基于神经网络机器人视觉伺服研究.pdfVIP

第26卷 计算机应用 V01．26 2006年12月 ComputerApplications Dec．2006 文苹编号：100l一9081(2006)12z一02ll—03 基于神经网络的机器人视觉伺服研究 刘晓玉，方康玲 (武汉科技大学信息科学与工程学院，湖北武汉430081) (1iu—autumn@sina．com) 摘要：介绍了神经网络在机器人视觉伺服控制中的研究现状，详细讨论了神经网络输入输出数 据的选择、网络结构的选择以及网络学习算法的选择等问题。针对神经网络视觉伺服控制器设计中 存在的网络学习速度和精度的矛盾、网络的局部性和收敛性等问题展开讨论，并总结目前的解决办 法。最后指出今后可能的研究方向。 关键词：机器人；视觉伺服；神经网络 中图分类号：吼42；吼73文献标识码：A 相比之下，神经网络输出的选择余地则小得多，一般取决 O 引言 于机器人所能接受的指令信号，如机械手的末端或各关节的 机器人视觉伺服就是在传统机器人伺服控制的基础上再 位置或速度。值得一提的是，若神经网络的输出直接选择机 引入视觉反馈信息，以观察机器人的控制效果或工作环境的 械手各关节的控制量，则由机械手末端到关节的逆运动学转 变化(如目标物体外型或运动状态的变化)，并据此给出机器 换也可以省去，这对于机器人标定未知、不准或变动的情况是 人的控制指令，从而提高机器人的控制精度或自治能力¨．zJ。 非常适合的¨“。 在已有成熟的机器人本体控制器的前提条件下，视觉伺服控 1．2神经网络结构的选择 制器的设计就成为整个系统实现的关键。而要设计视觉伺服 一般机器人伺服控制内环的速度相当快(通常是微秒 控制器也就是要找出图像空间到机器人工作空间(笛卡儿空 级)，而视觉伺服外环由于受摄像机、图像采集卡等硬件和图 间)的映射关系。目前，这种映射关系多用一种称为图像雅 像处理、视觉伺服算法等因素的影响，执行速度相对较慢(通 可比矩阵的时变非线性矩阵表示，其求取离不开摄像机的标 常是毫秒级)。所以如何提高视觉伺服的速度就成为机器人 定。但在机器人的实时操作中，由于摄像机与目标工件或机 实时控制的主要问题之一。将神经网络用于伺服控制，虽然 器人的相对位置在实时变化，摄像机标定是非常困难且耗时。 神经网络的并行处理机制能提高伺服控制器的速度，但神经 为此，越来越多的研究趋向于寻找无标定的视觉伺服控制方 网络的计算速度与网络的复杂性和精度成反比，即，要想有快 法口J。其中，神经网络因其良好的非线性逼近特性和自适 的计算速度，神经网络的结构就不能过于复杂，但这样网络的 应、自学习能力而成为机器人视觉伺服的研究热点。 精度有可能难以保证。所以神经网络结构的选择要综合考虑 对网络精度和速度的要求。 1 基于神经网络的机器人视觉伺服控制器设计 目前用于机器人视觉伺服控制的神经网络多为相对简单 HechtNidson 1．1神经网络输入输出数据的选择 的三层BP(反向传播)网p川。1989年Robert 在各种机器人视觉伺服系统中，根据系统硬件配置和操 证明了这种只有一个隐层的BP神经网络可以逼近任何在闭 作任务的不同，神经网络所要逼近的映射关系有所不同，相应 区间上的连续函数，所以完全可以用来完成从图像空间到机 选取的输入输出对也不尽相同。工业机器人典型的操作有对 器人工作空间的复杂非线性映射¨…。