【正文】 rget. However in practice, a varity of reasons,limit the application of the visual servoing control method based on calibrated technologies to a great extent. Uncalibrated visual servoing has bee a hotspot in the field of robot visual servoing visual servoing means that vision control law is designed directly by the system state error from image plane without precalibrating the parpmeters of camera and robot,which controls the robot to make system error converge to a permissible region. Therefore, uncalibrated visual servoing, which based on kalman filter, has been studied and simulated in this paper. Simulation results show the effectiveness and feasibility of the method. Final, pleted robot visual servoing positioning experiment, which based on kalman filter. Control software has been programed with VC++. Simultaneously, a MOTOMAN industry robot,a CCD camera and an image grabber card, together with PC host puter,construct a hardware platform. The results show the well performance of the corresponding visual positioning. Keywords: MOTOMANSV3XL industrial robot, image jacobian matrix, Kalman filter, uncalibrated visual servoing西安理工大學(xué)本科生畢業(yè)設(shè)計（論文） I 目 錄 1緒論 ......................................................... 1 引言 ................................................... 1 工業(yè)機器人視覺伺服控制系統(tǒng)概述 ........................ 1 工業(yè)機器人視覺伺服的發(fā)展情況 .................... 1 視覺伺服的分類 ................................. 2 圖像特征的選取 .................................. 5 無標(biāo)定視覺伺服系統(tǒng) .................................... 6 本文的主要工作 ........................................ 8 2基于標(biāo)定技術(shù)的機器人視覺伺服 ................................ 9 圖像雅可比矩陣模型簡介 ................................ 9 攝像機模型 ........................................... 12 機器人模型 ........................................... 13 視覺控制器的設(shè)計 ................................ 14 基于圖像雅克比矩陣的機器人標(biāo)定視覺伺服的仿真 ........ 14 3基于 kalman 濾波的機器人無標(biāo)定視覺伺服 ...................... 18 引言 .................................................. 18 kalman 濾波算法概述 .................................. 18 基于 kalman 濾波原理的信號濾波仿真 .................... 20 固定眼的基于 Kalman 濾波 的雅可比矩陣在線辨識 ......... 21 基于 kalman 濾波的機器人無標(biāo)定視覺仿真 ................ 22 4機器人無標(biāo)定視覺伺服實驗 ................................... 25 系統(tǒng) 整體結(jié)構(gòu) ......................................... 25 機器人控制子系統(tǒng) ..................................... 26 視覺信息處理子系統(tǒng) ................................... 28 機器人無標(biāo)定視覺伺服控制實驗 ......................... 30 5總結(jié) ........................................................ 33 致 謝 ........................................................ 35 參考文獻 ..................................................... 36 西安理工大學(xué)本科生畢業(yè)設(shè)計（論文） 1 1 緒論 引言 近年 來，機器人技術(shù)已成為高技術(shù)領(lǐng)域內(nèi)具有代表性的戰(zhàn)略性技術(shù)之一，它使得傳統(tǒng)的工業(yè)生產(chǎn)方式發(fā)生根本性的變化，對人類社會的發(fā)展產(chǎn)生深遠的影響。然而， 與基于傳統(tǒng)傳感器的機器人控制相比，它具有比較明顯的優(yōu)點：更高的靈活性，更高的精度，能夠?qū)C器人標(biāo)定誤差具有強的魯棒性等 【 2】 。 八十年代末， Hill 與 Park 提出了“視覺伺服”（ Visual Servo）的概念，該方法采用視覺反饋閉環(huán)控制方案，利用圖像特征等視覺信息在線控制機械手位姿，實現(xiàn)控制功能。但 采用這種安裝方式有如下缺點：在機器人運動過程中，會發(fā)生圖像特征遮蓋現(xiàn)象，觀察靈活性差，攝像機無法根據(jù)作業(yè)要求給出環(huán)境的細(xì)節(jié)描述。單閉環(huán)系統(tǒng)的最大優(yōu)點就是能直接對機器人的底層運動環(huán)節(jié)進行控制，因而系統(tǒng)設(shè)計的自由度更大，如果規(guī)劃合理能得到更加優(yōu)良的控制性能。 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。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。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。 圖 14 基于圖像的視覺伺服結(jié)構(gòu)框圖 (3)混合視覺伺服 (又稱 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。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。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行匹配，適用范圍較廣，但定位精度比用局部特 征低。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。所以，一旦攝像機的位置、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，必須進行重新標(biāo)定； (3)由于攝像機鏡頭畸變等因素的影響，攝像機的標(biāo)定區(qū)域一般限制在一個比較小的區(qū)域，如果機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。 基于雅可比矩陣的方法力圖用線性關(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。 本文的主要工作 本文的工作主要 集中在研究基于標(biāo)定技術(shù)的機器人視覺伺服，和基于 kalman 濾波原理的機器人無標(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。 第五章 對 己取得的研究成果進行了簡單的總結(jié) 及分析 。式中 rJ 被稱為機器人雅 可 比矩陣。圖像雅克比矩陣反映了圖像特征空間與機器人運動空間的微分關(guān)系， 即 ()g g ggf J p p? ()ggbbggggbbuuxyJpvvxy????????? ?????????? 使用針孔模型描述攝像頭的成像投影關(guān)系： gcgggcgcgggcxuzyvz??? ?????? ???? 圖像特征運動 : 11 1221 2231 320000g g g ggcg g g gg c c c cg g gcg g g g ggcg g g gc c c cuux r ru z z z zf y r r pv vvz r rz z z z????? ? ? ????? ??? ? ? ??? ?? ??? ? ? ?? ? ? ??? ??? ? ? ??? ?? ??? ? ? ? ????? ? ? ?? ? ? ? 設(shè)從機器人基坐標(biāo)系 b? 到固定 攝像機坐標(biāo)系的變換關(guān)系如下： 白蕾：工業(yè)機器人視覺伺服 12 ggcbgcxxy R y Tzz? ? ? ?? ? ? ?? ? ?? ? ? ?? ? ? ?? ? ? ? 式中： 11 12 1321 22 2331 32 33r r rR r r rr r r??????? xyzTTTT??????????? R ， T 為相應(yīng)的旋轉(zhuǎn)和平移關(guān)系，對于固定攝像機，它們是常數(shù)陣。 機器人模型的一個關(guān)鍵問題是機器人的雅可比矩陣。這里我們使用 PID 控制器。 眼固定 (見 圖 22) 西安理工大學(xué)本科生畢業(yè)設(shè)計（論文） 15 圖 22 眼固定模型 仿真參數(shù)設(shè)置如下：目標(biāo)運動平面為機器人基坐標(biāo)系的 xoy 平面，攝像機的內(nèi)參數(shù)為 [8e3 20e3 20e3 256 256]。圖像平面大小為 [0 511 0 511]。 3 基于 kalman 濾波的 機器人無標(biāo)定視覺伺服 引言 機器人是一個復(fù)雜的多輸入多輸出的非線性系統(tǒng)，在實際工作中，難免會受到噪聲的干擾，導(dǎo)致控制精度下降 ，因此，為了獲取所需信號，排除干擾，就需要對所獲取的信號進行濾波。 Kalman 濾波具有如下顯著特點：濾波器設(shè)計簡單易行；采用遞推算法；適用于白噪聲激勵的任何平穩(wěn)或非平穩(wěn)隨機向量過程估計，所得估 計在線性估計中精度最佳。在一個濾波周期內(nèi)，從 Kalman濾波在使用系統(tǒng)信息和觀測信息的先后次序來看， Kalman 濾波具有兩個明顯的信息更新過程：時間更新過程和觀測更新過程。 這里可以使用 Kalman 濾波算法實現(xiàn)全局視覺雅可比矩陣 gJ 的在線估計。 基于 kalman 濾波的機器人無標(biāo)定視覺 仿真 目前存在的基于圖像的機器人視覺定位方法大部分是建立在圖像雅可比矩陣的基礎(chǔ)上的，其結(jié)構(gòu)如圖 35 所示。 圖像雅可比矩陣的初值 ?(0)J 通過一開始作任意兩步試探運動得到，將其構(gòu)成 ?(0)x ：手爪初始位置 0p =[ 0], 1p =[ ], 2p =[ ]， 所以 1gp? = 1p 0p =[ ]，2gp? = 2p 1p =[ ]。經(jīng)過 目標(biāo)圖像 和手爪圖像 的獲取 ,圖像處理和識別得到目標(biāo) 和手爪 在圖像中的位置。 西安理工大學(xué)本科生畢業(yè)設(shè)計（論文） 27 圖 42 MOTOMAN 機器人各關(guān)節(jié)的旋轉(zhuǎn)方向定義 關(guān)節(jié) i ()ia mm ()iao ()id mm ()i o? 關(guān)節(jié)變量范圍(o) 1 150 90 0 0 (170,+170) 2 260 180 0 90 (45,+150) 3 60 90 0 0 (70,+190) 4 0 90 260 0 (180,+180) 5 0 90 0 0 (135,+135) 6 0 180 90 0 (350,+350) 表 41 MOTOMAN 機器人的有關(guān)參數(shù) 通過 MOTOMANCOM32 軟件實現(xiàn)主機和 YASKAWAG 工業(yè)機器人控制器 YASNAC XRC 之間的數(shù)據(jù)傳輸。本實驗系統(tǒng)采用串口通信 RS232C，通過函數(shù) BscSetCom()實現(xiàn) 串口通信相關(guān)參數(shù)的設(shè)置。但在 直角坐標(biāo)系中規(guī)劃作業(yè)路徑、運動方向和速度顯然要比在關(guān)節(jié)坐標(biāo)系中直觀得多，本文的實驗都是在直角坐標(biāo)系下進行的。此外由于借用了計