【正文】 實驗中所用到的 MVPCIV3A 圖像采集卡的主要函數(shù)有 1) 實時顯示 MV_EnableVGAOverlay( )：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。其結(jié)構(gòu)如圖 43 所示。攝像管是一種已發(fā)展成熟的商品， CCD 是近幾年發(fā)展起來的新技術(shù)，由于體積小、重量輕、壽命長且抗沖擊等特點，工作起來比較可靠，因此被廣泛的應(yīng)用在機器人視覺中。二是直線運動，機器人末端按指定的速度和折線路徑在基坐標或工具坐標系中以小步距插補的方式實現(xiàn)。其中基坐標系和工具坐標系是直角坐標系，分別與機器人本體的基座和末端執(zhí)行器固聯(lián)；而關(guān)節(jié)坐標系則為廣義坐標系，它以機器人各關(guān)節(jié)變量組成的向量為廣義 坐標。 利用這些函數(shù)可以控制機器人在不同坐標系下的六個運動分量，實現(xiàn)非常簡單。 常用的 機器人控制接口函數(shù)有 ： BscIsRobotPos()：在指定的坐標系中讀取機器人當前的位姿信息，其中位置信息( , , )xyz 的單位為 mm ，姿態(tài)信息 ( , , )x y zT T T 單位為 o。 MOTOMANSV3XL 型機器人具有 6 個自由度，而且六個關(guān)節(jié)均為旋轉(zhuǎn)關(guān)節(jié)，每個關(guān)節(jié)都采用一個交流伺服電機單獨驅(qū)動。 圖 41 機器人無標定視覺伺服實驗系統(tǒng)示意圖 機器人控制子系統(tǒng) 機器人控制子系統(tǒng)主要完成視覺控制量的計算和機器人運動控制。 CCD 攝像頭可以 固定安裝在機器人運動空白蕾：工業(yè)機 器人視覺伺服 26 間中一個任意位置，也可以固定安裝于機器人的末端執(zhí)行器上。 手爪在世界坐標上的起始位置為： [ 0 0]，即圖像坐標為 [ ]；期望的目標為： [ ]，即圖像坐標為 [ ]。 西安理工大學本科生畢業(yè)設(shè)計（論文） 23 圖 35 基于圖像的機器人視覺伺服系統(tǒng) 在 MATLAB 平臺上 對上文所述的 基于 kalman 濾波的機器人（眼固定） 系統(tǒng) 的固定目標定位過程進行仿真 。在高性能伺服控制器作用下可將機器人控制系統(tǒng)近似為線性環(huán)節(jié)。其初始值可取 5(0) 10 mnPI? (sI意為 s 維單位陣 )。 1 2 3 4[ ] [ ]g g g g Tg g g gb b b bu u v vx x x x x x y x y? ? ? ??? ? ? ? ? (38) 式中 ggbux??， ggbuy??， ggbvx??， ggbvy??分別為雅可比矩陣 gJ 的四個組成元素。 固定眼的基于 Kalman 濾波的雅可比矩陣在線辨識 因為固定眼的圖像雅可比矩陣在機器人運動過程中是不斷變化的。采用卡爾曼濾波器實現(xiàn)信號的濾波，取 1Q? ， 1R? 。 狀態(tài)一步預(yù)測： ? ?( 1) ( )x k Ax k? ?? (33) 協(xié)方差預(yù)測： ( 1) ( ) TQ k A p k A R?? ? ? (34) 狀態(tài)估計： ? ? ?( 1 ) ( 1 ) ( 1 ) [ ( 1 ) ( ) ]x k x k K k y k CAx k?? ? ? ? ? ? ? (35) 濾波增益矩陣： 1( 1 ) ( 1 ) [ ( 1 ) ]TT vK k Q k C C Q k C R ?? ? ? ? ? (36) 估計誤差方差陣： ( 1 ) [ ( 1 ) ] ( 1 )P k I K k C Q k? ? ? ? ? (37) 上面給出的遞推的 Kalman 濾波算法是通用的，也是相當有效的。 Kalman 濾波實際上是一種最優(yōu)估計方法 【 16】 。假設(shè)系統(tǒng)由狀態(tài)變量模型描述，其中狀態(tài)變量及輸出變量受到外界噪聲的污染，當存在這種不希望有的噪聲的情況下，估計出所需狀態(tài)的數(shù)據(jù)處理系統(tǒng)被稱為濾波器。對隨機信號由于其具有確定的功率譜特性，可以根據(jù)有用信號和干擾 信 號 的 功 率 設(shè) 計 濾 波 器 ， 如 維 納 濾 波 和 卡 爾 曼 濾 波 。分析其原因可知 眼在手的攝像機的位置隨 手爪 動，可以說 手爪 的位置決定攝像機的位置，所以通過調(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 。 P 控制器的參數(shù)為K=。圖 25 中，“ — ”表示 x方向 手爪運動坐標相對 于目標點 的誤差 ， “ ”表示 y 方向手爪運動坐標相對于目標點的誤差 。設(shè)定目標位置為 [ ]； 手爪 初始位置為 q =[ ]，攝像機位置 [ ； 0 +.5； ； 0 0 0 ]。 基于圖像雅克比矩陣的機器人標定視覺伺服 的 仿真 基于以上原理，在 MATLAB 中搭建基于圖像反饋視覺伺服系統(tǒng)如下圖所示。在該控制系統(tǒng)中誤差可以在工作空間、關(guān)節(jié)空間或圖像特征空間表示，而機器人的控制輸入為直角空間 (也稱笛卡爾空間 )或機器人關(guān)節(jié)空間的位置或速度運動 (即位置增量 )指令，根據(jù)視覺反饋得到的誤差信號可以建立如下的 PID 控制律 ： 1( ) ( ) ( ) ( ( ) ( 1 ) )kp I Diu k K e k K e k K e k e k?? ? ? ? ?? 式中， ()uk 為機器人的控制輸入， pK 、 IK 、 DK 分別為比例、積分和微分的三個系數(shù)矩陣，一般取對角陣。 X? 作為視覺控制器的輸出控制量送入機器人關(guān)節(jié)控制器，關(guān)節(jié)控制器將其轉(zhuǎn)換為各關(guān)節(jié)的轉(zhuǎn)動控制量，并經(jīng)驅(qū)動器驅(qū)動，完成機器人的伺服過程。 根據(jù) 各變換矩陣可以計算出各連桿到末端執(zhí)行器的變換矩陣 TiS (i =0,1? 6)： ???????????????1000iziziziziyiyiyiyixixixixiS paonpaonpaonT (25) 關(guān)節(jié)機器人雅可比矩陣的第 i 列元素 iqJ 由 TiS 決定： ][ isisisixiyiyixixiyiyixixiyiyixiq aonpapapopopnpnJ ??????? (26) 由式 (23)和 (24)可以構(gòu)造出機器人雅可比矩陣。 至此，我們推導(dǎo)出了攝 像機的成像模型 (24)，它表征了世界坐標系空間中目標點與其在像素坐標系中對應(yīng)點的映射關(guān)系。 攝像機模型 線性投影模型 (見圖 21)是最常用的攝像機成像模型 [13]： ????????????? yxzfyx ccc 圖 21 小孔成像模型 其中， ),( yx 為空間點 P 在圖像坐標系上的投影位置 p 的坐標： ),( zyx ccc 為 P 在攝像機坐標系下的坐標。 固定攝像機觀察二維運動的圖像雅 可 比矩陣 假定一個 6DOF 機器人手眼系統(tǒng)， 手爪作二維運動，其在機器人基坐標系中的坐標為 []ggbbx y z , z 為 手爪 在機器人基座標系中的 z 軸高度，保持不變。它反映了在當前機器人位置下某一機器人關(guān)節(jié)運動與其引起的圖像特征運動之間的比例關(guān)系，從而建立起從關(guān)節(jié)空間到圖像特征空間的直接映射，并可被用來建立各種圖像反饋控制器。 由于在絕大多數(shù)機器人系統(tǒng)中，控制量輸入都是關(guān)節(jié)運動速度。這類方法的主要特點就是使用圖像雅 可 比矩陣模型描述機器人手眼映射關(guān)系。本章給出了 kalman 濾波 算法的詳細描述，并利用此法 仿真 了 無標定情況下機器人 完成 二維平面固定目標的定位 。 第二章對基于標定 技術(shù)的機器人 視覺伺服進行了具體介紹。 目前，應(yīng)用上面所說的這些方法，無標定視覺伺服研究己經(jīng)在靜態(tài)的任務(wù)目標上取得了很多成果，如機械手的空間定位（ Positioning），平面上的插軸入孔（ Peg in hole）操作，或是抓取空間具有 3D 形狀的物體等，但在實際的應(yīng)用環(huán)境中，更多的是運動跟蹤等動態(tài)視覺伺服任務(wù)。而神經(jīng)網(wǎng)絡(luò)方法則試圖利用人工神經(jīng)網(wǎng)絡(luò)強大的函數(shù)擬合能力，從全局上把握視覺伺服系統(tǒng)的非線性特性，白蕾：工業(yè)機 器人視覺伺服 8 并在此基礎(chǔ)上建立圖像反饋控制率。從本質(zhì)上講，無標定機器人視覺伺服是一個具有未建模動態(tài)的非線性系統(tǒng)控制問題。 鑒于以上原因，有必要探尋一種新的對環(huán)境適應(yīng)能力更強、魯棒性更好的視覺伺服方法。 采 用基于標定的方法實現(xiàn)機器人視覺伺服，需要預(yù)先對攝像機的內(nèi)外參數(shù)進行標定，然后根據(jù)已知模型和標定好的攝像機參數(shù)，建立圖像空間與機器人操作空間的映射。 無標定視覺伺服系統(tǒng) 傳統(tǒng)的機器人視覺伺服大都是基于系統(tǒng)標定技術(shù)的，包括攝像機內(nèi)部參數(shù)標定、機器人運動學標定、手眼關(guān)系標定。從圖像識別角度看，特征應(yīng)具有魯棒性和唯一性 ； 但是從伺服控制的角度看，特征必須對物體姿態(tài)的變化具有敏感性，即如果目標的位置和姿態(tài)發(fā)生變化，圖像的特征必須變化。 特征包括幾何特征和非幾何特征，機器人視覺伺服中常見的是采用幾何特征。所以單獨利用局部特征會影響機器人可操作的任務(wù)范圍。尤其是對于基于圖象的視覺圖像空間 控制率 關(guān)節(jié)控制器 機器人對象 獲得圖像特征 攝像機 圖像 給定 末端位 姿 白蕾：工業(yè)機 器人視覺伺服 6 伺服結(jié)構(gòu)，圖像特征的選擇和提取變得更加重要，它將直接決定控制律和最終系統(tǒng)的穩(wěn)定性和魯棒性等性能。 由文獻 【 9】 的仿真和實驗研究表明，對于 EyeinHand 構(gòu)型，在存在圖象量化誤差及圖象噪聲的情況下，基于圖象比基于位置的控制方式有更好的跟蹤性能。通過設(shè)計解 耦 的控制律，可以使系統(tǒng)達到全局穩(wěn)定。 這種伺服結(jié)構(gòu)還存在以下不足之處 【 8】 ： 1)計算圖像雅可比矩陣需要估計目標深度，而深度的估計一直是視覺中的難點； 2)整個系統(tǒng)只是局部漸近穩(wěn)定的。 笛卡爾空間控制 關(guān)節(jié)控制器 機器人對象 笛卡爾空間位姿估計 獲得圖像特征 攝像機 末端位 姿 位 姿給定 西安理工大學本科生畢業(yè)設(shè)計（論文） 5 2)系統(tǒng)的動態(tài)穩(wěn)定性對攝象機標定誤差具有較強的魯棒性。其基本原理是由該誤差信號計算出控制量，并將它變換到機器人運動空間中去，從而驅(qū)動機械手向目標運動，當圖象平面中期望的圖象特征和給定的圖象特征之間的距離為 0(或一個給定的域值 )時，機器人視覺伺服任務(wù)結(jié)束。這使得位姿估計中所用的圖 象特征可能超出視場，即不滿足圖象邊界約束條件，進而導(dǎo)致視覺伺服任務(wù)失敗。 2)可以直接在笛卡兒空間中控制機器人末端執(zhí)行器的運動軌跡，例如讓它沿著笛卡兒空間中的一條直線移動?；驹硎峭ㄟ^對圖像特征的抽取，并結(jié)合已知的目標幾何模型及攝像機模型，在三維笛卡爾坐標系中對目標位姿進行估計，然后根據(jù)機械手當前位姿與目標位姿之差，進行軌跡規(guī)劃并計算出控制量，驅(qū)動機械手向目標運動，最終實現(xiàn)定位、 抓取 功能。由于現(xiàn)存機器人大多預(yù)留了接收笛卡爾速度給定或位置增量指令的接口，因此雙環(huán)結(jié)構(gòu)簡單易行，被廣泛采用。 而且為了獲得較好的動態(tài)相應(yīng)特性，要求較高的采樣速率，這給工程實現(xiàn)帶來了一定的困難。 ，分為單閉環(huán)系統(tǒng)和雙閉環(huán)系統(tǒng)。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。 ，分為眼固定構(gòu)型和眼在手上構(gòu)型。 1995 年 Yoshimi 實現(xiàn)了眼在手上配置的機器人視覺伺服系統(tǒng)插軸入孔的操作 【 4】 。顯然該方法是一種基于圖像處理的開環(huán)控制，在控制過程中白蕾：工業(yè)機 器人視覺伺服 2 并沒有對圖像信息進行反饋，其嚴格意義來講并不屬于我們所說的“視覺伺服”的范疇。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。 視覺是一種復(fù)雜的感官，要從大量的視覺信息數(shù)據(jù)中提取有用的特征信息，需 要實施復(fù)雜的算法及耗費大量的運算時間。研究工作者們通過給機器人加上外部傳感器件，如力覺、觸覺、接近覺、視覺等，來提高機器人的自主感知和決策規(guī)劃能力，以適應(yīng)周圍變化的環(huán)境。 因此，本 文研究了基于 kalman 濾波原理的機器人無標定視覺伺服，并對其仿真，仿真結(jié)果表明了該方法的有效性和可行性。 它 是實時圖像處理、機器人運動學、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。 本文首先研究了基于標定技術(shù)的機器人視覺伺服，推導(dǎo)了眼在手和眼固定兩種配置下的手眼映射關(guān)系 — 圖像雅克比矩陣，并在 MATLAB 環(huán)境下對這兩種配置分別仿真，仿真結(jié)果表明該方法能很好 地 定位到目標。 最后，采用 VC++ 編寫控制軟件， 并 以 MOTOMAN— SV3XL 型六自由度工業(yè)機器人為對象 ，采用 CCD 攝像機、圖像采集卡與 PC 機建立了機器人無標定視覺伺服實驗平臺， 完成了基于 kalman 濾波的機器人無標定視覺伺服定位實驗，實驗結(jié)果表明該方法能很好的定位到目標。而在諸多傳感器中，視覺傳感器因其信息量大、適用范圍廣、非接觸性等特點已成為最重要的機器人傳感器之一。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、機器人動力學、控制理論、實時計算在內(nèi)的多個相關(guān)領(lǐng)域且多個學科相互交叉和融合，所以實現(xiàn) 機器人視覺伺服控制有