视觉伺服技术研究

摘 要

机器人视觉赋予机器人系统以人类视觉功能，并感知外部世界，有效解决人类所能解决的问题，是智能机器人系统的关键技术，也是机器人科学研究中面临的巨大挑战之一。由于视觉传感器可非接触方式、大信息量采集环境信息，机器人视觉的发展和研究不仅大大推进了机器人系统的智能性，也拓宽了机器人智能传感和控制系统的研究范围和应用领域。

目前，机器人视觉伺服系统根据视觉反馈信号表示的是3D空间坐标值或是图像特征值而分为基于位置的(position-based)和基于图像的(image-based)视觉闭环反馈两种方式。基于位置的控制方式根据已知的目标几何模型和摄像机模型来估计目标相对于摄像机的位姿，其主要缺陷在于控制精度依赖于摄像机的标定精度，而标定精度又受环境的制约。基于图像的控制方式误差信号直接用图像特征来定义，直接利用图像特征进行视觉信息反馈伺服控制。该方法可以减少计算延时，并且对摄像机和机械臂的校准误差和目标模裂误差具有较强的鲁棒性。其主要缺点有两点：1)为了求得图像特征参数的变化同机器人位姿变化的关系，图像的视觉伺服方法必需计算图像雅可比矩阵J(Image Jacobian Matrix)及其逆矩阵。但是，图像雅可比矩阵通常与机械手到图像平面的垂直距离(也称为深度)有关，对于单目视觉伺服系统，深度信息的精确估计是比较困难的。许多文献采用固定雅克比矩阵的方法实现机器人视觉伺服，但是这种方法只能在局部任务空间有效。2)跟踪过程中图像雅克比矩阵可能存在奇异性问题，导致系统不稳定。

针对基于图像的机器人视觉伺服控制算法的研究，首先研究了基于目标物体点特征、复杂图像特征的视觉伺服控制算法图像雅可比矩阵J，的计算方法；接着，建立了本文机器人视觉系统平台上，基于图像的机器人视觉伺服控制算法模型，实现了基于复杂图像特征的机器人视觉伺服控制算法仿真实验，并以实验验证了算法的有效性，为结构环境中的目标物体位姿跟踪找到了一种基于图像的机器人视觉伺服控制算法解决途径。

针对基于图像的机器人视觉伺服控制算法中图像特征组选择的重要性，研究了基于全局图像性能指标GPI的图像特征组性能评价标准和选择方法，摆脱了以往图像特征组选择的主观性，提供了一种有效且可行的判断依据。文中还推导了全局图像性能指标理论计算方法；针对全局图像性能指标理论计算复杂性，作者还研究了一种简单、实用的估算方法。最后，以仿真实验验证了本文研究的主要内容。

关键词：机器人视觉，视觉伺服控制方法，图像雅可比矩阵，图像特征性能评价

ABSTRACT

...

KEY WORDS：robot vision ，robot visual servoing ，image jacobean matrix  , image performance estimation

目录

第一章  绪论 - 1 -

1.1课题研究背景及意义 - 1 -

1.2机器人视觉伺服系统 - 1 -

1.2.1  机器人视觉伺服研究进展 - 1 -

1.2.2 机器人视觉控制系统分类 - 3 -

1.2.3视觉伺服在主要领域的应用 - 5 -

第二章  视觉伺服中的图像处理与相机模型 - 7 -

2.1引言 - 7 -

2.2 光标设计 - 7 -

2.3图像滤波 - 8 -

2.4图像分割 - 9 -

2.5形态学运算 - 10 -

2.6图像特征的提取 - 10 -

2.6.1 重心法 - 10 -

2.6.2 特征提取举例 - 11 -

2.7摄像机模型 - 12 -

2.7.1 针孔模型 - 12 -

2.7.2摄像机的相机内外参数 - 13 -

2.7.3 坐标变换 - 15 -

2.8 本章小结 - 16 -

第三章 基于图像的视觉伺服控制方法研究 - 17 -

3.1引言 - 17 -

3.2基本坐标定义 - 17 -

3.3机器人运动学基本方程 - 18 -

3.4图像雅可比矩阵 - 20 -

3.5视觉伺服算法流程 - 22 -

3.5.1 算法流程 - 22 -

3.5.2 末端速度规划 - 23 -

3.5.3 关节运动轨迹规划 - 24 -

3.5.4 关节控制 - 25 -

3.6 本章小结 - 25 -

第四章 图像反馈机器人伺服系统仿真 - 26 -

4.1基于图像的机器人视觉伺服 - 26 -

4.2机器人参数 - 28 -

4.3仿真实验 - 30 -

4.4 Labview实例仿真 - 30 -

总 结 - 32 -

致 谢 - 33 -

参考文献 - 34 -

毕业设计小结 - 36 -