【正文】 Overlay( )：使采集到的圖像實時顯示在VGA卡上，實現(xiàn)同屏顯示工作方式。 MV_DisableVGAOverlay( ) ：禁止圖像顯示。2) 視頻參數(shù)設(shè)置 MV_SetCaptureInterval( ) ：設(shè)置圖像采集間隔，有效值為1~30，即每幀都采直至每30幀采1幀。MV_SetVideoColor( ) ：設(shè)置視頻信號A/D采樣參數(shù)，如亮度、色度、色調(diào)、飽和度、對比度等。3) 圖像采集 MV_GetImageBufNumber( ) ：獲得內(nèi)存緩沖區(qū)可用于采集的幀數(shù)。內(nèi)存緩沖區(qū)被分割成若干塊用于采集，每塊內(nèi)存的大?。床杉翱诘拇笮。┛捎珊瘮?shù)MV_GetCapture Rect( )得到、由于系統(tǒng)的開銷，實際的可用幀數(shù)比簡單計算出的要小。 MV_GetImageSingle( ) ：獲取向內(nèi)存緩沖區(qū)采集的幀號并開始采集，采集結(jié)束后返回，無需再判別采集標志。4) 其它 MV_SystemInit( )：初始化圖像卡,分配系統(tǒng)資源,程序初始化時調(diào)用此函數(shù)。MV_SystemFini( )：釋放圖像卡資源占用，程序結(jié)束時調(diào)用此函數(shù)。實驗中主要參數(shù)設(shè)置如下：A/D變換采樣空間大?。?20240屏幕上活動圖像的顯示的位置和大?。浩聊蛔笊辖牵?20240內(nèi)存緩沖區(qū)大小：320240 c. 計算機 本實驗系統(tǒng)沒有采用任何現(xiàn)成的視覺信息處理系統(tǒng)，所有視覺信息的采集、預(yù)處理、特征提取和控制算法都在外部計算機中完成。實驗中所用的計算機為一臺PIII866，內(nèi)存為512M，硬盤為60G。 實驗采用MOTOMANSV3XL型工業(yè)機器人，視覺部分使用全局彩色CCD攝像頭，攝像頭的內(nèi)外參數(shù)不做任何標定。視頻信號通過圖像采集卡進行采集并使用PC處理，采集窗口設(shè)為320240像素。為簡化圖像處理和目標識別，手爪的位置用一個安裝在手爪上并伸出一定長度的顏色塊（白色）標識，而目標為一個紅色物塊。在圖像處理中計算圖像平面上相應(yīng)色塊的中心坐標作為目標與手爪的圖像位置。系統(tǒng)定義為：使代表手爪的色塊定位到目標色塊。利用上文所述的視覺反饋控制率導(dǎo)引手爪定位目標，在系統(tǒng)初始時引入三步試探運動估計圖像雅克比矩陣的初始值，隨后利用kalman濾波器對雅克比矩陣進行遞推估計。目標點在(186 162)，定位過程及結(jié)果如下所示： 圖44 手爪定位過程圖45 圖像平面誤差曲線圖46 x,y方向定位誤差曲線圖47 x，y軸控制量變化曲線以上為目標在(167 153)點時的結(jié)果及分析，若目標在任意兩點：(140 98)、(130 150)結(jié)果如下表所示：步數(shù)12345678x軸144144139140134133138136y軸274271270260246232219203步數(shù)910111213141516x軸133130133130129128126125y軸185167148127113107105104表42 目標為(140 98)是手爪的運動軌跡步數(shù)1234567x軸146147141124122132133y軸273268270257244231217步數(shù)891011121314x軸132134129127125125124y軸201185166157153150148表43 目標為(130 150)是手爪的運動軌跡實驗表明：目標在任意點，手爪定位目標的效果很好，誤差也很小，所以本文所設(shè)計的方法對固定目標的定位能獲得良好的性能。5總結(jié)本文針對未知環(huán)境下的機器人無標定視覺伺服定位問題，分析了機器人手眼關(guān)系及其最常用的描述模型，即圖像雅可比矩陣。在討論現(xiàn)有基于圖像雅可比矩陣的視覺伺服方法的基礎(chǔ)上，采用基于Kalman濾波的圖像雅可比矩陣在線估計策略，將其應(yīng)用于無標定動態(tài)視覺伺服任務(wù)中。研究工作包括：(1)構(gòu)建了MOTOMANSV3XL工業(yè)機器人視覺伺服系統(tǒng)實驗平臺。采用VC++編寫了整個實驗的控制系統(tǒng)，該系統(tǒng)能有效的完成與機器人及圖像采集卡底層間的通信。(2)深入研究了圖像雅可比矩陣在標定視覺伺服控制中的應(yīng)用問題。分析了圖像雅可比矩陣解析表達式，并作出了眼固定和眼在手的仿真。(3)針對現(xiàn)有方法有可能會在運動過程中引入冗余運動，對圖像觀測噪聲敏感等缺點，利用Kalman濾波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的精度最佳等優(yōu)點，采用基于Kalman濾波算法的圖像雅可比矩陣在線估計策略，利用機器人本身的運動信息完成雅可比矩陣的在線估計，使之可以應(yīng)用于固定目標的定位任務(wù)中。(4)在應(yīng)用Kalman濾波算法在線辨識圖像雅可比矩陣的基礎(chǔ)上，采用直接圖像反饋控制，針對固定目標，設(shè)計了相應(yīng)的P控制器實現(xiàn)無標定下機器人對固定目標的準確定位。實驗結(jié)果充分驗證了算法的有效性。文中需要進一步研究和解決的問題有：(1)基于圖像雅克比矩陣的無標定手眼系統(tǒng)，不論是使用固定攝像機還是眼在手的配置，都存在一定的問題，如固定眼的目標遮擋，手上眼的觀察視野過小等。所以設(shè)想：使用眼固定和眼在手上相結(jié)合的混合配置方式，使系統(tǒng)中兩臺攝像機的觀察能力相互補充。首先利用固定全局視覺將機器人執(zhí)行器引導(dǎo)到目標附近，在使用手上的攝像機實現(xiàn)精確定位。 (2)在分析雅可比矩陣在線估計算法的基礎(chǔ)上，進一步討論整個無標定視覺伺服系統(tǒng)的性能。如系統(tǒng)的能控性，穩(wěn)定性分析，圖像特征集的選擇對視覺伺服性能的影響等，為無標定視覺伺服系統(tǒng)進一步走向?qū)嶋H應(yīng)用提供理論指導(dǎo)。致 謝本課題是在辛菁老師的精心指導(dǎo)下完成的。本文在課題選擇和研究過程中自始至終都得到了辛老師的親切關(guān)懷、悉心指導(dǎo)和嚴格要求。從論文的選題、研究思路和論文撰寫方面辛老師都提出了許多寶貴的意見和建議，在細節(jié)方面也作出了提示及幫助，使得論文的研究工作得以順利開展。辛老師諄諄教誨與無微不至的關(guān)懷使我受益終生，不僅為今后從事科學研究工作培養(yǎng)了嚴謹、扎實、認真的工作態(tài)度，而且還培養(yǎng)了樂觀上進、積極進取、團結(jié)協(xié)作和頑強拚搏的工作精神，在此謹向她表示衷心的感謝！同時，在畢業(yè)設(shè)計過程中，還得到張捷學長、陳可敏學姐、李梓學姐的大力支持與幫助，并且提出了許多寶貴的意見和建議，在此我要對他們表示衷心的感謝。最后，向百忙之中審閱本文的各位老師致以崇高的敬意和深深的謝意！參考文獻【1】 李牧．機器人無標定視覺伺服關(guān)鍵技術(shù)的研究[J]．哈爾濱工業(yè)大學，2008【2】 王麟琨，徐德，譚民. 機器人視覺伺服研究進展[J]. 機器人，2004，26(3):277~282【3】 Hager, ., Chang, ., Morse, .(1995), Robot handeye coordination based on stereo vision: Towards calibrationfree hand/eye coordination. IEEE Robotics and Automation:2850~2856【4】 Yoshimi, ., Allen, .(1995), Alignment using an uncalibrated camera system, IEEE Trans. On Robotics and Automation, , No. 4, ~521【5】 薛定宇,項龍江,司秉玉,(自然科學版).2003,24(6):543~547【6】 , , endeffector control using Cartesian Position based visual Tans on Robotics and Automation,1996,12(5):684~96【7】 , planning for robust imagebased control. IEEE Transactions on Robotics and Automation,2002,18(4):534~549【8】 problems of stability and convergence in imagebased and positionbased visual servoing. The Confluence of Vsion and ,Germany, SPringerVerlag, 1998:66~78【9】 ashimoto, imoto，, an control with ImageBased Visual Servo[C], Proceedings of the IEEE Intemational Conference on Robotics and Automatio, Sacramento，Califomia , April, 1991:2267~2272【10】 , , , and from controlled motion[J].IEEE Transaction on Pattern Analysis and Machine Intelligence, 1996, 18(5):492~504【11】 ，2008,3(2):109~114【12】 , 上海交通大學碩士論文,2003 【13】 . LaprestC, E Jurie and M. Dhome，An Efficient Method to Compute the Inverse Jacobian Matrix in Visual Servoing，the 2004 IEEE International Conference on Roboticsamp。Automation，2004，4【14】 熊有倫．機器人技術(shù)基礎(chǔ)[M].武漢：華中科技大學出版社，1996【15】 Gary V. McMurray and Jenelle Armstrong Piepmeier，A Dynamic Jacobian Estimation Method for Uncalibrated Visual Servoing，the 1999 IEEE/ASME International Conference on Advanced Intelligent Mechatronics，September 19~【16】 席文明，羅翔， 究[J].南京航空航天大學學報，2002，34(6):540~543【17】 郭藍彬,楊延西,[C]. :11001104【18】 曹弋．MATLAB教程及實訓(xùn)[M].北京：機械工業(yè)出版社，中國學術(shù)期刊網(wǎng)CNKI，西安理工大學圖書館網(wǎng)站。【19】