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。     

基于图像的机器人视觉伺服控制

介绍了基于图像的机器人视觉伺服原理和基本实现方法，详细阐述了图像特征提取和视觉伺服控制器设计中所面临的问题及其解决办法，并展望了未来的发展方向。     

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     

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。     

机器人视觉伺服控制及应用研究的现状

在论述机器人视觉伺服控制的发展及研究现状的基础上，讨论了视觉伺服控制的基本结构、控制系统中关键部件的研究和发展状况，并对其中发现的关键性问题进行了分析，提出了解决这些问题的一些方法。     

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.     

基于视觉前馈和视觉反馈的仿人机器人抓取操作

针对仿人机器人执行抓取操作,提出了一种联合使用视觉前馈和视觉反馈的控制策略. 在视觉前馈中利用基于表格的逆运动学算法,简化了逆运动学计算,减少了抓取操作时间. 视觉反馈补偿了弱标定并增加了系统的稳定性. 两种控制算法的联合使用简化了仿人机器人的伸手抓取操作. 实验结果验证了该控制策略的可用性.     

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·     

双目视觉机器人物体搬运伺服控制系统研究

机器人视觉伺服系统的研究在机器人研究领域中起着重要作用,其研究结果的运用能使机器人更加智能化.文章以固高GRB-400机器人在双目视觉系统的条件下,基于位置的视觉伺服方法,研究了手爪如何精确定位物体和确定抓取物体的深度并确定目标姿态的方法.实验证明该方法能够实现机器人对物体的精确定位、抓取和搬运.     

视觉伺服移动机器人中的图像处理研究

从机器人彩色视觉的形成机理入手 ,分析了影响视觉的主要因素 ,其中包括光照条件与成像元件等 ,设计了一种基于知识融合的视觉图像处理方法 ,将其应用于机器人的彩色视觉后 ,增加了机器人视觉系统的鲁棒性 .研究表明 ,该方法可以在环境光场有变化或光场分布不均匀的情况下快速、准确地计算出移动机器人的位置与姿态 ,定位误差不超过 4× 4的像素点范围 ,角度误差在±2° ,因此满足了视觉伺服系统性能指标的要求 .     

基于旋量理论的头眼系统视觉伺服研究

提出了一种适用于视觉伺服运动规划的新方法.由图像处理得到三维特征点,并分析了特征点在运动情况下坐标信息的求取过程;然后,基于旋量理论对视觉伺服系统进行了运动规划,即通过特征点求螺旋参数,并由螺旋参数求出螺旋运动的速度,采用运动螺旋构建出机器人雅克比矩阵;最后,规划了各个关节的运动速度.将该方法应用于射频识别芯片封装中.实验表明:与传统视觉伺服相比,本方法继承了计算机视觉与螺旋运动的优点,简化了运动控制的计算过程.     

基于视觉伺服的AGV小车停车精度

视觉伺服的AGV小车系统工作原理做了介绍,并对各个环节的定位误差来源进行了全面的分析。提出了每个影响停车精度因素的解决和避免的方法,确定了视觉伺服系统作为高精度AGV小车的定位导航方式中的关键地位。     

基于深度学习图像分析的晶体特性反馈控制

针对晶体尺寸期望以及标准偏差特性的在线反馈控制问题,提出一种基于深度学习图像分析的在线反馈控制方法.首先,通过基于深度学习神经网络的晶体图像分析方法在线分析晶体的形状与尺寸;然后,对图像分析的结果进行数学统计分析,得到某一批次晶体的尺寸期望与标准偏差;最后,针对晶体尺寸期望和标准偏差控制的欠输入特性设计了一种路径跟踪算法与PID相结合的反馈控制器,以获得具有目标尺寸期望与标准偏差的晶体.通过明矾冷却结晶实验验证了所提方法的有效性和可行性.     

基于人工免疫算法的光学影像与SAR影像配准方法

提出了一种基于人工免疫算法的光学影像和SAR影像配准方法,该方法从影像上的面状地物入手,仅从识别性较好的光学影像上提取面状地物,先随机给定一组配准参数,将光学影像上面状地物的坐标经仿射变换获得新的坐标,以转换后新坐标在SAR影像上对应区域的均质性为评价标准,并利用人工免疫算法对配准参数进行优化,从而得到影像配准结果.最后,利用WorldView-2和RadarSat-2影像的配准实验验证该方法的有效性,结果表明该方法配准精度可优于2像素.