機器人視覺伺服系統(tǒng)的若干問題研究.pdf

1、將視覺信息同機器人控制相結合形成視覺伺服系統(tǒng)，使機器人具有同外部環(huán)境進行智能交互的能力，是當今機器人發(fā)展的一個主要方向。視覺伺服系統(tǒng)一般由圖像預處理、特征提取、攝像機標定、伺服控制器設計和機器人控制這五部分組成。為了提高視覺伺服系統(tǒng)的控制精度和使用范圍，本文對攝像機標定、特征提取和伺服控制器的設計這三方面進行了深入地研究。
　　第二章介紹了視覺伺服系統(tǒng)的相關基礎知識，其中包括坐標變換、攝像機投影模型和機器人控制等相關理論。依據(jù)視覺

2、反饋信號表示的是3D空間坐標值還是圖像特征，視覺伺服系統(tǒng)的控制結構可以分為基于位置的控制方式和基于圖像的控制方式，本文對這兩種控制方式進行了分析，并給出了這兩種控制方式的優(yōu)缺點。
　　第三章進行了攝像機標定方法的研究。攝像機標定參數(shù)的準確性直接影響著機器人視覺伺服系統(tǒng)的控制精度，因此研究了一種高精度的攝像機標定方法。該標定方法內部參數(shù)的優(yōu)化使用遺傳算法，外部參數(shù)的優(yōu)化使用梯度下降法，它具有原理簡單、不需要估計初始值、魯棒性強、標定

3、參數(shù)更準確的優(yōu)點。
　　第四章對特征提取的方法進行了研究，空間矩能夠很好地描述圖像的邊緣特征，利用它能夠進行亞象素邊緣提取，并且具有很好的旋轉不變性。本文通過分析角特征模型和空間矩函數(shù)，推導出空間矩多項式對角特征象素點的判別準則。為了提高抗噪聲，根據(jù)角特征不僅灰度變化是不連續(xù)的，且相對周圍其他點的梯度方向也是不連續(xù)的，提出利用梯度角變化和梯度幅值作為角特征檢測的另一個準則。利用這兩個準則能夠檢測到角特征，但不能準確確定角頂點，因此

4、必須利用非最大值壓縮技術剔除虛假點，進行準確定位。特征提取的精度對目標跟蹤、位置估計和攝像機標定等任務都具有很大的影響，因此必需進行亞象素角特征提取，為此本文利用雙線性插值法和牛頓迭代法進行亞象素角特征提取。
　　在進行角特征理論推導時，發(fā)現(xiàn)Lyvers算法對角點附近的邊緣象素進行亞象素邊緣提取時，具有原理誤差，因此對Lyvers算法的檢測原理進行了改進。另外，為了提高Lyvers算法的實時性，提出首先利用Sobel算法進行邊緣提

5、取，然后利用Lyvers算法進行亞象素邊緣提取。
　　依據(jù)空間矩對邊緣特征的描述，提出一種改進的亞象素Hough變換方法，它首先利用Sobel進行象素提取，然后利用空間矩計算象素所在邊緣的梯度角，在該梯度角的一個較小鄰域內，利用亞象素邊緣檢測結果進行Hough變換，從而實現(xiàn)亞象素直線檢測。該算法相對Hough變換具有準確性高、檢測速度快的優(yōu)點。
　　第五章首先推導了視覺伺服系統(tǒng)的數(shù)學模型，然后利用最優(yōu)控制理論設計了視覺伺服系

6、統(tǒng)的控制器，最后提出了一種在線模糊辨識方法，并利用它估計數(shù)學模型中的時變參數(shù)。機器人雅克比矩陣描述機器人關節(jié)微分運動和機器人末端微分運動的關系，圖像雅克比矩陣描述機器人末端微分運動和圖像特征微分運動關系，本文分別推導了機器人雅克比矩陣和圖像雅克比矩陣，建立了圖像特征微分運動和機器人關節(jié)微分運動的關系，從而獲得基于圖像的視覺伺服系統(tǒng)的數(shù)學模型。隨后，本文采用二次型最優(yōu)控制理論設計視覺伺服控制器，并給出了參數(shù)選擇的下確界。鑒于視覺伺服系統(tǒng)數(shù)

7、學模型中的參數(shù)無法測量，需要進行復雜的實驗才能獲取，為了提高系統(tǒng)的魯棒性和使用范圍，本文利用模糊自適應系統(tǒng)在線估計數(shù)學模型中的未知參數(shù)。采用Popov超穩(wěn)定理論提出了新型的模糊自適應估計器的設計方案，它不需要構造Lyapunov函數(shù)，僅要求估計器所構成的閉環(huán)系統(tǒng)滿足Popov求和不等式，因此容易求得估計器的參數(shù)自適應律，為模糊自適應估計器的設計提供了一種新的途徑。由于模糊系統(tǒng)的一些參數(shù)無法直接求取，只能依靠經(jīng)驗來選取，因此，本文給出了這