【正文】 b. 圖像采集設(shè)備 圖像采集設(shè)備采用北京微視電子技術(shù)有限責(zé)任公司生產(chǎn)的 MVPCI 系列產(chǎn)品中的MVPCIV3A 6 通道圖像采集卡。在所有關(guān)節(jié)變量的起點(diǎn)和終點(diǎn)之間逐步插值，每步的移動量大體相等，所走過的路徑接近于一條光滑曲線。 BscMov()：在指定的坐標(biāo)系中實(shí)現(xiàn)絕對位置運(yùn)動。實(shí)驗(yàn) 中所用的機(jī)器人是日本安川公司開發(fā)的工業(yè)機(jī)器人 MOTOMANSV3XL。 仿真結(jié)果如下所示： 215 220 225 230 235250252254256258260262264266268270基于 k a l m a n 濾波的圖像平面手爪定位曲線y方向 單位：像素x 方向 單位：像素機(jī)器人手爪運(yùn)動軌跡目標(biāo)點(diǎn) 圖 37 手爪在圖像平面上的運(yùn)動軌跡 (kalman 濾波 ) 0 5 10 15 20 2502468101214基于 k a l m a n 濾波的圖像平面定位誤差曲線圖像平面誤差 單位：像素 單位：采樣時刻 圖 38 圖像平面 定位 誤差曲線 (kalman 濾波 ) 西安理工大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 25 0 5 10 15 20 254202468101214x,y方向定位誤差 單位：像素 單位：采樣時刻x 方向定位誤差y 方向定位誤差 圖 39 x， y 方向定位 誤差曲線 (kalman 濾波 ) 實(shí)驗(yàn)結(jié)果分析： 從上圖可以看出 ，機(jī)器人末端執(zhí)行器能快速跟上目標(biāo) ，且誤差很小。雙環(huán)結(jié)構(gòu)將機(jī)器人非線性運(yùn)動控制從視覺控制系統(tǒng)中分離出來，在視覺控制中可作為線性環(huán)節(jié)處理，簡化了視覺控制器的設(shè)計(jì)過程。 24( ) 0() 0 ( )gTgTpkCk pk????? ????? 建立 Kalman 濾波遞推估計(jì)： ? ?( 1) ( )x k x k? ?? (310) ( 1) ( )Q k P k R?? ? ? (311) ? ? ?( 1 ) ( 1 ) ( 1 ) [ ( 1 ) ( ) ( ) ]x k x k K k y k C k x k?? ? ? ? ? ? ? ? (312) 1( 1 ) ( 1 ) ( ) [ ( ) ( 1 ) ( ) ]TT vK k Q k C k C k Q K C k R ?? ? ? ? ? (313) ( 1 ) [ ( 1 ) ( ) ] ( 1 )P k I K k C k Q k? ? ? ? ? (314) 其中 R? ， vR 為噪聲方差陣。yvsignal with noise 西安理工大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 21 圖 32 原始信號及帶有噪聲的原始信號 0 0 . 5 1 1 . 5 2 2 . 5 3 0 . 200 . 20 . 40 . 60 . 811 . 2t im e ( s )yideal signal。 關(guān)于系統(tǒng)過程噪聲和觀測噪聲的統(tǒng)計(jì)特性，可假設(shè)如下： ( ( ) ) 0 , c ov { ( ) , ( ) } kjE k k j R ?? ? ? ??? ( ( ) ) 0 , c ov { ( ) , ( ) } v k jE v k v k v j R ? cov { ( ), ( )} 0k v j? ? ,kj? 其中， R? 是系統(tǒng)過程噪聲 ? 的 nn? 維對稱非負(fù)定方差矩陣， vR 是系統(tǒng)觀測噪聲 v 的mm? 維對稱正定方差陣。目前， Kalman 濾波作為一種重要的最優(yōu)估計(jì)理論被廣泛應(yīng)用于各種領(lǐng)域，如慣性導(dǎo)航、制導(dǎo)系統(tǒng)、移動機(jī)器人定位 【 13】 、目標(biāo)跟蹤等。 仿真結(jié)果如下所示： 0 50 100 150 200 250250300350400450500眼在手圖像平面手爪定位曲線x 方向 單位：像素y方向 單位：像素機(jī)器人手爪運(yùn)動軌跡目標(biāo)點(diǎn) 圖 27 手爪在圖像平面上的運(yùn)動軌跡 (眼在手 ) 0 5 10 15 20 25050100150200250300350圖像平面定位誤差曲線圖像平面誤差 單位：像素 單位：采樣時刻 圖 28 圖像平面 定位 誤差曲線 (眼在手 ) 0 5 10 15 20 25 2 5 0 2 0 0 1 5 0 1 0 0 5 0050100150200250x,y方向跟蹤誤差 單位：像素 單位：采樣時刻x 方向定位誤差y 方向定位誤差 圖 29 x， y方向定位誤差 (眼在手 ) 仿真結(jié)果分析： 白蕾：工業(yè)機(jī)器人視覺伺服 18 由上圖可知， 在眼固定和眼在手 的情況下 都可達(dá)到滿意的 定位效果。 實(shí)驗(yàn)最后的得到的誤差為 E=（ pixel）。 第二種方式是先將圖像平面的誤差乘以圖像雅可比矩陣的逆變換到笛卡兒空間中的誤差，然后在笛卡兒空間中設(shè)計(jì)視覺控制器，也可以直接變換到關(guān)節(jié)空間。 式 (25)是機(jī)器人關(guān)節(jié)控制器的設(shè)計(jì)依據(jù)，其輸入為末端執(zhí)行器的廣義運(yùn)動速度X? ,輸出為各關(guān)節(jié)的轉(zhuǎn)動控制量（角位移增量）。 M 稱為投影矩陣； 1M 僅與攝像機(jī)內(nèi)部結(jié)構(gòu)有關(guān)，稱為內(nèi)參矩陣； 2M 完全由攝像機(jī)相對于世界坐標(biāo)系的方位決定，稱為外參矩陣。 P 為固定在此執(zhí)行器上的一點(diǎn)，[]CTP x y z? 為該點(diǎn)在攝像機(jī)坐標(biāo)系中的坐標(biāo)， []Tuv為該點(diǎn)在攝像機(jī)圖像平面上的坐標(biāo)： uxvyz?? ? ? ??? ? ? ?? ? ? ? (21) ? 為攝像機(jī)焦距。 ? ? mniJ r R ??即為圖像雅 可 比矩陣。 第三章針對無標(biāo)定系統(tǒng)的特點(diǎn)以及傳統(tǒng)雅可比矩陣在線估計(jì)算法的缺點(diǎn)，專門分析了圖像雅可比矩陣模型的在線辨識問題。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。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(jì)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。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。大多數(shù)基于圖像的視覺伺服系統(tǒng)都采用點(diǎn)特征 (如質(zhì)心點(diǎn)，角點(diǎn)或經(jīng)過特殊設(shè)計(jì)的具有明顯特 征 的點(diǎn)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。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(shí)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。 2)需要進(jìn)行特征點(diǎn)匹配。 3)可在圖像平面中控制特征點(diǎn)軌跡，使之盡可能沿直線運(yùn) 動。 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。 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。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。此外，由于攝像機(jī)安裝在機(jī)械臂末端，增加了機(jī)械手的負(fù)載，攝像機(jī)也 容易受碰撞。目前研究基于圖像的運(yùn)動目標(biāo)跟蹤問題成為主要的發(fā)展方向，無標(biāo)定概念（在未知手眼關(guān)系模型的條件下，實(shí)現(xiàn)對運(yùn)動目標(biāo)的操作）的提出更是為視覺機(jī)器人領(lǐng)域提供了廣空的發(fā)展空間。 工業(yè)機(jī)器人視覺伺服控制系統(tǒng)概述 工業(yè)機(jī)器人視覺伺服的發(fā)展情況 七十年代， Shirai 和 Inoue 提出了用視覺反饋提高機(jī)器人定位精度的方法，但由于當(dāng)時條件所限，其實(shí)際為“ static look then move”系統(tǒng)。將視覺傳感器引入到機(jī)器人控制系統(tǒng)，可以增加機(jī)器人對周圍環(huán)境的自適應(yīng)性，拓寬機(jī)器人的應(yīng)用領(lǐng)域。 然而，在實(shí)際中，由于種種原因，這種基于標(biāo)定的機(jī)器人視覺伺服方法受到了很大的限制。無標(biāo)定視覺伺服開始成為機(jī)器人視覺伺服領(lǐng)域的一個研究熱點(diǎn)，所謂“無標(biāo)定”視覺伺服是指在不預(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(jì)控制律，驅(qū)動機(jī)器人運(yùn)動，使系統(tǒng)誤差收斂到一個容許的誤差內(nèi)?？梢灶A(yù)見，具有視覺的智能機(jī)器人將得到越來越廣泛的應(yīng)用 【 1】 。其工作過程分為兩部分：首先“ look”，確定目標(biāo)位置，計(jì)算出目標(biāo)的坐標(biāo)，然后“ move”，控制機(jī)械臂到達(dá)目標(biāo)位置，完成抓取任務(wù)。 視覺伺服的分類 機(jī)器人視覺伺服系統(tǒng)種類繁多，分類方法也很多，通?？梢愿鶕?jù)物理結(jié)構(gòu)和控制方式來進(jìn)行分類。當(dāng)手爪接近目標(biāo)時，目標(biāo)可能會超出攝像機(jī)視場。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(jì)過程。 基于位置的視覺伺服的主要特點(diǎn)： 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 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 白蕾：工業(yè)機(jī)器人視覺伺服 4 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】 。 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(jì)，直接利用圖像特征進(jìn)行視覺信息反饋控制，如圖 14所示。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)。 3)與基于圖象的視覺伺服相比更容易受到噪聲的影響。特別是對于真實(shí)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。 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。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)和外部西安理工大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 7 參數(shù)（即手眼關(guān)系參數(shù)）的確定。 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(diǎn)。但這種方法由于未能充分利用模型結(jié)構(gòu)方面的先驗(yàn)知識，且沒有自學(xué)習(xí)能力，跟蹤效果并不理 想。提出用 Kalman 濾波器 解決 圖像雅可比矩陣的在線辨識問題。它反映了機(jī)器人運(yùn)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。而根據(jù)機(jī)器人末端執(zhí)行器的運(yùn)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(xué)本科生畢業(yè)設(shè)計(jì)（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(jī)器人執(zhí)行器相對于攝像機(jī)坐標(biāo)系的當(dāng)前位置及攝像機(jī)內(nèi)部參數(shù)有關(guān)，并隨執(zhí)行器位置的變化而變化。確定某一攝像機(jī)的內(nèi)外參矩陣，稱為攝像機(jī)定標(biāo)。而末端執(zhí)行器的廣義運(yùn)動速度 X? 由視覺控制器經(jīng)由對當(dāng)前視覺特征集與期望視覺特征集間的誤差的處理給出。這里我們采用第二種方式。圖 23 中，“ +”表示手爪在圖像平面上的運(yùn)動坐標(biāo)；“◇”表示要到達(dá)的期望的目標(biāo)坐標(biāo)。 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