基于自适应容积滤波图像雅可比矩阵研究与应用及找工作验.pptx

基于自适应容积滤波的图像雅可比矩阵研究与应用ImageJacobianMatrixResearchandApplicationBasedonAdaptiveCubatureFilter指导老师：卢晓王海霞答辩人：孙耀宗专业：控制理论与控制工程

目录背景与意义1无标定视觉伺服系统2雅可比矩阵估计3实物实验验证5总结与展望6运动目标跟踪4

项目背景与意义项目背景：传统的机器人视觉伺服系统是基于标定的，整个系统控制精度主要依赖于标定的精度。然而，在实际中，基于标定的视觉伺服系统存在种种问题，限制了它的应用。因此，无标定视觉伺服成为了一个研究热点。项目意义：无标定视觉伺服省去了繁琐的标定过程，在控制效率、应用的便利性上均有较大的优势，因此，研究好无标定视觉伺服具有较高的理论意义和实用价值。背景与意义

(a)眼在手安装方式(b)眼固定安装方式图2.1视觉伺服系统坐标关系示意图无标定指的是：摄像机内、外参数无标定。 内参：与相机本身有关，主要包括焦距fx、fy，以及中心点偏差u0、v0。外参：相机与世界坐标系之间的变换关系，包括旋转R和平移矩阵T。ETC(BTC)无标定视觉伺服系统视觉伺服系统坐标关系

图2.2基于图像的视觉伺服（IBVS）的结构框图特点：1）期望特征和视觉反馈特征均定义在二维图像空间中2）对相机标定误差有较强的鲁棒性3）关键问题是图像雅可比矩阵的求取无标定视觉伺服系统基于图像的视觉伺服

打发时光的方即为图像雅克比矩阵(JCM)，它反映了机器人工作空间和图像特征空间的微分映射关系，是非线性的。(3.1)雅可比估计及应用图像雅可比矩阵定义因此，应用标准Kalman滤波对JCM进行在线估计，难免存在一些近似误差，限制了估计精度。所以，考虑用非线性滤波算法对JCM进行在线估计。

为了实时高效的进行在线辨识，采用容积卡尔曼滤波。雅可比估计及应用非线性滤波算法比较算法噪声类型速度精度缺点扩展卡尔曼滤波高斯快低对模型要求比较严格不能用于非高斯无迹卡尔曼滤波高斯较快较高缺乏严格的数学推导不能用于非高斯容积卡尔曼滤波高斯较快高不能用于非高斯粒子滤波非高斯慢最高运算量大，是其他算法的6倍表3.1非线性滤波算法对比

为实现图像雅可比矩阵J的在线辨识，定义如下系统方程：(3.2)其中，和分别为过程噪声和观测噪声，是互不相关的高斯白噪声。为图像雅可比矩阵列摆后的状态向量。为手爪运动所引起的图像特征变化量。雅可比估计及应用估计器设计(3.3)为观测矩阵

本文选用的是IBVS，因此直接在图像空间进行误差的定义：式中，是期望图像特征，是当前时刻t的图像特征。(3.4)上式中，是JCM的伪逆。对于静止目标，期望目标图像特征一直是不变的，即。(3.5)经过推导可以得到如下械臂末端的控制量：雅可比估计及应用控制器设计

图3.1眼固定型的视觉伺服系统Simulink仿真框图雅可比估计及应用仿真设置

雅可比估计及应用二自由度静止目标定位

从图(a)(b)中可以看出轨迹基本是一条直线，符合视觉定位要求。从图(c)(d)中可知KF与SR-CKF的各误差曲线基本是重合的，这是因为对于二自由度平面定位，JCM是线性的。(a)笛卡尔空间中机器人末端运动轨迹(b)图像平面中目标点运动轨迹(c)定位图像误差范数曲线(d)定位u、v误差曲线雅可比估计及应用二自由度静止目标定位图3.2二自由度定位仿真实验结果图

图3.3无机械臂模块的眼在手型Simulink仿真框图雅可比估计及应用仿真设置图3.3中用poseintegral模块代替了机械臂模块，该模块可以将笛卡尔速度积分从而更新表示机械臂末端位姿的4×4齐次变换矩阵。

?(a)笛卡尔空间中机器人末端运动轨迹(b)图像平面中目标点运动轨迹(c)定位图像误差范数曲线(d)定位u、v误差曲线雅可比估计及应用三自由度静止目标定位图3.4三自由度定位仿真实验结果图

(a)笛卡尔空间中机器人末端运动轨迹(b)图像平面中目标点运动轨迹(c)定位图像误差范数曲线(d)定位u、v误差曲线目标物绕Z轴逆时针旋转0.6弧度值。噪声方差为Rv=0.2I4，SR-CKF和ASR-CKF初始方差阵均为Rv=0.1I4。雅可比估计及应用四自由度静止目标定位图3.5四自由度定位仿真实验结果图

在进行运动目标跟踪时，因为眼在手构型中当前图像特征fc的变化不仅与机械臂运动有关，还与目标的运动有关。因此，需要对式(3.1)所示JCM进行改造。(a)眼在手型物理结构示意图运动目标跟踪眼