视觉伺服系统课程论文.docxVIP

视觉伺服系统摘要：本文首先视觉伺服的发展进行了综合了解，简单介绍了其几种分类方式，主要介绍了基于位置和图像的两种视觉伺服系统，并对两者进行比较，然后详细介绍了视觉伺服系统中的两个关键任务：目标物体的图像获取与处理，他是视觉伺服系统运动规划的前提；采用BP神经网络的控制方法设计视觉伺服控制器，最后简述了视觉伺服系统的几种发展趋势。关键词：视觉伺服 图像处理 BP神经网络 视觉控制器visual servo systemAbstract: This paper first presents comprehensive information of the development of visual servo, and introduces different classification methods, mainly introduce image-based and position-based visual servo system, and compare the difference between this two system, then introduce two key tasks of visual servo system: image acquisition and processing, it is the peomise of the motion planning principle to the robot visual servo system; design the visual servo controller using BP neural network. Finally, sketch several development tendency about visual servo system.Key words: visual servo image processing BP neural network visual servo controller1视觉伺服系统综述1.1视觉伺服的发展历程视觉作为人类最主要的信息器官，为人类提供了多达80%以上的外部信息，视觉也被认为是机器人最主要的感知能力。视觉传感器为机器人提供了十分丰富的外界信息，在不需要传感器的运动及物体无任何接触的情况下，就可以达到对环境和目标的识别，这是其他传感器难以做到的，因此机器人视觉是机器人智能化的一个主要研究方向，对他进行研究具有重大意义。机器人视觉是上个世纪60年代末随着计算机及电子技术的快速发展而产生的。1968 年，美国斯坦福人工智能实验室的麦卡锡等人研制了带有眼、耳等“感知器官”的机械手系统，他们给机械手装上摄像头和拾音器，在主控计算机的控制下，表演了一套能够“看见”散放在桌面上的方块、识别语音命令以及按计算机指令进行操作的系统[1]。到了70 年代，图像处理技术有了飞速的发展，并且能初步获取目标物体的深度信息，使得识别物体的精度更高。当时的研究工作虽然进展很快，但却只停留在理论研究，无法用于实际。这是因为视觉系统的信息量巨大，用来处理这些信息的硬件系统也相当庞大，且处理速度较低，图像处理时间过长[2]。1973年，Shirai和Inoue提出了利用视觉反馈估算机器人位置来提高任务精度的观点[3]，他们采用的方法是：首先获得目标物体的实际位置和期望位置的误差量，然后再驱动机械臂运动，缩小误差量。这是一种开环控制模式。之后，Hill和Park提出了“视觉伺服(visual servoing)”的概念，他们在系统中完全采用视觉反馈闭环控制方案来提高系统的整体精度。为了使现代工业机器人能适用于更为复杂的工作，如焊缝跟踪、物体的精确放置，这种基于视觉信息的机器人控制方法吸引了众人的关注。到了80年代后期，计算机处理速度以级数状态飞快发展，图像处理软硬件和CCD摄像头也随之迅速发展，为机器人视觉伺服研究提供了坚实的基础。在过去的十几年里，机器人视觉控制无论是在理论方面还是在应用方面都有了很大进步，其研究工作也转向为视觉伺服系统结构、快速有效的图像处理算法以及视觉伺服控制器的设计等几个主要方面。1.2 视觉伺服系统的分类根据摄像机放置的位置、使用的摄像机数码以及系统反馈信息类型的不同，视觉伺服系统通常可以分为以下几类：根据摄像机放置位置的不同，可分为眼在手上系统和 Eye-to-Hand系统；根据使用的摄像机数目的不同，可分为单目、双目和多目视觉伺服系统；根据系统反馈信号类型的不同，可分为基于位置的视觉伺服系统、基于图像的视觉伺服系统以及混合视觉伺服系统[4]。1.2.1基于位置的视觉伺服系统基于图像的视觉伺服系统，其伺服误差直接定义在图像特征空间，即摄像机观察到的特征信息直接用于反馈，不需要对三维姿态进行估