基于自适应容积滤波的图像雅可比矩阵研究与应用

摘要

无标定视觉伺服是近些年的一个热点研究方向。在无标定视觉伺服中一个主要问题是如何求取反映图像空间与机器人操作空间之间映射关系的图像雅可比矩阵（ImageJacobianMatrix,IJM）。本文在已公布的关于无标定视觉伺服研究成果基础上，主要围绕图像雅可比矩阵的在线估计与运动目标状态估计两个问题进行了研究。主要工作如下：
　　设计了基于自适应容积Kalman滤波的IJM在线估计方法。由于实际噪声的统计特性很难完全获知，本文利用容积Kalman滤波具有对经过非线性变换后的随机变量的概率分布逼近精度良好的优势，将未知IJM作为状态向量、含噪声的图像特征作为观测向量，设计了基于自适应容积Kalman滤波的IJM在线估计器，实验结果表明本文研究工作可以提高无标定视觉伺服控制系统的精度。针对眼在手构型的目标运动状态的估计问题，设计了强跟踪卡尔曼（Strong Tracking Kalman Filter,STKF）观测器。在观测点固定时，经典的STKF观测器对突变状态具有极强的跟踪能力，而眼在手构型中相机（观测点）是运动的。鉴于此，本文对观测向量进行了改造，保证了STKF观测器能够适用于观测点运动的情况。构造了无标定视觉伺服控制系统的仿真和实物实验平台。其中，仿真实验平台以Peter Corke教授的Robotics工具箱为基础进行二次开发，对不同的应用环境搭建了不同的仿真模型；实物实验平台以MOTOMAN-SV3X、Basler相机以及研华工控机为硬件平台，在VS2013中使用C++语言开发软件平台。
　　最终，在仿真和实物平台上对本文提出的算法和相关设计工作进行了实验验证，其结果表明本文所提出的算法具有较高的精度，可以辅助提高无标定视觉伺服系统的控制水平。

目录

第一个书签之前

摘 要

Abstract

目 录

Contents

1绪 论

1.1 研究背景

1.2 机器人视觉伺服

1.2.1 机器人视觉伺服系统分类

1.2.2 图像特征的选取

1.3 机器人无标定视觉伺服的国内外研究现状

1.4 本文主要硏究内容及方法

2视觉伺服控制技术

2.1 引言

2.2 视觉伺服系统坐标系

2.3 摄像机模型以及图像特征选取

2.3.1 摄像机模型

2.3.2 图像特征选取

2.4 机器人运动学以及雅可比矩阵

2.4.1 机器人运动学

2.4.2 机器人雅可比矩阵

2.5 图像雅可比矩阵

2.5.1 图像雅可比矩阵的定义

2.5.2 图像雅可比矩阵推导实例

2.6 本章小结

3基于容积滤波的图像雅可比矩阵在线估计

3.1 引言

3.2 容积卡尔曼滤波原理

3.2.1 容积变换

3.2.2 平方根容积卡尔曼滤波的具体实现步骤

3.2.3 标准SR-CKF的改进算法

3.3 基于自适应容积卡尔曼滤波的IJM在线估计

3.3.1 IJM在线估计器设计

3.3.2 控制器设计

3.4 仿真实验

3.4.1 眼固定型IBVS定位静止目标

3.4.2 眼在手型IBVS定位静止目标

3.5.3 不同噪声下眼在手型IBVS定位静止目标

3.5 本章小结

4基于运动目标的无标定视觉伺服

4.1 引言

4.2 不同手眼构型下运动目标的图像雅可比矩阵

4.2.1 眼固定型运动目标的图像雅可比矩阵

4.2.2 眼在手型运动目标的图像雅可比矩阵

4.3 基于强跟踪卡尔曼滤波的观测器设计

4.4 实验

4.4.1 观测器的实物实验

4.4.2 眼在手型IBVS跟踪圆周运动

4.4.3 眼在手型IBVS跟踪三角形运动

4.5 本章小结

5机器人实物验证

5.1 引言

5.2 视觉伺服系统实验平台的搭建

5.2.1 系统整体结构

5.2.2 视觉信息处理子系统

5.2.3 机器人控制子系统

5.2.4 软件系统

5.3 静止目标定位实验

5.3.1 二自由度定位实验

5.3.2 四自由度定位实验

5.4 运动目标跟踪实验

5.5 本章小结

6总结与展望

6.1 总结

6.2 展望

参考文献

致谢

攻读硕士期间主要成果

1 已发论文

2 获奖情况