视觉伺服控制算法优化综述

视觉伺服控制算法优化综述

视觉伺服控制算法优化综述

摘要：系统论述了视觉伺服控制的应用现状。重点介绍了针对不同的实际情况，提出优化的基于位置的视觉伺服系统和基于图像的视觉伺服系统的控制算法。优化后的算法效率高，具有很强的有效性和可行性。优化后的控制系统功能更强，更精确有效。

关键词：视觉伺服;优化;算法

Survey of Visual Servoing control algorithm

Abstract:The application status of the visual servo control are reviewed . For different realities , we put fortward an improved position-based visual servo systems and image -based visual servo control algorithm of the system. High efficiency of the improved algorithm has strong effectiveness and feasibility. The improved control system functions stronger, and become more precise and effective. Keywords:Visual Servoing;improve;Algorithm

1

视觉伺服控制算法优化综述

1 引言

随着科技的快速发展，在现代工业自动化生产过程中,机器视觉正成为一种提高生产效率和保证产品质量的关键技术,如机械零件的自动检测、智能机器人控制及生产线的自动监控等。

基于视觉的伺服策略是采用相机所观察的特征来控制机器人移动的一种灵活有效的方法。视觉伺服主要分为3种：基于位置的视觉伺服(PBVS)、基于图像的视觉伺服(IBVS)和混合控制视觉伺服。早期的研究主要是基于位置的视觉伺服研究，近年来主要是基于图像的视觉伺服研究。

PBVS的反馈偏差在3D笛卡尔空间进行计算，IBVS的反馈偏差在2D图像平面空间进行计算。PBVS 的控制方式直接在笛卡尔空间下进行位姿估计和运动控制，具有很好的直观性和简单有效性。IBVS的控制方式其期望给定值直接以图像特征信息表示，所以不需要将特征信息投影逆变换到工作空间的过程，因此基于图像的控制方式对标定误差和空间模型误差不敏感，具有更高地定位精度，为多数的视觉伺服系统所采用。

2 视觉伺服控制算法

在进行任何一个基于伺服控制的控制系统的分析、综合或设计时，首先应建

立该系统的数学模型，确定其控制算法。它反映了系统输入、内部状态和输出之间的数量和逻辑关系，这些关系式为计算机进行运算处理提供了依据。控制算法的正确与否直接影响控制系统的品质，甚至决定整个系统的成败。

2.1 基于位置的视觉伺服算法的优化

对于不同的功能要求，采用传统的基于位置的视觉伺服控制算法，常常造成

稳定性不够、精度不够、准确性不足等问题，我们需要对算法进行优化处理，来满足要求。

例如，针对家庭环境中服务机器人物品的抓取问题，提出一种改进的基于位置的视觉伺服抓取算法。该算法主要包括4个部分：

1.基于 Naomark 标签的物体识别，根据 Naomark的ID确定抓取方式，并利用世界单应分解算法对目标物位姿进行估计。

通过在具有不同形状和特征的各类物品上布置Naomark 标签的方式，可以实现被操作物的快速识别与定位，从而解决家庭环境中物品种类多、操作方式复杂带来的困难。

利用 Hough 变换和边缘检测可以得到 Naomark 的各特征点。

2.对NAO机器人的五自由度手臂进行运动学建模，计算出运动学正解和逆解。

2

视觉伺服控制算法优化综述

NAO手臂具有5个自由度，其结构图如图2-1所示。肩膀处有俯仰和横滚2个自由度，肘部具有偏转和横滚2个自由度，腕部具有偏转1个自由度。除此之外，手爪具有1个张合自由度。

根据确定好的各连杆坐标系，可以得到Modified Denavit-Hartenberg运动学参数。由此可确定NAO手臂的运动学模型。如图2-2所示。

图2-1 NAO手臂的结构图 图2-2 NAO手臂的各连杆坐标系

3.设计单臂抓取和双臂抓取的PBVS 控制律，并提出双臂抓取在运送物品过程中需满足的条件；

(1)单臂抓取的PBVS控制律：

rTe可按式计 PBVS 控制律是根据摄像机测得的物体位置求出抓取成功时的

算。

( ( ( (2.1)

r 根据求得的Te和运动学逆解可得到各关节的期望角度值 *，定义误差

e????*，设定关节控制量为e的10%，每次关节移动后，进行实时视觉反馈得

?到最新的期望角度值和实时关节值采样得到最新的误差，重复此过程让末端执行器逐步逼近物品完成抓取。 (2)双臂抓取的PBVS控制律：

TL与由获取到的抓取成功时末端执行器与目标物体坐标系的相对位姿o OrrTTR ，R 可由式算出 、TL， 运动学逆解出左臂和右臂各关节的期望角度值，

控制左臂和右臂逐步逼近目标物体完成抓取。

(2.2) (2.3) 抓取成功后，左臂、右臂、物体构成一个闭式运动链。

（3）在抓取到物体进行运送的过程中,双臂的位姿需要满足约束关系。 (2.4)

(2.5)

3

视觉伺服控制算法优化综述

LR?1T?T(T)ROO 其中 ，是个常数阵， 在物品运送过程中应保持不变。

L4.引入路径规划，对原有 PBVS 算法进行改进。在整个抓取控制过程中，利用基于位置的视觉伺服原理设置路径点{ p 1 ， p 2， …， p n} 能很好的解决这个问题，该末端执行器到达各路径点处的位姿通过相对于目标物坐标系的旋转平移关系OTPi确定，PBVS 控制原理图如图2-3所示 。

图2-3 增加路径点的PBVS控制原理图

这样控制过程被分成 n + 1 段， 机械臂末端执行器由初始位置到达各路径点，再由第 n个路径点趋近并到达目标位姿完成抓取。控制律为：

(((( (2.6)

(2.7)

2.2 基于图像的视觉伺服算法的优化

为了满足不同的功能需求，在基于图像的视觉伺服控制的基础上，必须优化算法，改进方法，更好的实现功能。 2.2.1极线几何与三角几何算法相结合

运用已找到的特征点，如图2-4使用极线几何与三角几何的特点来控制机器人运动，使之到达目标位置。在整个过程可以由两步来实现。

第一步为调整实际视角相机的方向，使之与目标视角相机方向一致；调整初始位置的机器人方向，使之与目标位置机器人方向一致。

第二步为移动机器人，使之到达目标位置。此时平移可以采取上三角形平移与下三角形平移两种方式。

图2-4 全景相机的极线几何模型

4

视觉伺服控制算法优化综述

2.2.2 立体视觉算法和设备跟踪算法相结合

此类视觉伺服系统是将立体视觉算法和设备跟踪算法相结合，通过目标跟踪算法和卡尔曼滤波算法完成设备区域的提取和跟踪，立体视觉跟踪算法被限定在设备跟踪窗内的有限区域内，有效降低了算法运算量，大大提高了算法的实时性。系统通过双目立体视觉算法实现设备三维信息的准确获取，并将该位置信息反馈机器人控制系统，形成伺服控制系统。

此类算法已经用于高压带电作业机器人视觉伺服系统。

高压带电作业机器人视觉伺服系统由机器人控制单元、高压带电作业机器人、双目相机和视觉定位单元组成。如图2-5所示。

图2-5 高压带电作业机器人视觉伺服系统框图

图2-6为视觉定位方法的流程框图。其中，初始化操作作用是人工指定图像中要操作设备的感兴趣区域；卡尔曼滤波用于消除设备跟踪过程中出现的错误，提高跟踪的准确性。

图2-6 视觉定位流程图

2.2.3 视觉阻抗补偿

随着计算机视觉技术的发展，可以对运动目标进行实时的视觉检测，获取机

5

本文来源：https://www.bwwdw.com/article/wzwf.html