基于人工免疫算法的图像直接反馈视觉伺服

提出了一种基于图像直接反馈的平面视觉伺服控制方法,其特点是不需要提取期望图像与反馈图像的图像特征而用人工免疫的智能进化算法直接求解期望图像与反馈图像之间的位置与夹角误差向量,再将此误差信号经视觉控制器转换成机器人空间的位姿增量信号发送给机器人控制器,从而完成视觉伺服闭环控制。与传统的基于图像特征的视觉伺服控制方法相比具有更好的通用性与稳定性。对算法的关键技术、实现步骤及参数选择进行了深入分析,并通过实验验证了所提方法的有效性与稳定性。     

基于图像视觉伺服的移动机器人自主导航实现

提出了一种基于移动机器人双目摄像头的图像视觉伺服方法,实现了基于图像视觉伺服的移动机器人自主导航.当匹配图像特征点时,采取KLT算法和基于Harris算子角点检测与匹配算法相结合的方法,大幅优化了整个工程的运行时间,并结合RANSAC算法剔除误匹配的特征点对,使机器人能够精确地定位.实验结果证明该方法有效、正确.     

非合作航天器间相对位姿的单目视觉确定算法

针对非合作航天器接近操作过程中200m以内的相对位姿参数确定问题，该文充分利用目标航天器已知的结构模型信息，推导了利用单个光学相机实现非合作航天器相对位姿参数测量的迭代算法。与传统的交会对接视觉系统不同，该视觉系统不需要在目标航天器上安装光学特征，而是充分利用了目标航天器的自身结构特征，因此更适用于一般航天器间的相对位姿参数测量。为解决相对位姿单目视觉确定的非线性问题，该文选择了求解非线性问题性能优良的Levenberg—Marquardt算法。最后对该文算法进行数学仿真，仿真结果表明算法的有效性和可靠性，适合航天器在轨实时应用。     

基于人工免疫和图像直接反馈的视觉伺服控制

传统的基于图像特征的视觉伺服控制方法通用性差,且图像特征的标记、提取与匹配过程复杂.为此,文中提出了一种基于人工免疫和图像直接反馈的平面视觉伺服控制方法.首先采用人工免疫算法求解期望图像与反馈图像之间的位置与旋转误差,然后将误差信号经视觉控制器转换成机器人空间的位姿增量信号发送给机器人控制器,从而在无需进行图像特征标记与提取的情况下完成视觉伺服闭环控制任务.实验结果表明,采用文中方法能控制机器人准确地跟踪目标物体,控制误差不超过1个像素,说明文中方法是有效和正确的.     

一种基于圆特征的单目视觉位姿测量算法的改进

文章改进了针对圆特征的单目视觉测量算法,加入激光测距仪信息,解决了2组解的判定问题;当空间圆半径未知时,基于一幅图像就可以测量出圆的全部位姿信息,与原算法需要控制相机运动,拍摄2幅图像计算相比,更加方便和快捷;建立了具体的计算模型,进行了数值仿真,仿真实验结果表明,改进算法是有效的,可以用于机器人定位、空间交会对接和捕获等方面.     

基于视觉伺服的小型四旋翼无人机自主飞行控制研究进展

 在GPS信号较弱甚至失效的环境下,视觉伺服能够通过视觉信息控制自主飞行,因此近年来视觉伺服在自主飞行控制领域受到广泛关注。根据获取的图像信息不同,可将视觉伺服分为基于位置的视觉伺服和基于图像的视觉伺服。与基于图像的视觉伺服相比,基于位置的视觉伺服位姿估计稳定,可直观地在直角坐标空间定义机器人运动,符合机器人工作方式,且控制器设计简单,但控制精度受摄像机和机器人标定精度的影响,且计算量较大。对于小型四旋翼无人机自主飞行控制的应用研究中,视觉伺服的实时性、精确性和鲁棒性尚待提高,且小型四旋翼无人机的智能化不高,在室内室外模式转换及室内协同控制方面还有广阔的发展空间。     

基于EKF的航天器相对定姿算法研究

航天器交会对接是载人航天工程的一项关键技术,而航天器相对定姿又是在交会对接中首要解决的关键问题。通常用交会对接航天器体坐标系间各对应坐标间的夹角来表示相对姿态,这样相对定姿的任务就是要确定两交会对接航天器体坐标系间的旋转矩阵。采用无相对测量的航天器相对定姿态方法,基于围绕系统最优估计状态线性化的扩展卡尔曼滤波(EKF)滤波技术,以乘性误差四元数为状态量,设计了陀螺仪/星敏感组合的航天器相对定姿算法,并进行数字仿真验证该算法的可行性。仿真表明乘性误差四元数有效解决了协方差阵为零的问题,EKF技术大大提高了滤波精度。所设计的算法为航天器的相对定姿提供了一定的理论依据。     

视觉伺服分类及其动态过程

对视觉伺服进行了综述性的介绍,系统地介绍了机器人视觉伺服控制的发展历史以及现状·从控制模型给出了视觉伺服控制系统的分类·针对两种最基本的分类方式基于位置的视觉伺服和基于图像的视觉伺服进行了重点介绍·对于视觉系统和图像特征的选取问题进行了讨论,此外还对视觉伺服系统的动态过程进行了分析,指出视觉系统的延时是目前伺服控制的研究所面临的最大问题·对未来视觉伺服研究的方向进行了总结·     

基于PSO-GA-BP神经网络的视觉伺服控制系统

传统的基于图像视觉伺服控制需要计算雅可比矩阵和解雅克比矩阵的逆,其结构复杂、计算量大且系统 的实时性不够理想。基于粒子群遗传算法优化的 BP(Back Propagation)神经网络(PSO-GA-BP: Particle Swarm Optimization-Genetic Algorithm-BP)通过学习图像特征空间到机器人运动空间的映射关系,实现了“眼在手上”的 机器人视觉伺服控制,通过优化 BP 神经网络的权值和阈值,防止了其训练时间长、收敛速度慢等弊端。实验 结果表明,优化后的算法运算效率较高,所设计的控制器能使机器人末端执行器在更短的时间内达到预期位 置,图像特征点运动位置的实际值与期望值平均误差约为 2 个像素,具有良好的收敛速度和控制精度。相关结 论可为机器人视觉伺服控制提供优化依据,提高算法的应用性能。     

基于视觉伺服的四旋翼飞行器悬停控制

提出了一种基于视觉伺服的四旋翼飞行器悬停控制方法.选取图像矩为特征,利用机载惯性测量单元的数据,通过投影到虚拟成像平面上以简化由飞行器线运动和角运动耦合所导致的雅克比矩阵的复杂结构.进而结合四旋翼飞行器的动力学模型,建立视觉伺服的动力学模型,在近似线性化的基础上,采用反步法设计控制器实现飞行器的悬停控制.最后通过实验验证了该方法的有效性.