【正文】 然而，由于機(jī)器人系統(tǒng)和視覺系統(tǒng)固有的非線性特性，視覺伺服控制器的設(shè)計成為一大難題。而且為了獲得較好的動態(tài)相應(yīng)特性，要求較高的采樣速率，這給工程實現(xiàn)帶來了一定的困難。攝像機(jī)機(jī)器人驅(qū)動器視覺控制器圖像特征提取f*一f圖11 單閉環(huán)視覺伺服系統(tǒng)(2)雙閉環(huán)系統(tǒng)（look and move）(見圖12)：其中內(nèi)環(huán)為關(guān)節(jié)伺服控制，可實現(xiàn)高速率采樣，通過關(guān)節(jié)位置反饋來穩(wěn)定機(jī)器人，從而獲得近似線性的機(jī)器人對象特征。外環(huán)視覺控制器以比較低的采樣速率完成關(guān)節(jié)角設(shè)定。雙環(huán)結(jié)構(gòu)將機(jī)器人機(jī)械運(yùn)動奇異性與視覺控制器隔離，把機(jī)器人看成理想笛卡爾運(yùn)動元件，簡化了設(shè)計過程。由于現(xiàn)存機(jī)器人大多預(yù)留了接收笛卡爾速度給定或位置增量指令的接口，因此雙環(huán)結(jié)構(gòu)簡單易行，被廣泛采用。本文所討論的機(jī)器人系統(tǒng)也采用這種控制方式。攝像機(jī)機(jī)器人驅(qū)動器視覺控制器圖像特征提取f*一f機(jī)器人關(guān)節(jié)控制器關(guān)節(jié)角傳感器圖12 雙閉環(huán)視覺伺服系統(tǒng)，分為基于位置和基于圖像的控制方式。(1)基于位置的視覺伺服(又稱3D視覺伺服)：其反饋信號在三維任務(wù)空間中以直角坐標(biāo)形式定義【5】(如圖13)?；驹硎峭ㄟ^對圖像特征的抽取，并結(jié)合已知的目標(biāo)幾何模型及攝像機(jī)模型，在三維笛卡爾坐標(biāo)系中對目標(biāo)位姿進(jìn)行估計，然后根據(jù)機(jī)械手當(dāng)前位姿與目標(biāo)位姿之差，進(jìn)行軌跡規(guī)劃并計算出控制量，驅(qū)動機(jī)械手向目標(biāo)運(yùn)動，最終實現(xiàn)定位、抓取功能。該方式的控制精度在很大程度依賴于目標(biāo)位姿的估計精度，但位姿估計與手眼系統(tǒng)參數(shù)標(biāo)定密切相關(guān)，因此要保證這一估計過程的準(zhǔn)確度是十分困難的。在某些情況下，這種基于位置的控制對標(biāo)定參數(shù)十分敏感?；谖恢玫囊曈X伺服的主要特點：1)機(jī)器人期望的相對位姿或軌跡都是在三維笛卡兒空間中描述的，這符合機(jī)器人學(xué)習(xí)慣【6】。2)可以直接在笛卡兒空間中控制機(jī)器人末端執(zhí)行器的運(yùn)動軌跡，例如讓它沿著笛卡兒空間中的一條直線移動。3)將位姿估計問題從機(jī)器人視覺控制器設(shè)計問題中分離出來，首先根據(jù)從各種傳感器得到的信息計算出目標(biāo)相對于機(jī)器人末端執(zhí)行器的位姿，然后在此基礎(chǔ)上進(jìn)行機(jī)器人控制器的設(shè)計。其中位姿估計除了利用視覺傳感器以外還可以利用距離傳感器、力傳感器等多種傳感器。這種伺服結(jié)構(gòu)還存在以下不足之處：1)不能在圖象空間中進(jìn)行軌跡控制。這使得位姿估計中所用的圖象特征可能超出視場，即不滿足圖象邊界約束條件，進(jìn)而導(dǎo)致視覺伺服任務(wù)失敗。2)對系統(tǒng)標(biāo)定誤差敏感。3)由于目標(biāo)與機(jī)器人末端執(zhí)行器的相對位姿是關(guān)于目標(biāo)和攝像機(jī)模型的復(fù)雜函數(shù)，因此想要確定出解析的系統(tǒng)動態(tài)穩(wěn)定性的魯棒域比較困難。笛卡爾空間位姿估計機(jī)器人對象關(guān)節(jié)控制器笛卡爾空間控制末端位姿攝像機(jī)獲得圖像特征位姿給定圖13 基于位置的視覺伺服結(jié)構(gòu)框圖(2)基于圖像的視覺伺服(又稱2D視覺伺服)(見圖14)：其誤差信號直接用圖像特征來定義，例如圖像平面坐標(biāo)，而非任務(wù)空間坐標(biāo)的函數(shù)，因此無需再進(jìn)行位姿估計，直接利用圖像特征進(jìn)行視覺信息反饋控制，如圖14所示。其基本原理是由該誤差信號計算出控制量，并將它變換到機(jī)器人運(yùn)動空間中去，從而驅(qū)動機(jī)械手向目標(biāo)運(yùn)動，當(dāng)圖象平面中期望的圖象特征和給定的圖象特征之間的距離為0(或一個給定的域值)時，機(jī)器人視覺伺服任務(wù)結(jié)束。對于抓取靜止目標(biāo)的任務(wù)，該誤差僅是機(jī)械手圖像特征的函數(shù)；若是跟蹤運(yùn)動目標(biāo)，誤差同時還是運(yùn)動目標(biāo)圖像特征的函數(shù)。該方法無需估計目標(biāo)在笛卡爾坐標(biāo)系中的位姿，減少了計算時延，并且可以克服攝像機(jī)標(biāo)定誤差及關(guān)節(jié)位置傳感器誤差對定位精度的影響?；趫D象的視覺伺服的主要特點是：1)不需要對機(jī)器人進(jìn)行位姿估計。2)系統(tǒng)的動態(tài)穩(wěn)定性對攝象機(jī)標(biāo)定誤差具有較強(qiáng)的魯棒性。許多機(jī)器人視覺伺服系統(tǒng)利用了這個優(yōu)點，例如將之應(yīng)用于圖像平面軌跡跟蹤【7】。3)可在圖像平面中控制特征點軌跡，使之盡可能沿直線運(yùn)動。只要初始值和期望的圖像特征在攝像機(jī)的視野內(nèi)，機(jī)器人在運(yùn)動過程中圖像軌控制在圖像平面內(nèi)。這種伺服結(jié)構(gòu)還存在以下不足之處【8】：1)計算圖像雅可比矩陣需要估計目標(biāo)深度，而深度的估計一直是視覺中的難點；2)整個系統(tǒng)只是局部漸近穩(wěn)定的。3)跟蹤過程中圖像雅可比矩陣可能存在奇異值，使系統(tǒng)不穩(wěn)定。末端位姿圖像給定圖像空間控制率關(guān)節(jié)控制器機(jī)器人對象獲得圖像特征攝像機(jī) 圖14 基于圖像的視覺伺服結(jié)構(gòu)框圖(3)混合視覺伺服()：在這種方法中反饋信號一部分采用3D笛卡兒空間坐標(biāo)表示，一部分采用2D圖像空間坐標(biāo)表示。這種混合的視覺伺服方法繼承了基于位置和基于圖像視覺伺服的優(yōu)點，既保證了對于標(biāo)定誤差的魯棒性以及不依賴于笛卡兒空間模型的特點，又避免了直接估計深度信息。通過設(shè)計解耦的控制律，可以使系統(tǒng)達(dá)到全局穩(wěn)定。這種伺服結(jié)構(gòu)的主要不足之處是：1)需要在線實時計算圖像間的單應(yīng)性矩陣并對其進(jìn)行分解，算法復(fù)雜、計算量比較大。2)需要進(jìn)行特征點匹配。3)與基于圖象的視覺伺服相比更容易受到噪聲的影響。由文獻(xiàn)【9】的仿真和實驗研究表明，對于EyeinHand構(gòu)型，在存在圖象量化誤差及圖象噪聲的情況下，基于圖象比基于位置的控制方式有更好的跟蹤性能。文獻(xiàn)【10】通過數(shù)學(xué)分析與仿真研究指出:對于固定安裝的攝象機(jī)系統(tǒng)，基于位置與基于圖象的控制方式具有相同的跟蹤結(jié)果。目前在基于圖像特征的視覺伺服結(jié)構(gòu)方向的研究很多，是視覺伺服研究的主要發(fā)展方向。 視覺伺服的性能依賴于控制回路中所用的圖像特征。尤其是對于基于圖象的視覺伺服結(jié)構(gòu)，圖像特征的選擇和提取變得更加重要，它將直接決定控制律和最終系統(tǒng)的穩(wěn)定性和魯棒性等性能。早期視覺伺服中用到的多是簡單的局部幾何特征，如點、線、圓圈、矩形、區(qū)域面積等以及它們的組合特征。局部特征雖然得到了廣泛應(yīng)用，而且在特征選取恰當(dāng)?shù)那闆r下可以實現(xiàn)精確定位，但當(dāng)特征超出視場時很難做出準(zhǔn)確的操作。特別是對于真實世界中的物體，其形狀、紋理、遮擋情況、噪聲、光照條件等都會影響特征的可見性。所以單獨(dú)利用局部特征會影響機(jī)器人可操作的任務(wù)范圍。于是全局圖像特征開始被應(yīng)用于視覺控制，常用的全局特征有特征向量、幾何矩、傅立葉描述等。全局特征可以避免局部特征超出視場所帶來的問題，也不需要在參考特征與觀察特征之間進(jìn)行匹配，適用范圍較廣，但定位精度比用局部特征低。圖像特征的選取往往因系統(tǒng)而異，目的是使整個系統(tǒng)便于分析和設(shè)計。特征包括幾何特征和非幾何特征，機(jī)器人視覺伺服中常見的是采用幾何特征。如特征點、線段、面積、質(zhì)心和高階矩等等。大多數(shù)基于圖像的視覺伺服系統(tǒng)都采用點特征(如質(zhì)心點，角點或經(jīng)過特殊設(shè)計的具有明顯特征的點等)做為圖象特征，也有一部分基于圖像的視覺伺服系統(tǒng)中采用線特征(如圖像等效橢圓的主、副軸)、面特征(如面積)圓等做為圖象特征。值得提出的是，伺服控制用的特征與圖像識別用的特征，其選擇指標(biāo)有一定的差別。從圖像識別角度看，特征應(yīng)具有魯棒性和唯一性；但是從伺服控制的角度看，特征必須對物體姿態(tài)的變化具有敏感性，即如果目標(biāo)的位置和姿態(tài)發(fā)生變化，圖像的特征必須變化。換句話說目標(biāo)位姿的變化和圖像特征的變化要滿足一一映射。另一方面特征必須可控，即通過一系列的控制行為能夠得到所選擇的圖像特征?？傊?，在機(jī)器人視覺伺服控制中，圖像特征的選擇不僅要考慮圖像識別問題，還要考慮控制問題，應(yīng)針對具體的任務(wù)、環(huán)境、系統(tǒng)的軟硬件性能，在時間、復(fù)雜性和系統(tǒng)的穩(wěn)定性之間進(jìn)行權(quán)衡。 無標(biāo)定視覺伺服系統(tǒng)傳統(tǒng)的機(jī)器人視覺伺服大都是基于系統(tǒng)標(biāo)定技術(shù)的，包括攝像機(jī)內(nèi)部參數(shù)標(biāo)定、機(jī)器人運(yùn)動學(xué)標(biāo)定、手眼關(guān)系標(biāo)定。其中手眼關(guān)系的標(biāo)定精度對系統(tǒng)最終控制性能的影響尤為明顯。由于現(xiàn)有的機(jī)器人控制器一般都采用雙閉環(huán)控制結(jié)構(gòu)，機(jī)器人的馬達(dá)驅(qū)動、力矩控制對用戶來說是完全透明的，可將其視作理想的笛卡爾運(yùn)動元件。因此在確定二維圖像平面與三維任務(wù)空間的映射關(guān)系時，主要考慮攝像機(jī)內(nèi)部參數(shù)和外部參數(shù)（即手眼關(guān)系參數(shù)）的確定。采用基于標(biāo)定的方法實現(xiàn)機(jī)器人視覺伺服，需要預(yù)先對攝像機(jī)的內(nèi)外參數(shù)進(jìn)行標(biāo)定，然后根據(jù)已知模型和標(biāo)定好的攝像機(jī)參數(shù)，建立圖像空間與機(jī)器人操作空間的映射。由于以下原因，這種基于標(biāo)定的機(jī)器人視覺伺服方法受到了很大限制：(1)由于多種因素的影響，即使理論上精度很高的標(biāo)定算法在實際中也難以得到控制和系統(tǒng)性能所要求的模型；(2)系統(tǒng)的標(biāo)定結(jié)果只有在標(biāo)定條件成立時才有效。所以，一旦攝像機(jī)的位置、焦距等發(fā)生稍微變化后，根據(jù)原標(biāo)定參數(shù)計算出的結(jié)果會有很大誤差，必須進(jìn)行重新標(biāo)定；(3)由于攝像機(jī)鏡頭畸變等因素的影響，攝像機(jī)的標(biāo)定區(qū)域一般限制在一個比較小的區(qū)域，如果機(jī)器人的工作范圍比較大時，難以得到一個滿足工作范圍內(nèi)所有位置的參數(shù)模型。在這樣的情況下，雖然可以采取分區(qū)域標(biāo)定的辦法，但這又是以增加系統(tǒng)操作復(fù)雜度為代價的；(4)在某些特定環(huán)境下是難以對攝像機(jī)進(jìn)行標(biāo)定的，如在一些危險的或?qū)θ梭w有害的工作環(huán)境中。鑒于以上原因，有必要探尋一種新的對環(huán)境適應(yīng)能力更強(qiáng)、魯棒性更好的視覺伺服方法。無標(biāo)定方法是人們在研究機(jī)器人視覺伺服過程中，為了克服基于標(biāo)定方法的弊端而提出的。它是指在不預(yù)先標(biāo)定攝像機(jī)和機(jī)器人參數(shù)的情況下，直接通過圖像上的系統(tǒng)狀態(tài)誤差來設(shè)計控制律，驅(qū)動機(jī)器人的運(yùn)動，使系統(tǒng)誤差收斂到一個容許的誤差域內(nèi)的機(jī)器人視覺伺服方法。對于無標(biāo)定條件下的機(jī)器人視覺伺服方法的研究是從二十世紀(jì)九十年代初開始，并已逐漸成為眾多學(xué)者的研究熱點。從本質(zhì)上講，無標(biāo)定機(jī)器人視覺伺服是一個具有未建模動態(tài)的非線性系統(tǒng)控制問題。根據(jù)所使用的描述系統(tǒng)非線性模型以及解決未建模動態(tài)的方法的不同，現(xiàn)有無標(biāo)定視覺伺服的研究方法大致可分為以下三類：基于圖像雅可比矩陣的方法，神經(jīng)網(wǎng)絡(luò)擬合手眼關(guān)系方法和ADRC系統(tǒng)未建模動態(tài)補(bǔ)償方法?；谘趴杀染仃嚨姆椒D用線性關(guān)系逼近系統(tǒng)非線性在采樣點的瞬時表現(xiàn)，并用這種近似線性化模型建立圖像反饋控制。，完成二維平面上插軸入孔的任務(wù)[11]。而神經(jīng)網(wǎng)絡(luò)方法則試圖利用人工神經(jīng)網(wǎng)絡(luò)強(qiáng)大的函數(shù)擬合能力，從全局上把握視覺伺服系統(tǒng)的非線性特性，并在此基礎(chǔ)上建立圖像反饋控制率。神經(jīng)網(wǎng)絡(luò)能夠比較準(zhǔn)確的擬合機(jī)器人手眼之間的非線性映射關(guān)系，但它的缺點是必須進(jìn)行大量的樣本學(xué)習(xí)，并不能顯示出其相對于傳統(tǒng)有標(biāo)定方法的優(yōu)越性。此外，無模型理論和ADRC方法也被用于解決無標(biāo)定的視覺跟蹤問題，其基本思路是將視覺伺服系統(tǒng)近似為一個簡單的線性模型，而對這種近似所造成的非線性誤差在控制過程中加以動態(tài)補(bǔ)償。但這種方法由于未能充分利用模型結(jié)構(gòu)方面的先驗知識，且沒有自學(xué)習(xí)能力，跟蹤效果并不理想。目前，應(yīng)用上面所說的這些方法，無標(biāo)定視覺伺服研究己經(jīng)在靜態(tài)的任務(wù)目標(biāo)上取得了很多成果，如機(jī)械手的空間定位（Positioning），平面上的插軸入孔（Peg in hole）操作，或是抓取空間具有3D形狀的物體等，但在實際的應(yīng)用環(huán)境中，更多的是運(yùn)動跟蹤等動態(tài)視覺伺服任務(wù)。動態(tài)任務(wù)環(huán)境對手眼系統(tǒng)的視覺處理速度，算法的效率等提出了更高的要求，目前這方面的研究還處于起步階段。本文的工作主要集中在研究基于標(biāo)定技術(shù)的機(jī)器人視覺伺服，和基于kalman濾波原理的機(jī)器人無標(biāo)定視覺伺服，并通過仿真，表明了該方法的有效性和可行性。構(gòu)建了MOTOMAN—SV3XL型六自由度工業(yè)機(jī)器人無標(biāo)定視覺伺服實驗平臺，完成了基于kalman濾波的機(jī)器人無標(biāo)定視覺伺服定位實驗，實驗結(jié)果表明該方法能很好的