機(jī)器人無(wú)標(biāo)定視覺(jué)伺服控制研究.pdf

1、視覺(jué)傳感器具有獲取的信息量大、非接觸式測(cè)量等優(yōu)點(diǎn),因而在機(jī)器人領(lǐng)域得劍了廣泛應(yīng)用。將視覺(jué)信息引入閉環(huán)控制回路中用于直接控制機(jī)器人,即視覺(jué)伺服,是當(dāng)前的一個(gè)研究熱點(diǎn)。目前,大多數(shù)機(jī)器人視覺(jué)伺服方法需要對(duì)機(jī)器人及攝像機(jī)進(jìn)行標(biāo)定。然而需要標(biāo)定的參數(shù)非常多,標(biāo)定過(guò)程十分繁瑣,機(jī)器人的控制精度受標(biāo)定精度的影響大,而且在一些情況下,如未知環(huán)境中,人們無(wú)法對(duì)機(jī)器人及攝像機(jī)進(jìn)行標(biāo)定,因此傳統(tǒng)的視覺(jué)伺服方法不適用。近年來(lái),一些研究者提出了機(jī)器人無(wú)標(biāo)定視覺(jué)

2、伺服方法,但對(duì)于無(wú)標(biāo)定視覺(jué)伺服的研究尚處于起始階段,還有很多問(wèn)題需要解決。
　　 針對(duì)基于高斯牛頓法的無(wú)標(biāo)定視覺(jué)伺服方法直接忽略二階信息項(xiàng),在大殘量時(shí)不收斂的情況。本文提出了一種基于Levenberg-Marquardt方法(簡(jiǎn)稱L-M法)的無(wú)標(biāo)定視覺(jué)伺服方法。該方法通過(guò)求解關(guān)于圖像特征誤差的目標(biāo)函數(shù)的二次模型的最小值來(lái)得劍每一控制步。由于該方法采用了信賴域策略確保模型是非線性目標(biāo)函數(shù)合適的模擬,并根據(jù)函數(shù)實(shí)際下降量與預(yù)測(cè)下降量

3、的比值自適應(yīng)地改變步長(zhǎng),從而對(duì)于大殘量情況依然能夠收斂。另外,模型中圖像特征速度與關(guān)節(jié)速度間的復(fù)合圖像雅可比矩陣采用Broyden方法動(dòng)態(tài)估計(jì),因而該方法無(wú)需對(duì)機(jī)器人及攝像機(jī)進(jìn)行標(biāo)定。
　　 基于L-M法的無(wú)標(biāo)定視覺(jué)伺服方法對(duì)大殘量情況能收斂,不過(guò)由于該方法沒(méi)有利用模型中的二階信息項(xiàng),大殘量時(shí)收斂速度較慢。對(duì)此,在前述工作的基礎(chǔ)上,提出了一種快速收斂的無(wú)標(biāo)定視覺(jué)伺服方法。該方法用割線近似二階信息項(xiàng),而不是直接忽略它。由于充分利用

4、了模型信息,因而具有更快的收斂速度。該方法中復(fù)合圖像雅可比矩陣采用遞推最小二乘法在線更新,對(duì)于噪聲具有更好的魯棒性。此外,采用信賴域策略保證算法的全局收斂性。
　　 上述無(wú)標(biāo)定視覺(jué)伺服方法適于機(jī)器人工作空間無(wú)障礙物的情況。對(duì)于工作空間存在障礙物的情況,本文提出一種基于Sequential Quadratic Programming(SQP)方法的無(wú)標(biāo)定視覺(jué)伺服避障方法。首先建立一個(gè)關(guān)于機(jī)器人末端執(zhí)行器與運(yùn)動(dòng)目標(biāo)圖像特征誤差的最小

5、二乘目標(biāo)函數(shù),并將機(jī)器人末端執(zhí)行器與障礙物圖像特征之間應(yīng)保持的距離作為約束條件。然后用SQP方法求解該約束最優(yōu)化問(wèn)題得到每一步控制量。該方法能夠保證機(jī)器人安全避障的同時(shí)高精度地跟蹤軌跡,避免了傳統(tǒng)采用勢(shì)場(chǎng)法的無(wú)標(biāo)定視覺(jué)伺服避障方法軌跡跟蹤的精度與避障的安全度間的矛盾。
　　 機(jī)器人動(dòng)力學(xué)不僅影響跟蹤誤差還影響控制系統(tǒng)的穩(wěn)定性。本文提出一種3-D空間軌跡跟蹤動(dòng)力學(xué)無(wú)標(biāo)定視覺(jué)伺服控制算法?？刂坡捎蓜?dòng)力學(xué)估計(jì)前饋補(bǔ)償部分和復(fù)合圖像雅可

6、比矩陣廣義逆估計(jì)反饋部分構(gòu)成。其中動(dòng)力學(xué)參數(shù)通過(guò)動(dòng)力學(xué)自適應(yīng)律進(jìn)行更新,運(yùn)動(dòng)學(xué)和攝像機(jī)參數(shù)組成的復(fù)合圖像雅可比矩陣,其廣義逆通過(guò)一在線更新律進(jìn)行更新。該方法無(wú)需知道機(jī)器人的運(yùn)動(dòng)學(xué)參數(shù)、動(dòng)力學(xué)參數(shù)及攝像機(jī)參數(shù),而且無(wú)需線性化運(yùn)動(dòng)學(xué)和攝像機(jī)參數(shù)。避免了傳統(tǒng)無(wú)標(biāo)定動(dòng)力學(xué)視覺(jué)伺服方法需要線性化機(jī)器人運(yùn)動(dòng)學(xué)、動(dòng)力學(xué)參數(shù)以及攝像機(jī)參數(shù)而導(dǎo)致的問(wèn)題,如:線性化過(guò)程非常復(fù)雜繁瑣,難于應(yīng)用于多自由度機(jī)器人;由于深度信息的存在造成的非線性很難線性化,因而目

7、前的方法要么只適于2-D平面軌跡的跟蹤,要么需要已知機(jī)器人的動(dòng)力學(xué)參數(shù)。
　　 圖像特征的選取對(duì)于視覺(jué)伺服性能具有重要影響。圖像矩提供了對(duì)于圖像的通用表達(dá),無(wú)論是形狀簡(jiǎn)單還是復(fù)雜的物體。另外,通過(guò)選取恰當(dāng)?shù)膱D像矩特征,可獲得較好的視覺(jué)伺服性能。本文提出了一種基于圖像矩的無(wú)標(biāo)定視覺(jué)伺服方法。首先研究了圖像矩的選取及計(jì)算方法,并選取了六個(gè)具有較好特性的圖像矩特征。然后設(shè)計(jì)了基于圖像矩的無(wú)標(biāo)定視覺(jué)伺服控制器,其中圖像矩特征速度與機(jī)器人