基于单目Eye成n一日and的机械手视觉伺服控制.pdfVIP

第3章 基于单目Eye一ni一nad的机械手视觉伺服控制 第3章 基于单目Eye成n一日and的机械手视觉伺服控制 本章主要研究基于单目eye一in一hand配置下的机械手视觉伺服控制，为 后续的基于多摄像机的机械手视觉伺服控制提供基础。主要讨论了基于 yee一in一hand (眼在手上)配置下的图像雅可比矩阵和基于任务函数方法的机 械手视觉伺服控制算法，分别在深度已知和深度未知的情况下，利用该方 法实现了机械手对 ZD平面内物体的定位，探讨了深度信息在图像雅可比 矩阵中的重要作用，接着，在当前位置和目标位置之间存在有旋转分量的 情况下，对比了单一的基于任务函数方法和带有旋转误差估计的任务函数 方法的视觉伺服定位性能，仿真实验结果表明该方法是行之有效的。 3.1 引言 在传统方法中，视觉感知和操作是以开环的形式组合在一起的，在感 知完成以后，才进行机械手的运动，操作的精度完全取决于摄像机和机械 手的精度以及控制器的优劣。提高这些子系统精度的方法就是采用视觉反 馈控制，即视觉伺服控制。 机械手视觉伺服控制与传统的基于视觉的分层递阶控制有很大的不同， Pete:corke 给予了相应的描述801【，如图3一0所示。在分层递阶控制系统中，级别 越高，数据表达就越抽象，在最高的任务层中，能够对任务进行推理，一般采用 oIko一htne一mvoe的控制方法，首先，采用双目立体视觉或激光测距来判断目标位 置和抓取位置，接着，是一系列运动的规划与执行。而视觉伺服控制只在较低的 任务层上处理视觉信息，通过简单的图像处理和特征提取就能产生对机械手的控 制。 如前所述，根据摄像机在视觉伺服控制中的安装位置，可以将视觉伺服分 为:eye一in一hnad和yee一to一halld两种配置。根据摄像机的数目，可以将视觉伺服 控制分为:单目，双目和多目视觉等。根据视觉信息在视觉伺服控制中的应用方 式，可以将视觉伺服分为:基于位置的视觉伺服控制和基于图像的视觉伺服控制。 基于位置的视觉伺服控制z，[4，‘82，831需要实时计算物体的位置和方位 (即， 姿态)，并根据这些信息产生机械手末端执行器的轨迹。 第3章 基于单目Eye一in--彻nd的机械手视觉伺服控制 图3一0视觉伺服拉制与基于视觉的分层递阶控制之间的对比 Aleln等件】在‘运动物体跟踪实验中，采用Q一目一Y滤波器预测机械手末 端执行器的位置。westmore和wilson[82]采用Kalman滤波器预测摄像机和 物体之间的位置和方位。Koivo和Huoshnasi[’41采用自回归预测器对物体 的位置进行预测，并采用自校正控制器完成对物体的抓取。 基于图像的视觉伺服由weiss等83[1提出，随后，许多学者对这一方法 进行了研究。基于图像的视觉伺服控制直接利用视觉传感器的输出对末端 执行器的轨迹进行控制。Feddema等1[6]l’7〕研究了特征点的选取方法，避 免使图像雅可比矩阵产生奇异。chuamette等v9[，8]‘引入了任务函数的概念。 3.2 基于单目Eye一in一hand配置下的图像雅可比矩阵 基于图像的视觉伺服(Image一BasedVisualservoing)又叫做基于特征 的视觉伺服(Feature一BasedVisualservoing)，其控制量是目标物体的图像 特征，通过控制机械手的运动使得图像特征到达理想的位置。摄像机在机 器人配置空间中的运动和图像特征点在像平面上的运动之间的关系用一 个Jaocbina矩阵来表示，称之为图像Jacobina。该矩阵将摄像机的运动变 换为特征点的运动，因为特征点和摄像机的运动分别可以用二维和六维矢 量来表示，所以图像 Jacboain矩阵是一 卜2x6的矩阵。因此，为了能够 第3章 基于单目Ey--ein一Hnad的机械手视觉伺服控制 得到摄像机运动的唯一解，理论上需要至少三个不能共线图像特征点，但 研究表明在三个特征点的情况下，存在两种奇异配置:)1三个特征点共线; 2)三个特征点在一个圆柱面上，而摄像机的光轴与该圆柱面的轴线重合 2l[，”]。如果图像特征点的数目大于4，可以通过广义逆矩阵的方法得到满 足最小二乘法的解。仿真和实验表明基于位置的视觉伺服在存在噪声的情 况下不稳定，容易发生特征点脱离视场的现象，而基于图像的视觉伺服对 量化误差和测量误差不敏感，主要原因是:当机械手向图像特征点误