机器人视觉伺服系统中图像雅可比矩阵的在线估计方法

摘要

机器人视觉伺服是机器人领域的一个重要研究方向。在基于图像的视觉伺服系统中，使用图像雅可比矩阵来描述图像特征变化与机器人位姿变化之间的映射关系，这个关系是高度非线性的，需要在机器人运动过程中实时更新。传统视觉伺服方法获取图像雅可比矩阵需要精确的摄像机标定模型和机器人运动学模型，但实际中由于种种原因难以实现。因此，在无标定环境下在线估计图像雅可比矩阵的视觉伺服方法成为一个研究热点方向。
　　无标定视觉伺服避免了传统基于标定视觉伺服中复杂耗时的系统标定过程，具有重要的理论研究意义及广阔的工业应用前景。本文在总结了机器人无标定视觉伺服国内外研究现状的基础上，从基于滤波器方法和基于非线性视觉映射模型估计方法两个方向，深入研究了无标定视觉伺服系统中图像雅可比矩阵的在线估计方法。主要研究工作包括:
　　(1)针对传统图像雅可比矩阵在线估计方法在处理非线性问题上存在不足，提出了一种基于平方根无迹卡尔曼滤波的图像雅可比矩阵在线估计方法。该方法以图像雅可比矩阵的元素作为系统状态，将问题转变为对系统状态的估计，再引入能处理非线性问题的平方根无迹卡尔曼滤波对系统状态进行估计，从而实现对图像雅可比矩阵的在线估计，避免了复杂的系统标定过程。
　　(2)提出了基于在线支持向量回归的图像雅可比矩阵在线估计方法。由于常规基于神经网络及支持向量回归的智能学习方法需要离线学习，如果模型发生变化则需要整体重新训练，很难适应实际情况，因此提出了基于在线支持向量回归的图像雅可比矩阵在线估计方法。该方法采用可在线学习非线性映射模型的在线支持向量回归算法不断学习图像特征空间与机器人关节空间之间的映射关系，从而实现对图像雅可比矩阵的在线估计，避免了常规神经网络及支持向量回归算法重新训练时的复杂运算。
　　(3)搭建了机器人视觉伺服系统的实验平台。基于MOTOMAN-MH12工业机器人、Smartek工业相机、主控计算机等构建了硬件系统;在Windows系统下的Visual Studio2010开发环境中基于MFC开发了集成软件平台，包括图像采集处理与图像特征提取、机器人运动控制、无标定视觉伺服算法和人机交互界面等模块。
　　对于本文提出的图像雅可比矩阵在线估计方法在Matlab平台上进行了仿真实验、在机器人视觉伺服系统实验平台上进行了实物实验，实验结果验证了本文提出的两种方法的有效性。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．2 机器人视觉伺服

1．2．1 机器人视觉伺服发展概述

1．2．2 机器人视觉伺服系统分类

1．3 机器人无标定视觉伺服

1．3．1 问题的提出

1．3．2 机器人无标定视觉伺服国内外研究现状

1．4 论文的主要研究内容及结构安排

1．4．1 主要研究内容

1．4．2 结构安排

第2章 基于图像的无标定视觉伺服

2．1 机器人视觉伺服基础知识

2．1．1 坐标系关系

2．1．2 摄像机模型

2．1．3 机器人运动学模型

2．1．4 机器人雅可比矩阵

2．1．5 图像特征的选取

2．2 图像雅可比矩阵

2．2．1 图像雅可比矩阵的定义

2．2．2 图像雅可比矩阵的推导实例

2．3 无标定视觉伺服算法

2．3．1 非线性方差最小化法求解关节角

2．3．2 Broyden法估计图像雅可比矩阵

2．4 本章小结

第3章 基于平方根无迹卡尔曼滤波的图像雅可比矩阵在线估计方法

3．1 引言

3．2 平方根无迹卡尔曼滤波算法原理

3．2．1 无迹变换(Unscented Transform)

3．2．2 平方根无迹卡尔曼滤波实现步骤

3．3 基于SR-UKF的图像雅可比矩阵在线估计

3．3．1 总图像雅可比矩阵

3．3．2 基于SR-UKF的总图像雅可比矩阵在线估计

3．4 仿真实验

3．4．1 跟踪圆周运动目标

3．4．2 跟踪方形运动目标

3．5 本章小结

第4章 基于在线支持向量回归的图像雅可比矩阵在线估计方法

4．1 引言

4．2 在线支持向量回归算法原理

4．2．1 支持向量回归

4．2．2 基于增量学习的OL-SVR

4．3 基于在线支持向量回归的图像雅可比矩阵在线估计

4．4 仿真实验

4．4．1 定位静止目标

4．4．2 跟踪运动目标

4．5 本章小结

第5章 基于图像雅可比矩阵的无标定视觉伺服实验研究

5．1 系统硬件结构

5．1．1 工业机器人系统

5．1．2 工业相机

5．1．3 主控计算机

5．2 系统软件结构

5．2．1 图像采集处理与图像特征提取

5．2．2 机器人控制

5．2．3 人机交互界面

5．3 三自由度无标定视觉定位实验

5．3．1 基于平方根无迹卡尔曼滤波的无标定视觉定位实验

5．3．2 基于在线支持向量回归的无标定视觉定位实验

5．4 本章小结

结论与展望

论文总结

论文不足及展望

参考文献

致谢

附录A 攻读学位期间所发表的学术成果