【導(dǎo)讀】專業(yè)機械設(shè)計制造及其自動化。課題多自由度機械手機械設(shè)計

　　

【正文】 的是研究對動態(tài)物體的視覺捕捉，有的是研究不能適應(yīng)特殊環(huán)境的捕捉問題，但是很少有文章把兩個問題結(jié)合起來考慮。很明顯一個復(fù)雜的機器人系統(tǒng)如自動裝配系統(tǒng)要求具有用視覺反饋來進行計劃、執(zhí)行和監(jiān)視捕捉的完整系統(tǒng)。 我們所建立的機器人手 眼協(xié)同系統(tǒng)在捕捉動態(tài)物體的過程中有三個顯著的特點：對視覺系統(tǒng)采集的三維參數(shù)的快速計算、對移動機 械手臂跟蹤、截取、捕捉動態(tài)物體的預(yù)先控制。這個系統(tǒng)能夠以近似于人類手臂運動的速度來操縱，運用視覺反饋來跟蹤、截取、穩(wěn)定的捕捉和拾取動態(tài)的物體。我們所運用的關(guān)于感覺和反應(yīng)方面的運算法則是很全面的以及能夠應(yīng)用到要求對手臂控制有視覺反饋的變化多樣的復(fù)雜任務(wù)中。 我們的工作也忙于所有的完整的感覺 反應(yīng)系統(tǒng)以及有不同取樣和處理速率的綜合系統(tǒng)所固有的最基本和限制問題。許多復(fù)雜的機器人系統(tǒng)事實上都有不同的處理設(shè)備和方法。例如，我們設(shè)計的系統(tǒng)包括三個獨立的計算系統(tǒng)，一個圖象處理系統(tǒng)，一個主機來對原始的視覺數(shù)據(jù)進行過濾、三角 計算和預(yù)測物體的空間位置，一個獨立的手臂控制系統(tǒng)來執(zhí)行反轉(zhuǎn)運動和連接水平上的伺服系統(tǒng)。任何一個系統(tǒng)都有它們獨立的取樣頻率、噪聲特性和光滑穩(wěn)定的處理延遲。在我們的案例里，我們主要專注于通過依靠對系統(tǒng)噪聲特性的概略分析來進行預(yù)先過濾從而來克服視覺處理噪音和延遲。另外，實時的手臂控制系統(tǒng)要求無論對物體位置新的預(yù)測是否有用都能夠有很快的伺服速率。 這個系統(tǒng)有兩個可以拍攝移動物體的固定相機，還有一個平口虎鉗可以用來拾取運動的物體。系統(tǒng)的運行過程如下： （ 1）系統(tǒng)的影射對圖象的每個相素進行光學(xué)流動計算。通過這些光學(xué)流動區(qū)域，我們通過對每個動作的能線圖進行三角測量后可以以確定每個運動物體的空間位置。 （ 2）對第一步獲得的初始空間位置進行稍微的傳感器噪音濾處，然后對軌道參數(shù)進行非線性的濾波使其能夠用來進行迅速的預(yù)測，最后再把較正后的軌道參數(shù)送給機械手系統(tǒng)。 （ 3）軌道設(shè)計者通過動態(tài)平衡方程式來更新手臂伺服系統(tǒng)的接合標(biāo)準(zhǔn)。為了避免對光學(xué)和濾波系統(tǒng)信息的遺漏和延遲，又附加了一個固定的濾波器。 12 （ 4）一旦跟蹤穩(wěn)定了，系統(tǒng)將命令手臂去截取運動的物體，同時機械手將進行穩(wěn)定的捕捉和拾取。 接下來的部分將結(jié)合實驗結(jié)果對每個子系統(tǒng)進行詳細的 介紹。 2 前期工作 由于前期工作太多而無法一一列舉，我們只列舉了一些對我們工作有提示作用的讓我們采用了相似系統(tǒng)的文獻。 Burt et al. 專注與研究高速容貌探測和對圖象的不同縮放比例來滿足監(jiān)視的實時性和其他機器人系統(tǒng)的應(yīng)用。相關(guān)的工作已經(jīng)被 Lee 、 Wohn 、 Wiklund 和 Granlund所報道了，他們用不同的圖象處理方法來跟蹤物體。 Corke,、 Paul和 Wohn發(fā)表了一種重要的跟蹤方法，它用一種有特殊用途的硬件來驅(qū)動安裝在手臂系統(tǒng)上的相機的伺服系統(tǒng)。 Goldenberg et al也發(fā) 明了一種方法，它用的是和我們有相似視覺硬件的時間濾波器。 Luo、 Mullen 和 Wessel 在 Horn Schun的基礎(chǔ)上發(fā)明了一種在一維上跟蹤運動物體的方法。Verghese et ul. 發(fā)明了一種和我們有相似傳遞途徑的實時的短距離視覺跟蹤運動物體的方法。 Safadi 研發(fā)了一種以棱鏡為基礎(chǔ)的光學(xué)系統(tǒng)，該方法和我們有相似的跟蹤濾波系統(tǒng)。 Rao 和 DurrantWhyte研發(fā)了一種基于分散跟蹤的 Kalman濾波系統(tǒng)，該系統(tǒng)是用若干個相機來跟蹤物體的。 Miller采用了一種綜合運用相機和手臂來跟蹤物 體，該系統(tǒng)的重點是研究系統(tǒng)的運動控制參數(shù)。 Weiss et al. 也通過視覺反饋足進了系統(tǒng)控制理論上的飛躍。 Brown研發(fā)了一固定的控制系統(tǒng)，他在運動的控制系統(tǒng)上安裝了有兩個監(jiān)視孔的相機從而實現(xiàn)了對運動物體的固定監(jiān)視。 Clark and Ferrier也研發(fā)了一種對移動機器人進行固定控制的系統(tǒng)。在跟蹤上的新突破就是出現(xiàn)了用移動相機來進行跟蹤。 在動態(tài)跟蹤的控制方面的主要著作大都是關(guān)于穩(wěn)定性的、日益更新的對不同視覺運算法則的噪聲軌跡和輸出延遲。我們前期也用了同樣的方法來處理這個問題，用了一個 濾波器，它是一 個穩(wěn)態(tài) Kalman濾波器。在 Papanikolopoulos et al. 的著作中視覺感受器被用在反饋循環(huán)中來適應(yīng)機器人的視覺跟蹤。經(jīng)典控制系統(tǒng)由一個 Kalman濾波預(yù)算和一個用理想控制來估計機器人的運動。當(dāng)實時性比較高以及要求精確跟蹤時，視覺系統(tǒng)經(jīng)常用 SSD來進行光學(xué)估計。有效的利用圖象中的窗口能夠更好的發(fā)揮這種方法的作用。作者已經(jīng)介紹了更好的跟蹤方法，并且要求控制器要有足夠的能量，因此復(fù)雜的系統(tǒng)被證明是不適合的。 CMU Direct Drive Arm I1的實驗結(jié)果證明這種方法還是很精確、還是很有前 途的。 13 Lee和 Kay主要致力于由于機器人結(jié)構(gòu)調(diào)整而引起的不確定性問題。事實上要把機器人結(jié)構(gòu)上每個相機都準(zhǔn)確的固定是見很煩人的事，因此每次在枯燥的環(huán)境下工作時它都要被移動。其次，要在笛卡爾坐標(biāo)系中確定運動物體的位置和移動方向和假設(shè)一個簡單的誤差模擬。安徒生采用了一個 Kalman濾波器來讓機器人完成迷宮游戲。在 Houshangi 和 Koivo et al. 工作中采用了一種稍微有點不同的逼近方法。在這些工作中 AR和 ARMAX被 用來研究視覺跟蹤系統(tǒng)。 三 視覺系統(tǒng) 在視覺跟蹤問題上，系統(tǒng)的映射中的 動作需要轉(zhuǎn)化為三維空間上的動作。我們的方法是通過最初估計局部的光學(xué)流場來測量圖像中的每個相素的轉(zhuǎn)換速率。在處理光學(xué)流場時我們用了許多技術(shù)，這些技術(shù)包括匹配技術(shù)、坡度技術(shù)以及時空能量法。光學(xué)流場選擇以古老的跟蹤運算法則為基礎(chǔ)的原因如下： （ 1）在空間上跟蹤一個物體意味著將在那個能夠成像的視網(wǎng)膜形成一個動作圖像。通過對每個相機上圖像的鑒別，我們就能夠確定物體的真實空間位置。 （ 2）成像過程中主要的限制就是必須要有很高的計算速度來滿足機械手臂參數(shù)的更新。因此，我們要能夠快速地粗略地估計物體的移動。 HomSchunck的光學(xué)流場運算法則就很適合我們 PIPE成像過程中的運算估計。 （ 3）我們發(fā)明了一種新的框架通過理論上的框架來粗略地處理光學(xué)流。雖然這個項目還不能夠明確的使用這種方法，但是我們打算在將來的運算法則中采用這中框架。 我們的方法是以用 HomSchunck的運算法則來處理光學(xué)流場為開頭的。這種方法潛在的假設(shè)是光學(xué)流場方程式，它認為在時間 T和 T+t兩個時刻圖像的亮度是一樣的： 如果我們用泰勒公式對方程式展開，并且忽略掉二階及高階項后，我們將獲得如下的式子： 其中 u和 v是象空間的速率， Ix、 Iy和 It是空 間和時間上的坐標(biāo)，這個約束條件限制了速度在速率場上為線性變化。由于相機的孔徑問題我們不能夠直接通過約束條件來確定實際速率，但可以由這個線性公式重新獲取一些正常速率的參數(shù)。基于一種光滑而有啟發(fā)性的約束條件，重復(fù)的過程經(jīng)常被用來加快圖像的速率。這些附加的約束條件被用來恢復(fù)圖像中的實際速度 u、 v。盡管計算的很逼真，但這種確定光學(xué)流速率的方法仍有其固有的缺點。首先，這種估計是建立在單獨相素的基礎(chǔ)上的，要求進行大量的計算。其次，光學(xué)流的所有信息都只適用于坡 14 度存在的條件下。 我們通過運用 PIPE圖像處理機已經(jīng)克服了第一 個問題。 PIPE圖象處理機是一個可以以楨頻的速率來平行處理多重 256*256*8比特圖像的計算機，并且它支持以楨頻的速率來平行處理圖像要必需的操作。由于我們不需要知道圖像中的實際速率，因此也降低了第二個問題的難度。因此，一些很大坡度的正常速度就可以滿足我們的要求了，從而減少了對圖像重復(fù)加速的要求。 A、 實時的處理正常的光學(xué)流速度 我們的目的是實時的跟蹤一個單獨的運動物體。我們用兩個固定的攝像機進行攝像并將物體的空間位置匯報給機械手控制系統(tǒng)。每個相機都通過三維圖像進行校正，但這并不要求必須是標(biāo)準(zhǔn)的相機。我們通過計 算每個相機中的每個圖像的常規(guī)構(gòu)成，找到每個圖像中每個動作的質(zhì)心，然后用三角測量法來確定每個圖像背面的質(zhì)心。四個處理機被平行的用在 PIPE上。處理機被分配到兩個相機上，其中的兩個被用來計算圖像在 X和 Y方向上的質(zhì)心坐標(biāo)。我們也用了一個特殊的處理機來完成實時的柱狀圖，以下的步驟與圖 3的數(shù)字相對應(yīng)： 1）照相機進行攝像并將圖像傳輸給 PIPE的處理系統(tǒng)。 2）通過高斯公式來圓滑圖像，盤形的執(zhí)行元件被內(nèi)置在 PIPE內(nèi)部，并且可以在一楨的循環(huán)中運行。 34）在接下來的兩個循環(huán)中，更多的圖像被平穩(wěn)的、光滑的讀入。對圖像的 緩沖和傳遞實現(xiàn)雖然引起了對輸出的延遲但它能夠?qū)崿F(xiàn)對圖像的通俗操作。在 PIPE中運用了三個流暢的攝像系統(tǒng)。 5）映像 Io和 I1相減以后獲得了暫時的 It。 6）與步驟五相比，圖像 I1周圍纏了一圈 3 x 3水平的梯度算子，反饋回來 Ix方向上的離散信號，同時垂直方向上的梯度也可以通過 Iy來算出。 78）步驟 5和 6的結(jié)果被保存到了磁盤中，然后再輸入一個查詢表格，它通過對水平方向和垂直方向的綜合估計把時間軸分成了每個像素。這就使得每個圖像的各個像素都有了一個正常的播放速度。這些速度都已經(jīng)得到了極限，并且圖像上 的任何一個孤立的斑點都是由形態(tài)學(xué)上的餓腐蝕引起的。以上的極限速率被翻譯成了灰度為 255的編碼。在我們的實驗中，我們以每 60秒 10楨的速率來播放。 910）為了確定運動物體的質(zhì)心，我們需要綜合 X和 Y方向上的信息。簡而言之，我們只能夠知道 X方向的坐標(biāo)。在圖三的灰度值中把水平方向的坐標(biāo)分成了 15 0255。因此，圖像在水平坐標(biāo)為 0時是黑色，在水平坐標(biāo)為 255時是白色。 11）借助于這個結(jié)果并將他們用柱狀圖表示出來，我們通過了 PIPE的一個特殊階段，這個階段以楨頻的速率展現(xiàn)了柱狀圖，我們通過對柱狀圖的分析能夠得到運動 物體的質(zhì)心。柱狀圖以很高的速率復(fù)顯了圖像，這些分為 256階段的信息能夠在 10秒內(nèi)通過并行接口輸入到 PIPE內(nèi)。并且同時也就獲得了 Y方向上的坐標(biāo)了。要確定一個運動物體的位置所延遲的時間是 15個循環(huán)周期也就是。 第二個相機也運用同樣的運算法則在 PIPE的并行接口上工作。一旦任何一個相機找到了運動物體的質(zhì)心，它們將通過相機的校準(zhǔn)反饋到屏幕上，并且通過三角測量來確定運動物體的空間位置。由于 PIPE傳遞管道的自然特性，每 1/60秒將產(chǎn)生一個新的 X和 Y坐標(biāo)。盡管我們能夠以實時的速率來確定物體的空間位置，但在視 覺系統(tǒng)中仍然有大量的噪聲和固定誤差以及由于有不同的監(jiān)視系統(tǒng)所帶來的微小偏移。接下來帶來的影響就是創(chuàng)造了新的空間位置坐標(biāo)使我們在大體上確定了物體的位置但卻不能夠精確的跟蹤物體，從而也就不能夠?qū)ξ矬w進行捕捉。在接下來的部分我們論說了一種概然的模型，它能夠濾掉更多的噪音從而能夠更加穩(wěn)定的、精確的確定物體的空間位置。 16