基于图像的视觉控制.docx

4.2基于图像的视觉控制基于图像的视觉控制，直接利用图像特征对机器人进行。控制器的给定是目标的图像特征，利用视觉测量目标的当前图像特征作为反馈，以图像特征的偏差控制机器人的运动。如果根据图像特征的偏差直接对机器人的关节运动速度进行控制，构成的控制系统称为基于图像的视觉伺服控制，否则，构成的控制系统称为基于图像的视觉控制。4.2.1 基于图像特征的视觉控制下面以操作阀门为例，针对Eye-in-Hand结构的视觉系统，说明基于图像的视觉控制。图4-9为机器人操作阀门示意图。在阀门上，利用色标作为阀门标记和手柄标记。其中，用正方形红色色标作为阀门标记，长方形绿色色标作为手柄标记。机械手末端装有抓手，抓手具有闭合和松开两个位置。抓手与机械手末端之间装有腕力传感器和微型摄像机。腕力传感器用于测量机械手腕部的力和力矩，微型摄像机用手引导机械手的抓手抓取阀门手柄。微型摄像机的坐标系建立在其光轴中心处，Z轴取沿光轴到景物的方向，X轴取图像坐标水平增加的方向，Y轴取图像坐标垂直增加的方向。在安装摄像机时，通过调整摄像机的方向，使得抓手沿机械手末端坐标系的X轴平移时，在摄像机采集的目标图像中只有水平图像坐标变化，垂直图像坐标保持不变；抓手沿机械手末端坐标系的Y轴平移时，在摄像机采集的目标图像中只有垂直图像坐标变化，水平图像坐标保持不变。这样，可以是摄像机坐标系与机械手的末端坐标系具有相同的姿态。由于手柄标记的尺寸较小，而摄像机的镜头为广角镜头，在摄像机与阀门的距离较远时，手柄标记的图像区域很小，不易分辨。因此，将抓手对阀门趋近作业分为两个阶段：第一个阶段抓手距离阀门较远，通过视觉利用阀门标记对机械手的运动进行控制；第二个阶段抓手距阀门较近通过视觉利用手柄标记对机械手的运动进行控制。在基于图像的视觉控制中，对于上述两个阶段分别给出期望的图像特征。首先，利用手动控制将抓手移动到能够抓取到手柄的位置，采集手柄标记图像作为第二阶段的期望图像，提取手柄标记的图像特征作为期望的图像特征。图4-10所示的手柄标记图像就是在抓手能够抓取到手柄时所采集的期望图像。将抓手移离手柄一定高度，使阀门标记和两个手柄标记均在摄像机视场中，并且能够较好地分辨出手柄标记。此时，采集阀门标记和手柄标记图像作为第一阶段的期望图像，提取阀门标记的图像特征作为期望的图像特征。由于机器人具有6个自由度，所以选取的图像特征至少为6个。在该任务中，选取的图像特征分别为：１）色标的质心坐标；２）色标的图像区域面积；３）色标主方向；４）沿主方向的梯形畸变；５）垂直于主方向的梯形畸变。其中，色标的质心坐标用于机械手沿X、Y轴方向的平移调整，色标的图像区域面积用于机械手沿Z轴方向的平移调整，色标主方向用于机械手绕Z轴方向的旋转调整，沿主方向的梯形畸变用于机械手绕X轴方向的旋转调整，垂直于主方向的梯形畸变用于机械手绕Y轴方向的旋转调整。在第一阶段，以两个手柄标记的连线作为阀门标记色标的主方向。在第二阶段，以手柄标记的长轴作为手柄标记色标的主方向。图4-11为绕坐标轴旋转所选取的图像特征示意图。在不同的摄像机姿态下，矩形成像后的图像为不同的四边形。例如，图4-10中期望图像的手柄标记是一个四边形。首先，利用Hotlling变换提取四边形的主特征向量。沿主特征向量方向，提取四边形上下两边的长度和，以两者之比作为绕X轴的旋转特征，见图4-11(a)。沿垂直于主特征向量方向，提取四边形左右两边的长度和，以两者之比作为绕Y轴的旋转特征，见图4-11(b)。主特征向量与X轴的夹角，作为绕Z轴的旋转特征，见图4-11(c)。(a)绕X轴旋转特征(b)绕Y轴旋转特征(c)绕Z轴旋转特征图4-11 绕坐标轴的旋转特征对于机器人末端的微分调整量，可以利用如式（4-1）所示的对应关系进行描述：　　，（4-1）式中：为末端的微分平移量；为末端的微分旋转量；为标记质心的期望图像坐标；为标记质心的实际图像坐标；为标记的期望图像面积；S为标记的视觉图像面积；为标记沿主方向的期望梯形畸变；为标记沿主方向的实际梯形畸变；为标记垂直于主方向的期望梯形畸变；为标记垂直于主方向的实际梯形畸变；为色标主方向与图像水平轴之间的期望夹角；为色标主方向与图像水平轴之间的实际夹角。由式（4-1）可以发现，当实际图像特征小于期望图像特征时，微分调整量大于0；当实际图像特征大于期望图像特征时，微分调整量小于0；当实际图像特征等于期望图像特征时，微分调整量为0。这只是说明，按照上述方式选取的图像特征能够反映目标的位姿，建立的微分调整量与图像特征的关系能够表征机器人末端的运动趋势。实际上，微分调整量与图像特征增量之间关系是非线性的，而且耦合性强，要比式（4-1）复杂得多。因此，在实际应用中，可以对式（4-1）中的6个微分调整量赋予不同的优先级，通过分布调整实