性矩阵的视觉控制器应用于视觉伺服控制系统。通过摄像机针孔模型求解出该单应性矩阵后,对其进行了奇异值分解,得到了机器人控制器的输入,从而实现了对机器人的控制;该控制策略运用Matlab/Simulink仿真软件,并结合在机器人学领域中被广泛采用的机器人工具箱,构建了基于图像的视觉伺服系统仿真模型,并选取一长方体表面上的4个角点作为目标物体进行了仿真抓取实验。研究结果表明,该视觉控制器使整个控制系统具有较强的稳态特性和较高的控制精度,图像特征点从当前位置运动到了期望位置,误差最终收敛于零,具有较好的控制效果。

机器人视觉伺服的发展现状

本文介绍了视觉伺服系统的基本结构和3种机器人视觉伺服策略,本文对机器人视觉伺服的主要问题进行了分析和探讨,并对机器人视觉伺服的未来研究方向进行了展望。随着机器人技术的持续发展,机器人在众多领域发挥作用,为了探索变化的环境,确定自身定位、地图构建、独自搜索等任务,通常把传感器安装于机器人身上,以便快速获取外部信息。

基于bp神经网络的机器人视觉伺服探究

本文通过阐述机器人视觉伺服控制系统的结构和系统的分类，研究了机器人视觉伺服控制系统的主要工作内容，对于智能控制中的bp神经网络的学习，有针对性的结合机器人视觉伺服控制进行了探究。

视觉伺服移动机器人中的图像处理研究

从机器人彩色视觉的形成机理入手 ,分析了影响视觉的主要因素 ,其中包括光照条件与成像元件等 ,设计了一种基于知识融合的视觉图像处理方法 ,将其应用于机器人的彩色视觉后 ,增加了机器人视觉系统的鲁棒性 .研究表明 ,该方法可以在环境光场有变化或光场分布不均匀的情况下快速、准确地计算出移动机器人的位置与姿态 ,定位误差不超过 4× 4的像素点范围 ,角度误差在±2° ,因此满足了视觉伺服系统性能指标的要求 .

基于无标定的机器人平面运动物体跟踪伺服系统研究

在未标定摄像机模型和机器人手眼关系的情况下,针对"眼在手"型机器人视觉伺服系统,采用基于位置的控制方法,提出了一种简易实用的无标定算法,采用PD控制实现了平面运动物体的跟踪,通过仿真和试验验证了该方法的有效性和可靠性。

基于动力学不确定性的视觉伺服机器人控制

针对视觉伺服机器人系统中存在的动力学不确定性的问题,提出了一种基于动态补偿与摩擦力补偿的自适应鲁棒控制方案。该方案创新性在于将图像平面上的输出信号反馈至关节空间,结合动力学模型的参数线性化性质设计自适应算法在线标定不确定的动力学参数,同时无需测量摩擦力,通过设计自适应鲁棒项在线预估摩擦力。通过李亚普洛夫稳定性分析工具能证明提出的控制方案可以全局镇定闭环系统,同时实现精确的图像轨迹跟踪。仿真结果表明了所提出的自适应鲁棒控制方法的有效性。

基于2D重构特征的模型化视觉伺服方法研究

针对传统基于图像的视觉伺服在处理摄像机退化等方面存在的不足,研究了融合三维特征与二维特征的图像视觉伺服方法。通过在经典IBVS(Image based visual servoing)控制结构基础上,将二维图像特征重构为三维特征,建立了模型化的3D特征机器人视觉伺服控制模型,并通过Simulink等仿真工具,分析比较了2种方法在图像空间和笛卡尔空间的空间运动特性,试验结果证实了方法的可行性和有效性。

基于稀疏表示的视觉机器人运动目标跟踪研究

针对分类器学习常常面临高维数据的问题,借助稀疏表示理论对目标样本多尺度Harr特征进行数据降维,构建朴素贝叶斯分类器进行目标正负样本的学习和更新,选择具有最大分类器响应值的样本作为目标的当前状态,实现了对运动目标的快速而有效的跟踪。实验结果表明该方法适用于机器人运动目标跟踪,在提高实时性的同时能保持一定的鲁棒性。

存在驱动饱和约束下的机器人时间最优实时运动规划研究

本文针对存在驱动饱和约束条件下的视觉伺服机器人 ,提出了一种时间最优实时运动规划方法 .该方法根据驱动电机的机械特性和运行状态 ,判断电机的驱动潜力 ,采用自适应模糊逻辑规则实时地调节机器人运动速度 ,在不考虑奇异点等其它因素下实现时间最优运动规划 .

交互式多模型算法在机器人目标跟踪中的应用

将交互式多模型(IMM)算法应用于视觉伺服机器人对机动目标的跟踪。使用匀速运动(CV)和匀加速运动(CA)模型表示目标的两种运动状态,利用马尔可夫链进行模型切换,根据目标前一时刻的状态和当前的观测值,预测目标当前的状态。在Matlab上对IMM滤波算法和Kalman滤波算法进行了仿真实验研究,结果表明,不管目标处于何种运动状态,IMM算法估计量的误差均值都比Kalman滤波算法的误差均值小,尤以目标作机动运动时更为突出,证明了应用IMM算法可以提高跟踪机动目标的精度。

基于视觉的机器人滚动时域位姿估计

针对机器人视觉伺服中的位姿估计问题,提出了一种基于滚动时域优化的位姿估计方法.根据基于位置的视觉伺服结构以及相机投影模型给出了特征点的坐标变换,建立具有特征点丢失下的运动学离散时间模型.采用滚动优化策略,通过最小化位姿误差代价函数设计了最优位姿估计器,并给出了次优滚动时域位姿估计器设计方法以提高计算效率.进一步,证明了最优估计器和次优估计器的估计误差上界收敛.最后,通过仿真对比验证了文章所提算法的有效性和优越性.

基于粒子滤波的雅可比矩阵在线估计技术

研究基于图像的机器人视觉伺服技术中雅可比矩阵的在线估计方法.以雅可比矩阵的元素构成系统状态向量,将问题转化为对系统的状态估计问题.引入非线性非高斯系统的粒子滤波算法,在该算法的框架下在线估计图像雅可比矩阵.以非高斯环境下二自由度机械手跟踪运动目标这一应用背景为例,分别对新提出方法与已有基于Kalman滤波的估计方法进行了实验比较.结果证明,前者具有更高的估计精度和更强的鲁棒性,基于粒子滤波的方法不仅可以避免系统标定,而且对系统噪声的类型没有具体要求.

基于遗传算法的运动图像的实时处理

提出了一种用于机器人手臂实时视觉伺服的运动图像实时处理的方法。这种方法采用全局遗传算法 /局部遗传算法以及未经处理的原始图像对一个已知模型的运动目标物体进行识别。在 GA处理的过程中 ,适应度函数的计算是基于表面—条纹模型作为目标物体模型 ,并且同时采用全局遗传算法和局部遗传算法来识别物体的形状及检测位置与方向 ,提高了 GA的收敛速度 ,并得到了良好的识别结果。还采用一个三角形的物体为目标 ,对所提出的方法进行了仿真试验 。

Robust visual servoing based Chinese calligraphy on a humanoid robot

A robust visual servoing system is investigated on a humanoid robot which grasps a brush in Chinese calligraphy task.The system is implemented based on uncalibrated visual servoing controller utilizing Kalman-Bucy filter,with the help of an object detector by continuously adaptive MeanShift(CAMShift) algorithm.Under this control scheme,a humanoid robot can satisfactorily grasp a brush without system modeling.The proposed method is shown to be robust and effective through a Chinese calligraphy task on a NAO robot.