- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于支持矢量机回归的机器人视觉系统定位精度.PDF
第 47 卷第 1 期 机 械 工 程 学 报 Vol.47 No.1
2011 年 1 月 JOURNAL OF MECHANICAL ENGINEERING Jan. 2011
DOI :10.3901/JME.2011.01.048
基于支持矢量机回归的机器人
视觉系统定位精度*
尹湘云 殷国富 胡晓兵 赵雪峰
( 四川大学制造科学与工程学院 成都 610065)
摘要:如何提高工业机器人视觉系统在不确定性动态环境中的定位精度是机器人完成复杂任务的一个关键技术问题。针对采
用单摄像机的机器人和基于位置的视觉伺服控制存在的精度问题,提出一种将基于模型控制方法和基于智能计算方法相结合
的方法,以面向小样本原理的支持矢量机回归来构建控制系统误差校正模型,应用该模型对机器人末端在同一个平面上的定
位误差进行校正,并且与线性插值、神经网络模型的误差校正结果进行比较分析。现场试验证明,该方法有利于提高机器人
的视觉定位精度,能够满足工业机器人进行抓取和装配等任务的需要。
关键词:工业机器人 视觉伺服 定位精度 支持矢量机回归
中图分类号:TP24
Positioning Accuracy of Robot Vision System
Based on Support Vector Machine Regression
YIN Xiangyun YIN Guofu HU Xiaobing ZHAO Xuefeng
(School of Manufacturing Science and Engineering, Sichuan University, Chengdu 610065)
Abstract :It is now a key technical issue to improve positioning accuracy of vision-based industrial robots to carry out complex tasks
in dynamic and uncertain environment. Considering the accuracy and stability issues that pertain to position-based visual servo
control for the monocular industrial robot, a method by combination of a model-based control method and intelligent-based
calculation method is proposed. Based on support vector machine regression (SVR) oriented to small sample principle, an error
revising model of the vision system for robots is constructed. A practical method based on SVR is designed to revise the planar
positioning errors of robot manipulators, and compared with the error revising method based on linear interpolation and neural
network. The experimental results demonstrate
文档评论(0)