采用SVR-雅可比估计器的焊接机器人视觉导引

为实现基于视觉的6-DOF机器人智能焊接过程的自动导引,提出了一种无标定视觉伺服控制模型.该模型采用多个支持向量回归(SVR)机进行图像雅可比矩阵估计,建立了图像特征和机器人关节角的非线性映射关系,能够在无标定条件下进行焊接机器人视觉导引的伺服控制.文中给出了采用高斯核函数的图像雅可比矩阵估算表达式,并在计算机控制下对SVR-雅可比估计器进行自动训练后,分别对EIH“手眼”和ETH“眼看手”两种摄像机配置方式的焊接机器人进行视觉定位导引试验.试验结果表明,采用SVR-雅可比估计器的焊接机器人视觉导引能够较准确地定位在期望目标,与传统的Broyden-估计器相比有更好的动态响应质量.     

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.     

未知雅可比建模的机器人视觉伺服自抗扰控制方法

针对系统标定和雅可比在线求解难问题,引入非线性状态反馈,研究一种基于自抗扰控制器(ADRC)的机器人视觉伺服控制算法.利用无模型理论和非线性自抗扰技术建立机器人"视觉-运动"空间映射,进而设计不依赖雅可比建模的视觉反馈控制器,其中采用跟踪微分器(TD)跟踪视觉空间期望特征;利用扩展状态观测器(ESO)实现未建模雅可比反...     

基于图像矩和矢量积法的六自由度机械臂视觉伺服控制

针对眼在手上的六自由度机械臂系统,提出一种基于图像的视觉伺服控制.通过图像矩和矢量积法,建立机器人正向、逆向运动学模型,引入雅可比矩阵解决机器人逆运动学解析问题.建立了图像矩特征变化量和笛卡尔空间的关节角速度之间的映射关系即复合雅可比矩阵,由矩特征变化量得到伺服过程中六自由度机器人各关节角速度.保证在图像逼近期望图像时,机械臂末端到达期望位置,并且此时关节角速度将收敛到零.仿真结果表明,计算复合雅可比矩阵的方法可控制机械臂渐近稳定到期望位置.     

微装配机器人无标定视觉伺服

为获得高效的微装配机器人系统性能,避免复杂的摄像机标定,提出了一种基于图像雅可比模型辨识的微装配机器人无标定视觉伺服结构和控制算法;设计了视觉伺服控制律;成功进行了微操作手二维平面定点、直线轨迹跟踪、圆周轨迹跟踪和三维涂胶运动实验,实验结果表明:提出的系统结构和控制算法具有良好的实际效果.     

基于图像的PUMA560机器人视觉伺服控制分析

为了较好地解决PUMA560机器人视觉伺服控制系统中的控制精度问题,提出一种基于图像的自适应视觉伺服控制策略.该控制策略以机器人运动学与动力方程、参数估计以及控制器的设计为基础.新型控制器能够在机器人运动的同时,在线估计雅可比矩阵和摄像机相对机器人末端的变换矩阵中的未知参数,并进行稳定性分析.仿真与试验结果表明,该新型控制器使系统具有较强的动态特性和稳态特性,可得到理想的控制效果.     

基于BP神经网络的机器人视觉控制方法

利用BP神经网络实现了基于图像的机器人视觉伺服控制器,省略了计算图像雅可比矩阵和机器人雅可比矩阵的过程,简化了控制算法的计算,训练样本和测试样本取自RBT-6T/S04S机器人实际运动,设计6个BP神经网络来实现图像空间与机器人空间的非线性映射关系,仿真结果显示神经网络控制器具有良好的定位跟踪效果,在保证精度的条件下简化了算法.将训练好的神经网络控制器用于视觉伺服系统中引导机器人到达目标物体,达到了较好的效果.     

基于粒子滤波的雅可比矩阵在线估计技术

研究基于图像的机器人视觉伺服技术中雅可比矩阵的在线估计方法.以雅可比矩阵的元素构成系统状态向量,将问题转化为对系统的状态估计问题.引入非线性非高斯系统的粒子滤波算法,在该算法的框架下在线估计图像雅可比矩阵.以非高斯环境下二自由度机械手跟踪运动目标这一应用背景为例,分别对新提出方法与已有基于Kalman滤波的估计方法进行了实验比较.结果证明,前者具有更高的估计精度和更强的鲁棒性,基于粒子滤波的方法不仅可以避免系统标定,而且对系统噪声的类型没有具体要求.     

基于极限学习机的未校准图像视觉伺服控制

解决非结构化环境中的机器人视觉伺服控制的主要问题是获得交互矩阵, 而解决交互矩阵的常见问题是交互矩阵伪逆的奇异性问题。 针对该问题, 提出了一种新型的基于图像的视觉伺服控制方法, 并采用增量式极限学习机解决图像雅可比矩阵的伪逆逼近问题。 为提高系统的收敛速度, 采用了具有自适应因子的速度改进控制器。 最后, 采用了六自由度机械手仿真, 验证了所提出方法的有效性和优势, 该算法提高了系统的鲁棒性, 避免了计算雅可比矩阵的伪逆的问题。     

基于图像矩的机器人视觉伺服

区别于图像的简单几何特征,利用图像的全局特征描述子－图像矩特征作为图像作征信息,推导了矩特征变化量与相对位姿变化量之间的关系矩阵,即图像雅可比矩阵。针对平面视觉伺服控制,利用了所推导的基于矩特征的图像雅可比矩阵,在不需要知道目标的成像高度、摄像机焦距及不需要精确标定的摄像机外部参数的情况下实现了基于图像的视觉伺服控制,最后给出了仿真与实验例子,表明了矩特征的有效     

磁锚定手术机器人视觉伺服系统研究

针对磁锚定手术机器人的同时具有转动关节和移动关节机械臂的运动特点,提出了一种基于图像的视觉伺服系统.首先建立了系统的成像模型,并求解出图像雅可比矩阵.然后建立了机器人的运动学模型,并求解出机器人雅可比矩阵.机器人在二维平面内运动,图像空间的维数与运动空间的维数相同,总的雅可比矩阵是非奇异的.为了简化视觉控制器的设计难度,反馈控制器采用PI图像控制器,同时还可克服系统的静差.最后对建立的视觉伺服系统进行Matlab仿真,结果验证了提出方案的可行性.     

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。     

球体图像视觉伺服投影距离的非线性观测

球体图像视觉伺服由于不变视觉特征的设计可获得良好的运动解耦特性,但球体特征雅可比矩阵的计算依赖于若干未知三维参数,即被观测目标点的三维投影距离.针对球体图像视觉伺服特征雅可比矩阵未知三维参数的在线估计问题,文中提出了一种结合线性时变系统持续激励引理的投影距离非线性观测算法.首先结合统一投影模型对球体特征运动学进行分析,然后根据持续激励引理设计系统状态的在线更新法则,在已知摄像机运动及目标图像特征的情况下实现对未知三维投影距离的在线观测,并对观测器稳定性进行了分析.试验结果表明,该算法可有效实现对三维投影距离的在线估计,与基于深度观测的间接估计方法相比具有更优的估计精度及观测动态特性,能有效地提高球体图像视觉伺服控制的动态收敛特性.     

基于图像的非标定视觉反馈控制机器人全局定位方法

针对机器人非标定全局定位问题,研究Kalman滤波(Kalman filtering,KF)算法联合反馈型Elman神经网络(Elman neural network,ENN)学习机器人图像空间与运动空间非线性映射关系,从而建立基于图像的视觉反馈控制方法.首先利用ENN学习得到机器人全局定位的次优状态,以此为系统状态向量构建伺服系统状态方程与观测方程,进而利用KF估计得到机器人图像雅可比矩阵.其次,采用KF对ENN网络权重进行在线微调,KF联合ENN满足机器人全局定位稳定收敛的要求,并对环境干扰具有一定的自适应性.最后在摄像机参数未标定条件下,进行六自由度机器人"眼在手"(eye-in-hand)定位比较试验,结果验证了提出的非标定视觉伺服控制方法的有效性.     

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BP神经网络-模糊控制的机器人无标定视觉伺服技术

针对机器人无标定视觉伺服技术中图像雅可比矩阵在线估计存在计算复杂的问题，提出了一种结合BP神经网络和模糊控制策略的机器人控制技术。本文以多自由度智能调节系统为例，提出其视觉伺服控制架构，根据工业场景数据集训练BP神经网络，采用本文所提算法进行法兰对中实验，帮助解决核电站蒸汽发生器人孔螺栓咬死问题。在方法层面，首先，利用BP神经网络建立图像特征信息与机器人多自由度运动之间的映射关系，之后，提出模糊控制方法根据图像特征偏差进行机器人位姿的精确调整。实验结果表明，本文提出的算法能够有效应用于无标定视觉伺服控制，最终法兰平均对中误差在±1mm内，平均耗时43秒，满足应用需求，具有较高的工作效率。     

基于扩展H_∞粒子滤波算法的视觉伺服雅可比矩阵在线辨识

为提高图像雅可比矩阵在线辨识精度,进而提高机器人轨迹跟踪的准确性,研究了基于图像的机器人视觉伺服系统中雅可比矩阵在线辨识方法。在非高斯环境下以机械手跟踪运动为应用实例,采用一种扩展H_∞粒子滤波算法对图像雅可比矩阵进行在线辨识,并且与卡尔曼滤波算法进行对比实验研究。实验结果表明,扩展H_∞粒子滤波算法具有较高的辨识精度和较强的鲁棒性,机器人轨迹跟踪精度得到提高,而且耗时较短,验证了扩展H_∞粒子滤波算法的有效性。     

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。     

基于自然特征的增强现实注册算法

增强现实标志点注册算法需在场景中叠加各种标志,系统构造复杂.文中在深入研究机器人视觉伺服系统的基础上,提出了利用虚拟视觉伺服技术、基于自然特征的增强现实注册算法.利用特征点和图像矩作为图像特征,推导出了图像特征变化量与虚拟摄像机相对位姿变化量之间的关系矩阵(即图像的雅可比矩阵),实现了基于自然特征的三维注册算法.与混合跟踪注册算法、共面四点注册算法相比,文中方法具有更高的精度.     

基于Broyden在线图像雅可比矩阵辨识的视觉伺服

为了在显微视觉中进行无标定的视觉伺服任务,提出了一种基于切比雪夫多项式构成成本函数的Broyden 图像雅可比矩阵估计方法.比较了由递归最小二乘算法构成成本函数和由切比雪夫多项式算法构成成本函数的特点,在不依赖先验知识的情况下,切比雪夫多项式算法构成成本函数的Broyden 图像雅可比矩阵估计方法有较好的收敛速度和系统性能.对多个微小目标物体和末端执行器应用了模糊C均值聚类进行分类与识别,然后根据得到的图像雅可比矩阵辨识器,在显微视觉环境下进行了微小物体的跟踪实验,仿真和实验验证了算法的有效性和可行性.