【正文】 mi 實現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】 。目前研究基于圖像的運動目標跟蹤問題成為主要的發(fā)展方向，無標定概念（在未知手眼關系模型的條件下，實現對運動目標的操作）的提出更是為視覺機器人領域提供了廣空的發(fā)展空間。 ，分為眼固定構型和眼在手上構型。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)生圖像特征遮蓋現象，觀察靈活性差，攝像機無法根據作業(yè)要求給出環(huán)境的細節(jié)描述。同時，通過調整手爪位姿，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。此外，由于攝像機安裝在機械臂末端，增加了機械手的負載，攝像機也容易受碰撞。 ，分為單閉環(huán)系統(tǒng)和雙閉環(huán)系統(tǒng)。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。 而且為了獲得較好的動態(tài)相應特性，要求較高的采樣速率，這給工程實現帶來了一定的困難。外環(huán)視覺控制器以比較低的采樣速率完成關節(jié)角設定。由于現存機器人大多預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)結構簡單易行，被廣泛采用。 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。基本原理是通過對圖像特征的抽取，并結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，驅動機械手向目標運動，最終實現定位、 抓取 功能。 在某些情況下，這種基于位置的控制對標定參數十分敏感。 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。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。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，進而導致視覺伺服任務失敗。 3)由于目標與機器人末端執(zhí)行器的相對位姿是關于目標和攝像機模型的復雜函數，因此想要確定出解析的系統(tǒng)動態(tài)穩(wěn)定性的魯棒域比較困難。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結束。該方法無需估計目標在笛卡爾坐標系中的位姿，減少了計算時延， 并且可以克服攝像機標定誤差及關節(jié)位置傳感器誤差對定位精度的影響。 笛卡爾空間控制 關節(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。 3)可在圖像平面中控制特征點軌跡，使之盡可能沿直線運動。 這種伺服結構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。 圖 14 基于圖像的視覺伺服結構框圖 (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 笛卡兒空間坐標表示，一部分采用 2D 圖像空間坐標表示。通過設計解 耦 的控制律，可以使系統(tǒng)達到全局穩(wěn)定。 2)需要進行特征點匹配。 由文獻 【 9】 的仿真和實驗研究表明，對于 EyeinHand 構型，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。目前在基于圖像特征的視覺伺服結構方向的研究很多，是視覺伺服研究的主要發(fā)展方向。尤其是對于基于圖象的視覺圖像空間 控制率 關節(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 伺服結構，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。局部特征雖然得到了廣泛應用，而且在特征選取恰當的情況下可以實現精確定位，但當特征超出視場時很難做出準確的操作。所以單獨利用局部特征會影響機器人可操作的任務范圍。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。 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。大多數基于圖像的視覺伺服系統(tǒng)都采用點特征 (如質心點，角點或經過特殊設計的具有明顯特 征 的點等 )做為圖象特征，也有一部分基于圖像的視覺伺服系統(tǒng)中采用線特 征 (如圖像等效橢圓的主、副軸 )、面特征 (如面積 )圓等做為圖象特征。從圖像識別角度看，特征應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。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。 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)標定技術的，包括攝像機內部參數標定、機器人運動學標定、手眼關系標定。由于現有的機器人控制器一般都采用雙閉環(huán)控制結構，機器人的馬達驅動、力矩控制對用戶來說是完全透明的，可將其視作理想的笛卡爾運動元件。 采 用基于標定的方法實現機器人視覺伺服，需要預先對攝像機的內外參數進行標定，然后根據已知模型和標定好的攝像機參數，建立圖像空間與機器人操作空間的映射。所以，一旦攝像機的位置、焦距等發(fā)生稍微變化后，根據原標定參數計算出的結果會有很大誤差，必須進行重新標定； (3)由于攝像機鏡頭畸變等因素的影響，攝像機的 標定區(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所有位置的參數模型。 鑒于以上原因，有必要探尋一種新的對環(huán)境適應能力更強、魯棒性更好的視覺伺服方法。它是指在不預先標定攝像機和機器人參數的情況下，直接通過圖像上的系統(tǒng)狀態(tài)誤差來設計控制律，驅動機器人的運動，使系統(tǒng)誤差收斂到一個容許的誤差域內的機器人視覺伺服方法。從本質上講，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。 基于雅可比矩陣的方法力圖用線性關系逼近系 統(tǒng)非線性在采樣點的瞬時表現，并用這種近似線性化模型建立圖像反饋控制。而神經網絡方法則試圖利用人工神經網絡強大的函數擬合能力，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 并在此基礎上建立圖像反饋控制率。此外，無模型理論和 ADRC 方法也被用于解決無標定的視覺跟蹤問題，其基 本思路是將視覺伺服系統(tǒng)近似為一個簡單的線性模型，而對這種近似所造成的非線性誤差在控制過程中加以動態(tài)補償。 目前，應用上面所說的這些方法，無標定視覺伺服研究己經在靜態(tài)的任務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，但在實際的應用環(huán)境中，更多的是運動跟蹤等動態(tài)視覺伺服任務。 本文的主要工作 本文的工作主要 集中在研究基于標定技術的機器人視覺伺服，和基于 kalman 濾波原理的機器人無標定視覺伺服，并通過仿真，表明了該方法的有效性和可行性。 第二章對基于標定 技術的機器人 視覺伺服進行了具體介紹。 第三章針對無標定系統(tǒng)的特點以及傳統(tǒng)雅可比矩陣在線估計算法的缺點，專門分析了圖像雅可比矩陣模型的在線辨識問題。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 。 第五章 對 己取得的研究成果進行了簡單的總結 及分析 。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系。 ? ? mniJ r R ??即為圖像雅 可 比矩陣。 由于在絕大多數機器人系統(tǒng)中，控制量輸入都是關節(jié)運動速度。式中 rJ 被稱為機器人雅 可 比矩陣。它反映了在當前機器人位置下某一機器人關節(jié)運動與其引起的圖像特征運動之間的比例關系，從而建立起從關節(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。 P 為固定在此執(zhí)行器上的一點，[]CTP x y z? 為該點在攝像機坐標系中的坐標， []Tuv為該點在攝像機圖像平面上的坐標： uxvyz?? ? ? ??? ? ? ?? ? ? ? (21) ? 為攝像機焦距。 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。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????? ? ? ????? ??? ? ? ??? ?? ??? ? ? ?? ? ? ??? ??? ? ? ??? ?? ??? ? ? ? ????? ? ? ?? ? ? ? 設從機器人基坐標系 b? 到固定攝像機坐標系的變換關系如下： 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 為相應的旋轉和平移關系，對于固定攝像機，它們是常數陣。 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。 M 稱為投影矩陣； 1M 僅與攝像機內部結構有關，稱為內參矩陣； 2M 完全由攝像機相對于世界坐標系的方位決定，稱為外參矩陣。 至此，我們推導出了攝 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點的映射關系。 機器人模型的一個關鍵問題是機器人的雅可比矩陣。 根據 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)可以構造出機器人雅可比矩陣。 式 (25)是機器人關節(jié)控制器的設計依據，其輸入為末端執(zhí)行器的廣義運動速度X? ,輸出為各關節(jié)的轉動控制量（角位移增量）。 X? 作為視覺控制器的輸出控制量送入機器人關節(jié)控制器，關節(jié)控制器將其轉換為各關節(jié)的轉動控制量，并經驅動器驅動，完成機器人的伺服過程。這里我們使用 PID 控制器。在該控制系統(tǒng)中誤差可以在工作空間、關節(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 )或機器人關節(jié)空間的位置或速度運動 (即位置增量 )指令，根據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矩陣，一般取對角陣。 第二種方式是先將圖像平面的誤差乘以圖像雅可比矩陣的逆變換到笛卡兒空間中的誤差，然后在笛卡兒空間中設計視覺控制器，也可以直接變換到關節(jié)空間。 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。 眼固定 (見 圖 22) 西安理工大學本科生畢業(yè)設計（論文） 15