基于动态BFGS法的无标定视觉伺服控制

基于动态BFGS(Broyden-Fletcher-Goldfarb-Shanno)法,研究了一种针对运动目标进行实时跟踪的无标定视觉伺服控制方案.通过直接估计包含残差项的全局Hessian矩阵(即目标函数的Hessian矩阵)之逆,简化了直接计算残差项的计算量,同时解决了Hessian矩阵之逆的奇异性问题.根据关节变量到图像平面映射关系的近似仿射模型推导了不依赖于目标的图像Jacobian矩阵估计量,提高了对动态目标跟踪的鲁棒性.借助Matlab Robotools工具箱,搭建了一个三自由度的机械臂视觉跟踪系统,通过仿真实验将本文的方法与残差项的直接计算法、动态变尺度法进行了对比,结果验证了该方法的良好跟踪性能.     

机器人无标定视觉伺服系统及离散仿真

为了研究机器人无标定视觉伺服离散仿真,本文在介绍了机器人无标定视觉伺服控制的基础上,基于Simulink软件,首次建立了一种具有图像雅可比矩阵伪逆在线估计的无标定视觉伺服系统离散仿真模型,并以此完成了二关节机器人、Puma560机器人无标定视觉伺服系统离散仿真模型的建立.文中对固定图像目标定位跟踪的仿真结果表明,提出的无标定视觉伺服系统Simulink离散仿真模型是正确的.这对无标定视觉伺服系统控制算法的研究具有积极意义.     

基于双目立体视觉的排爆机器人自动目标抓取

目前各种多关节、多自由度的排爆机器人在实战中都存在操作复杂、速度慢的问题.为此,基于双目立体视觉设计并实现了一个排爆机器人的目标物自动抓取系统.该系统能根据目标物在两摄像机获取的图像坐标计算其三维坐标,从而对机械臂进行轨迹规划和控制,完成目标物自动抓取.首先,建立了一个完整的双目立体视觉系统数学模型,然后,用张氏平面法标定两摄像机的内参数,再采用最小二乘法进行立体标定,得到双目立体视觉系统的外参数,从而根据目标物在左右摄像机成像得到的图像坐标计算其三维坐标.实验表明该系统能在满足作业精度要求的前提下,大大提高排爆作业的易操作性.     

实现计算机视觉标定自动化的一种新技术

分析基于Mart算子的标定算法存在易受环境光及噪声影响、精度不够高的不足,根据计算机视觉标定的目标要求,通过动态阈值分割、边缘提取、轮廓跟踪和两步法标定算法等处理策略,克服了传统标定算法的缺点,并实现了计算机视觉摄像机标定的整个过程自动化．实验结果证明,该标定算法鲁棒性强,操作简便,抗噪声、抗环境光性能好,标定精度高而且稳定．     

基于零空间的冗余机械臂轨迹有效性判断方法

针对传统方法难以在线判断冗余机械臂末端轨迹在关节限位和碰撞约束下有效性的问题,提出了一种基于零空间描述的在线判断S-R-S(球型-旋转-球型)七自由度机械臂末端轨迹有效性的方法.首先,提出有效计算关节限位下臂角集的方法和改进的碰撞检测方法以实时计算冗余机械臂的零空间.当给定末端位姿的零空间为空时,机械臂受关节限位和碰撞的影响无法到达该目标位姿.然后,基于该思想提出一个新的期望轨迹有效性判断方法,该方法无须像传统方法预计算和构建工作空间数据库,能实时判断多约束下末端轨迹的有效性.最后,机械臂实验验证了该方法的有效性和实时性.     

多连杆机械臂加速度层最小运动规划和控制策略

为实现多连杆机械臂在加速度层最小运动规划和控制,提出了一个基于最小加速度范数的运动控制策略.该方案通过二次规划的描述,考虑机械臂的关节角、关节速度和关节加速度极限约束,在运动控制过程中规避了机械臂的物理极限.为高效地控制机械臂运动,提出计算复杂度较低的迭代控制算法.六连杆机械臂仿真实验结果验证了最小加速度方案及其迭代控制算法的有效性.     

基于单目视觉的高速并联机器人动态目标跟踪算法

在高速并联机器人视觉分拣系统中,由于安装误差等原因,视觉系统与传送带以及机器人与传送带之间会存在一定的角度偏差,导致目标物体在分拣系统中的定位精度较低,使机器人末端不能精确抓取动态目标.而且传统的单目视觉定位及跟踪算法存在精度低、运算速度慢等问题,影响视觉分拣系统的计算速度,降低系统的实时性.针对以上问题,提出了一种基于圆特征的单目视觉定位与传送带标定结合的动态目标跟踪算法,首先不需考虑相机坐标系与传送带坐标系的角度偏差,拍摄一个圆形目标,并以光心为顶点构造直椭圆锥的几何成像模型.在此基础上利用其几何关系求取圆心在相机坐标系下的深度信息,再结合传送带标定与张正友标定方法,确定传送带编码器的比例因子以及机器人坐标系和传送带坐标系之间的角度偏差,并实时跟踪圆形目标运动过程中圆心在机器人下的位置.最后,对所提算法和传统算法分别进行实验对比,结果表明,该动态跟踪算法通过圆锥投影的几何关系推导圆心的空间坐标,避免了传统复杂的非线性方程求解,定位精度和计算速度大幅提高.该算法消除了传统算法的角度偏差,平均位置误差为0.82 mm,具有较高的定位精度.运行中系统耗时较短,运行效率得到了有效提高,且误抓率和漏抓率分别为0.2%和0,具有很高的实用价值.     

一种六关节机械臂的几何标定与路径规划?

目的开展RBT-6T/S03S六关节机械臂的路径规划实验,标定其运动学参数。方法首先建立连杆坐标系,利用激光跟踪仪对末端执行器的空间位置进行几何标定,并测量计算出运动学参数;其次利用D-H方法建立运动学模型,开展机械臂路径规划的计算仿真;最后在RBT-6T/S03S机械臂系统上完成路径规划实验。结果与结论仿真结果表明几何标定的参数值和运动学模型是正确的。     

基于Camshift算法的移动机器人视觉跟踪系统

通过采用自主开发的移动机器人平台,设计并实现了一种基于改进Camshift算法的视觉跟踪系统.通过预测前后两帧图像特征面积,在反向投影图像上过滤掉干扰色块.实验表明该方法能有效减小相似干扰物、遮挡等因素对视觉跟踪系统的影响.同时还提出了一种简单快速的图像解释形成机器人控制指令的方法,通过计算目标在图像上的投影到图像轴心的偏转角度来控制机器人的转动,通过计算该投影面积的大小来控制机器人的前进与停止.实验结果证明了机器人指令形成策略的有效性.     

狭小空间下机械臂关节的二阶线性系统控制方法研究

针对当前控制方法的控制精度较低,不适于狭小空间的问题,提出一种新的机械臂关节的二阶线性系统控制方法。介绍了机械臂关节动力学方程,给出狭小空间下机械臂关节二阶线性系统结构,二阶线性系统的控制主要通过跟踪微分器、过渡阶段和扩张状态观测器实现。分析了时间尺度,针对可通过传递函数描述的机械臂关节系统,在通过二阶线性系统对其进行控制的过程中引入时间尺度,以降低计算复杂度。实验结果表明,采用所提方法对狭小空间下机械臂关节进行控制,响应速度快,无超调,且跟踪精度高。     

一种新颖的冗余度机器人及其视觉伺服方案

视觉伺服冗余度机器人在灵巧操作、装配等领域有很好的应用前景 .为了减少其运动规划的计算量 ,设计了一种具有准万向关节的七自由度机械臂结构 .在此基础上提出了一种基于位姿分散自律速度控制的运动规划方法 :采用速度矢量极小最小二乘分解方法进行腕部运动速度控制 ;根据欧拉角法则正向递推解决操作手的姿态规划问题 .文中还采用数值仿真手段验证了其有效性 .该方法的特点是物理意义明确 ,算法简单 .同时具有一定的运动学鲁棒性 .     

受限机器人的一种自适应控制方案

针对受限机器人模型参数未知的情况,本文给出了一种新的自适应控制方案;(控制器的设计是基于受限机器人的降阶模型);证明了新的控制器一方面保证了运动的完全跟踪,另一方面保证了力跟踪误差是有界的且界的大小是可以调节的。文中还给出了一个仿真例子以验证控制方案的有效性。     

基于6-DOF的空间机器人运动学研究

针对空间机器人在轨服务任务,建立了一种六自由度机械臂模型,并建立了各关节的杆件坐标系。对机械臂各关节进行了运动学分析,对各关节末端运动空间进行了仿真。在对机械手抓捕目标飞行器分析之后,提出了一种保持平台、机械手和目标飞行器三者姿态稳定的抓捕目标方案。最后对该抓捕过程进行了运动规划,对各关节角运动情况进行了研究。     

基于尺度自适应和跟踪框自转的视频目标跟踪

在高空运动变焦摄像机视频监控目标的自动识别跟踪中,跟踪目标背景、跟踪目标尺寸和跟踪目标相对背景运动的方位角都在实时变化,为解决常规Mean Shift目标跟踪算法在面临上述快速变化时容易出现的目标跟踪丢失问题,在Mean Shift目标跟踪算法的基础上,考虑跟踪目标的变尺度、长宽比和方位角等因素,提出了改进的基于尺度自适应和自转跟踪框策略的视频目标跟踪算法,实际场景下的实验结果表明:该算法具有较好的准确性和实时性,满足视频目标实时跟踪的应用需求。     

基于模糊神经网络的无标定全自由度手眼协调

研究机器人无标定手眼协调控制 .以单眼在手上配置 ,跟踪在三维空间进行平移和旋转的运动目标 .通过恰当定义目标特征 ,实现了机器人手爪 6自由度运动的一一对应控制 ,给出了视觉反馈与机器人控制之间的非线性映射关系 ,以模糊神经网络进行输入输出映射 .仿真证实了控制方法的性能 .     

Model-free adaptive control of space manipulator under different gravity environment

Due to the release of gravity in the space environment, the dynamic characteristics of the space manipulator have changed compared with that of the ground, which results in the change of its tracking precision. This paper presents a model-free adaptive control(MFAC) strategy to track the desired trajectory under different gravity environment. A dynamic transformation method and full form dynamic linearization(FFDL) approach are selected to dynamicly linearize the system, which can better eliminate the complex dynamics that may exist in the original system. The controlled object uses the two degrees of freedom of space manipulator and the controller only depends on the desired angle and torque of each joint of the space manipulator. Moreover, the proof of stability is also provided. Finally, simulation results are presented to demonstrate the effectiveness of the proposed strategy. It is shown that the proposed approach can achieve better trajectory tracking performance under different gravity environment without changing the control parameters, and the tracking precision can be significantly improved as compared with the proportional differential(PD) control results.     

连续旋转液压伺服关节性能分析

为解决现有液压伺服关节不能实现连续旋转的问题,探讨一种利用转阀式伺服阀控制双作用叶片马达的转角方案。通过将马达的输出轴与阀套固联,将输出轴上的转角直接作为反馈信号,控制输出轴转角对阀芯输入的跟随。根据马达进油腔和回油腔容积周期变化规律推导出其在一个周期内容积变化的数学表达式并绘制相应的曲线。在此基础上,建立系统动力学模型并进行PID校正,由仿真结果得出校正后关节的调节时间为0.036s,跟随误差为0.018mrad,在外负载为80N·m时的稳态误差为1.25mrad,表明该关节动态响应快、跟随性准确且抗干扰性能强。     

一种时空特征融合的鲁棒视觉跟踪算法

针对视觉跟踪在复杂背景下因外观特征表征不足等原因造成的目标丢失问题,结合深度光流网络估计的运动特征,文中提出了一种基于时序信息和空间信息自适应融合的视觉跟踪算法。该算法在相关滤波跟踪框架基础上,引入递归全对场变换（RAFT）深度网络估计光流以获取目标的时序信息,提取目标的CN特征和HOG特征获取空间信息,然后融合目标时序信息和空间信息,以增强对目标时空特征的表征能力;其次,建立了一种跟踪结果质量判别机制,实时调整时序信息在融合过程中的权重, 有效提升了算法在复杂动态环境下的泛化能力。为评估算法的有效性,在OTB100和VOT2019两个数据集上进行了测试,实验结果表明,与主流视觉跟踪算法相比,所提算法的跟踪性能获得了显著提升,尤其在运动模糊、快速运动等属性的视频中,具有明显优势。     

三联神经网络与区域自适应策略融合的目标跟踪方法

为解决目标跟踪过程中快速运动模糊、背景相似干扰、目标状态变化等问题，基于孪生网络跟踪算法，提出三联区域候选神经网络（TripleRPN）算法与跟踪区域自适应策略（TAA）相融合的目标跟踪方法（TAA+TripleRPN）.三联区域候选神经网络根据当前跟踪结果实时更新网络匹配模板，提高了跟踪器对目标状态变化的敏感性.通过区域自适应策略，根据区域候选回归网络分类分支的得分在网络的两组输出间择优选择，提高算法长时跟踪的鲁棒性.针对背景相似干扰和目标状态变化的问题时，TAA+TripleRPN跟踪器能达到更好的跟踪性能.在OTB2015数据集上，算法的AUC达到66.31%，CLE达到88.28%.在实际场景中实现验证与应用，跟踪效果良好.      

无线传感器网络自适应动态簇目标跟踪策略

考虑到无线传感器网络的特点及目标跟踪对实时性要求较高,提出一种基于动态簇的无线传感器网络目标跟踪策略.当目标出现时,基于节点管理机制采用层次分析法选举簇首,定义节点跟踪权值作为参与跟踪的依据,并建立动态簇.目标监视过程中,根据实际跟踪质量自适应调整动态簇规模;为了避免目标丢失,在自适应机制的基础上提出目标恢复机制.目标离开后,解散动态簇,释放节点资源.采用NS2对所提算法进行仿真测试,结果表明,基于动态簇的跟踪策略能够以较少的通信开销为代价获得很好的目标捕获率.