【正文】 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(jìn)行的。 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。 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 =[ ]。 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。 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。圖像平面大小為 [0 511 0 511]。這里我們使用 PID 控制器。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。 第五章 對 己取得的研究成果進(jìn)行了簡單的總結(jié) 及分析 。 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。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。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。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 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。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。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】 。 畢業(yè)設(shè) 計（ 論 文） 題 目 工業(yè)機器人視覺伺服 專 業(yè) 自 動 化 班 級 自 064 班 學(xué) 生 白 蕾 指導(dǎo)教師 辛 菁 2021 年白蕾：工業(yè)機器人視覺伺服 摘 要 機器人視覺伺服 是 利用從圖像 中提取的視覺信息 — 視覺特征，進(jìn)行機器人末端執(zhí)行器的位置閉環(huán)控制 。以上優(yōu)點決定了機器人視覺伺服在較短的時間里成為機器人研究領(lǐng)域中的熱點之一并在工業(yè)生產(chǎn)、海洋探測等眾多領(lǐng)域得到了成功的應(yīng)用。 (2)眼在手上：攝像機固定在機器人終端操作器上，隨手爪的運動而運動，不存在圖像特征遮蓋問題。 (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)。 基于圖象的視覺伺服的主要特點是： 1)不需要對機器人進(jìn)行位姿估計。 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。 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(jìn)行權(quán)衡。如 Yoshimi 和 利用試探運動估計當(dāng)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]。 西安理工大學(xué)本科生畢業(yè)設(shè)計（論文） 9 2 基于 標(biāo)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]。 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。 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。設(shè)定 期望的目標(biāo) 為 [2 ]，即圖像坐標(biāo)為 [250 250]； 手爪西安理工大學(xué)本科生畢業(yè)設(shè)計（論文） 17 初始位置為 q =[ ]，在世界坐標(biāo)系下的起始位置為 [ 0 0]，即圖像坐標(biāo)為 [ ]。 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(jìn)行估計，也可以對非平穩(wěn)的﹑多維隨機過程進(jìn)行估計。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。手爪在圖像平面坐標(biāo) 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(biāo)變換與軌跡規(guī)劃 機器人控制器 機器人 ? dX ? 目標(biāo)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]。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(biāo)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。 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。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(jìn)行大量的坐標(biāo)變換運算和機器人逆運動學(xué)求解，因此，直線運動比關(guān)節(jié)插值運動慢得多。其主要參數(shù)如表 41 所示，其中 6 個軸的定義如圖 42所示。 仿真模型如下圖所示： 圖 36 基于 kalman 濾波的機器人眼固定模型 在固定目標(biāo)定位實驗中， Kalman 濾波估計算法中的 R? 、 vR ，分別取為 ， ，P矩陣的初始值可取 5(0) 10 mnPI? ( sI 意為 s 維單位陣 )。在應(yīng)用此矩陣建立圖像反饋控制器時，為保證控制性能，有必要對其進(jìn)行實時的辨識。 Kalman 意義下的濾波問題實際上就是相當(dāng)于誤差方差最小的狀態(tài)估計。 仿真結(jié)果如下圖所示： 215 220 225 230245250255260265270275眼固定圖像平面手爪定位曲線y方向 單位：像素x 方向 單位：像素機器人手爪運動軌跡目標(biāo)點 圖 23 手爪在圖像平面上的運動軌跡 (眼固定 ) 白蕾：工業(yè)機器人視覺伺服 16 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 24 圖像平面 定位 誤差曲線 (眼固定 ) 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 25 x， y方向 定位 誤差（眼固定） 眼在手 (見圖 26) 圖 26 眼在手模型 仿真參數(shù)設(shè)置如下：攝像機的內(nèi)參數(shù)為 [8e3 80e3 80e3 256 256]。 視覺控制器的設(shè)計 根據(jù)機器人和視覺系統(tǒng)的性能及具體任務(wù)的復(fù)雜性不同，視覺控制器的設(shè)計方法也不同，典型的設(shè)計方法有經(jīng)典 PID 控 制器、狀態(tài)空間方法和任務(wù)函數(shù)法。定義 手爪 在機器人基坐標(biāo)系的 x ， y 坐標(biāo)為機器人運動空間坐標(biāo) ( ) [ ( ) ( ) ]g g g Tbbp t x t y t? ,同時定義手爪在固定攝像機圖像平 面的投影位置為系統(tǒng)的圖像特征空間 ( ) [ ( ) ( ) ]gTggf t u t v t? 。 第四章介紹了機器人視覺伺服實驗系統(tǒng)，給出了整個系統(tǒng)的結(jié)構(gòu)及工作流程，逐一分析了各個子系統(tǒng)的功能以及具體的設(shè)計實現(xiàn) ，并給出實驗結(jié)果。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)補償方法。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。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。對于抓取靜止目標(biāo)的任務(wù)，該誤差僅是機械手圖像特征的函數(shù)；若是跟蹤運動目標(biāo)，誤差同時還是運動目標(biāo)圖像特征的函數(shù)。本文所討論的機器人系統(tǒng)也采用這種控制方式。 (1)眼固定型 ：攝像機固定在機器人空間中某個位置，如正上方或斜側(cè)方等，具有固定的圖像分辨率，并可同 時獲得機械 臂及其工作環(huán)境的全局圖像信息，便于將視覺系統(tǒng)集成到控制中。這使得機器人視覺伺服控制系統(tǒng)的研究涉及高速 圖像處理技術(shù)、機器人運動學(xué)、機器人動力學(xué)、控制理論、實時計算在內(nèi)的多個相關(guān)領(lǐng)域且多個學(xué)科相互交叉和融合，所以實現(xiàn) 機器人視覺伺服控制有相當(dāng)?shù)碾y度，是機器人領(lǐng)域中 具有挑戰(zhàn)性的課題。 它 是實時圖像處理、機器人運動學(xué)、控制理論、計算機技術(shù)以及實時計算等領(lǐng)域的融合，是計算機視覺研究 前沿的一個重要分支。而在一些較為危險和復(fù)雜的任務(wù)領(lǐng)域內(nèi)，如：太空機器人操作，核設(shè)施建設(shè)，高電壓設(shè)備維護，殘疾人輔助設(shè)備等等，具有視覺功能的機器人將會具有很廣闊的應(yīng)用前景。同時，通過調(diào)整手爪位姿，可以讓攝像機靠近被觀察對象，提高圖像分辨率，從而提高測量精度。基本原理是通過對圖像特征的抽取，并結(jié)合已知的目標(biāo)幾何模型