【正文】 應(yīng)， MOTOMAN 機器人控制器有兩種控制機器人的方法，一是關(guān)節(jié)插值法，這是運動最快的方法。為實現(xiàn)直線運動，運動時機器人各關(guān)節(jié)按照要求以不同的速度運動，這就需要進行大量的坐標變換運算和機器人逆運動學求解，因此，直線運動比關(guān)節(jié)插值運動慢得多。 本實驗系統(tǒng)采用 SONY 1/3 CCD 彩色攝像頭，其 CCD 陣列含有像素個數(shù) 為 752(水平 ) ? 582(垂直 )，掃描面積為 (水平 ) ? (垂直 )mm(等于 1/3 英寸攝像管的掃描面西安理工大學本科生畢業(yè)設(shè)計（論文） 29 積 )，水平析像力為 480 行，焦距為 8mm，重量為 380g。 圖 43 MVPCIV3A 結(jié)構(gòu) 圖 由于采用 PCI 總線結(jié)構(gòu)，圖像數(shù)據(jù)可以實時存儲到計算機內(nèi)存中，并在屏幕上顯示。這是一款專業(yè)圖像采集卡，可以真彩、偽彩、黑白三種方式采集圖像。 視覺信息處理子系統(tǒng) 視覺信息處理子系統(tǒng) 主要由 CCD 攝像機、圖像采集設(shè)備和計算機組成，其相關(guān)配置如下： a. CCD 攝像機 可供機器人視覺系統(tǒng)選用的攝像機包括攝像管和 CCD。在這條復(fù)雜的路線上，機器人末端不會以恒定速度運動。 實驗中相關(guān)參數(shù)的設(shè)置如下： 通信端口號： COM2 波特率： 9600（最大） 奇偶校驗：偶校驗 數(shù)據(jù)位長度： 8位 停止位： 1位 MOTOMAN 型機器人編程采用三種坐標系對末端執(zhí)行器進行位置和姿態(tài)標定 ,分別是基坐標系 (World Coordinates)、工具坐標系 (Tool Coordinates)和關(guān)節(jié)坐標系 (Joint Coordinates)。 BsPMov()：將機器人移動到指定的脈沖位置。根據(jù)圖像反饋信息計算出來的視覺控制量即為了減小機器人手爪和目標之間的距離機器人應(yīng)運動的位姿增量就是通過 MOTOMANCOM32軟件所提供的機器人控制接口函數(shù)傳送給機器人控制器的。整個機器人控制系統(tǒng)由機器人本體、供電電纜、 YANSNAC XRC 控制柜、 YANSNAC XRC 再現(xiàn)操作盒及 YANSNAC XRC 示教編程器五部分組成 [18]。整個視覺伺服系統(tǒng)可以分為 機器人 控制子系統(tǒng)和視覺信息處理子系統(tǒng)兩部分組成。 4 機器人無標定視覺伺服實驗 系統(tǒng)整體結(jié)構(gòu) 系統(tǒng)的硬件部分主要由 : MOTOMANSV3 機器人 本體 、彩色 CCD 攝像頭、機器人控制柜、控制計算機、圖像采集卡等組成 。手爪在圖像平面坐標 0f =[ ]，1f =[ ]， 2f =[ ]， 1gf? =1f 0f =[ ] 2gf? = 2f 1f =[ ],則初始 J 矩陣的估計值為： 11 2 1 2 0 . 0 0 5 8 0 . 0 5 1 5? ( 0 ) [ ] [ ] 1 . 0 0 0 4 * [ ]1 . 9 5 9 0 5 . 0 4 9 8g g g gJ f f p p e?? ? ? ? ? ? ? 視覺控制器 坐標變換與軌跡規(guī)劃 機器人控制器 機器人 ? dX ? 目標點 df X 0p 圖像采集 圖像處理 白蕾：工業(yè)機器人視覺伺服 24 所以在 該定位實驗中， T?x( 0) =1 .0e +0 04* [ 058 0. 051 5 1 .95 90 4 98]。由于現(xiàn)有機器人大多都有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。其中內(nèi)環(huán)為關(guān)節(jié)伺服控制，通過關(guān)節(jié)位置反饋來實現(xiàn)機器人 軌跡跟蹤控制。取為 ? ? , ? 。定義觀察參數(shù)向量 x 為一個 4 維向量，包含雅可比矩陣 gJ 的所有元素。yvfiltered signal 圖 33 原始信號及濾波后的信號 0 0 . 5 1 1 . 5 2 2 . 5 300 . 0 10 . 0 20 . 0 30 . 0 40 . 0 50 . 0 60 . 0 70 . 0 80 . 0 90 . 1t i m e ( s )Covariance of estimation error 圖 34 誤差協(xié)方差的變化 仿真結(jié)果表明，該濾波器對控制干擾和測量噪聲具有很好的濾波作用。如下圖所示： 白蕾：工業(yè)機器人視覺伺服 20 圖 31 kalman 濾波原理圖 基于 kalman 濾波原理的 信號濾波 仿真 【 17] 設(shè)對象為二階傳遞函數(shù)：2133() 25pGs ss? ? 取采樣時間為 1ms，采用 Z 變換將對象離散化，并描述為離散狀態(tài)方程的形式： ( 1 ) ( ) ( ( ) ( ) )x k Ax k B u k w k? ? ? ? ( ) ( )y k Cx k? 帶有測量噪聲的被控對象輸出為： ( ) ( ) ( )vy k Cx k v k?? 式中， 1 .0 0 0 0 0 0 0 0 .0 0 0 9 8 7 60 .0 0 0 0 0 0 0 0 .9 7 5 3 0 9 9A ??? ????， 0. 00 659 ??? ????， [1,0]C? ， [0]D? 設(shè)控制干擾信號 ()wk 和測量噪聲信號 ()vk 幅值均為 的白噪聲信號，輸入信號幅值為 、頻率為 的正弦信號。 利用這些信息，我們可以建立 Kalman 濾波估計的遞推形式，對系統(tǒng)狀態(tài)進行估計，下面直接給出隨機線性離散系統(tǒng)的 Kalman 濾波方程。 Kalman 濾波將狀態(tài)方程的概念引入到隨機估計理論中，把信號過程視為白噪聲作用下的一個線性系統(tǒng)輸出，用狀態(tài)方程來描述這種輸入 — 輸出關(guān)系，估計過程中利用系統(tǒng)狀態(tài)方程﹑觀測方程和白噪聲激勵的統(tǒng)計特性形成濾波算法，由于所用的信息都是時域內(nèi)的量，所以不但可以對平穩(wěn)的一維隨機過程進行估計，也可以對非平穩(wěn)的﹑多維隨機過程進行估計。 kalman 濾波算法概述 Kalman 濾波是對隨機信號進行估計的算法。對于確定性信號，可根據(jù)頻率特性，通過設(shè)計各種濾波器，如低通濾波器、高通濾波器、帶通濾波器和帶阻濾波器等，使有用信號無衰減的通過而干擾信號得到抑制。 對于眼固定 E=（ pixel） ，而眼在手時 E=（ pixel） ，顯然眼在手的定位效果比眼固定好。設(shè)定 期望的目標 為 [2 ]，即圖像坐標為 [250 250]； 手爪西安理工大學本科生畢業(yè)設(shè)計（論文） 17 初始位置為 q =[ ]，在世界坐標系下的起始位置為 [ 0 0]，即圖像坐標為 [ ]。圖 23 中，“ +”表示手爪在圖像平面上的運動坐標；“◇”表示要到達的期望的目標坐標。圖像平面大小為 [0 511 0 511]。這里我們采用第二種方式。 PID 控制是最經(jīng)典的控制器設(shè)計方法，被廣泛地應(yīng)用在機器人視覺伺服控制系統(tǒng)中。而末端執(zhí)行器的廣義運動速度 X? 由視覺控制器經(jīng)由對當前視覺特征集與期望視覺特征集間的誤差的處理給出。機器人雅克比矩陣 pJ 通常是指從關(guān)節(jié)空間向操作空間運動速度的廣義傳動比，即 qJXV q ?? ??? 式中， X? 為末端執(zhí)行器在操作空間中的廣義運動速度， q? 為關(guān)節(jié)速度。確定某一攝像機的內(nèi)外參矩陣，稱為攝像機定標。 整理上式可得 ： 1 1 3 1 1 2 3 22 1 3 1 2 2 3 21 g g g gg g g g g gcr u r r u rJr v r r v rz???????? ???? 由此可以看出，在跟蹤過程中， 手爪 運動引起 gcz ， gu ， gv 的變化，并引起 gJ 矩陣的改變。而根據(jù)機器人末端執(zhí)行器的運動，我們同時可以得到如下關(guān)系： c c c cP P T? ?? ? (22) 根據(jù)式 (21)、 (22)， Pc 的微分可以從下式算出 (y z xz x yx y zvzx zw w Tuzy w zw Tzz vw uw T???? ? ?? ? ?? ? ? 則 222 x z x y zz x x z u u v uu T T w w v wz z z??? ????? ? ? ? ? ? 西安理工大學本科生畢業(yè)設(shè)計（論文） 11 22y z x y zv v u vv T T w w u wzz?? ???? ? ? ? ? 經(jīng)過整理，可得圖像雅 可 比矩陣： 222200xyzxyzTTu uv vv Tuzzwv v v uvuwzzw???????????? ? ??? ? ??? ????? ??????? ?????????????? 從上式可以看出，圖像雅 可 比矩陣的值與機器人執(zhí)行器相對于攝像機坐標系的當前位置及攝像機內(nèi)部參數(shù)有關(guān)，并隨執(zhí)行器位置的變化而變化。 白蕾：工業(yè)機器人視覺伺服 10 ? ? ? ?? ? ? ?1111r r r rqr prJ r qf r f rnnrr p????????????? ??????????????? 通過視 覺投影映射變換，可以給出機器人關(guān)節(jié)運動與相應(yīng)的圖像特征運動之間的關(guān)系，即 i i rf J r J J q? ? ? ? 由此，我們可以建立從圖像特征空間到機器人關(guān)節(jié)運動空間的映射模型如下 ： f J q?? 此式中 irJ JJ? ，為整個系統(tǒng)的圖像雅 可 比矩陣。它反映了機器人運動空間與任務(wù)所選擇的圖像特征空間的微分映射關(guān)系。 西安理工大學本科生畢業(yè)設(shè)計（論文） 9 2 基于 標定技術(shù)的機器人 視覺伺服 圖像雅可比矩陣模型簡介 圖像雅 可 比矩陣是目前在機器人手眼協(xié)調(diào)研究領(lǐng)域使用最為廣泛的一類方法 [12]。提出用 Kalman 濾波器 解決 圖像雅可比矩陣的在線辨識問題。構(gòu)建了 MOTOMAN— SV3XL 型六自由度工業(yè)機器人無標定視覺伺服實驗平臺，完成了基于 kalman 濾波的機器人無標定視覺伺服定位實驗，實驗結(jié)果表明該方法能很好的定位到目標。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，且沒有自學習能力，跟蹤效果并不理 想。如 Yoshimi 和 利用試探運動估計當前的圖像雅可比矩陣，完成二維平面上插軸入孔的任務(wù) [11]。 對于無標定條件下的機器人視覺伺服方法的研究是從二十世紀九十年代初開始，并已逐漸成為眾多 學者的研究熱點。在這樣的情況下，雖然可以采取分區(qū)域標定的辦法，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進行標定的，如在一些危險的或?qū)θ梭w有害的工作環(huán)境中。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，主要考慮攝像機內(nèi)部參數(shù)和外部西安理工大學本科生畢業(yè)設(shè)計（論文） 7 參數(shù)（即手眼關(guān)系參數(shù)）的確定。 總之，在機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)定性之間進行權(quán)衡。 值得提出的是，伺服控制用的特征與圖像識別用的特征，其選擇指標有一定的差別。 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。 圖像特征的選取 視覺伺服的性能依賴于控制回路中所用的圖像特征。 3)與基于圖象的視覺伺服相比更容易受到噪聲的影響。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。只要初始值和期望的圖像特征在攝像機的視野內(nèi)，機器人在運動過程中圖像軌控制在圖像平面內(nèi)。 基于圖象的視覺伺服的主要特點是： 1)不需要對機器人進行位姿估計。 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，而非任務(wù)空間坐標的函數(shù)，因此無需再進行位姿估計，直接利用圖像特征進行視覺信息反饋控制，如圖 14所示。 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行軌跡控制。 基于位置的視覺伺服的主要特點： 攝像機 機器人 驅(qū)動器 視覺控制器 圖像特征提取 f* 一 f 攝像機 機器人 驅(qū)動器 視覺控制器 圖像特征提取 f* 一 f 機器人關(guān)節(jié)控制器 關(guān)節(jié)角傳感器 白蕾：工業(yè)機器人視覺伺服 4 1)機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，這符合機器人學習慣 【 6】 。 (1)基于位置