论文部分内容阅读
机器人视觉伺服问题是国内外当前研究的热点问题之一。由于它涉及到机器人、计算机视觉、控制理论等多学科内容，目前无论是在理论上还是在应用方面仍然存在很多难题，如特征选择、系统标定、伺服算法等。作者重点研究了基于图像的机器人视觉伺服系统，具体在以下几个方面进行了创新性研究。
提出了总雅可比矩阵和目标雅可比矩阵的新概念。在一般文献中，只定义了图像雅可比的概念，即只考虑图像特征随机器人运动而变化。当目标运动时，图像特征同时受机器人运动和目标运动的影响。
采用改进的特征变换算法计算图像特征。利用特征变换方法得到图像特征，可以使算法用于不同的被操作对象和复杂的环境。由于变换矩阵由图像阵列的协方差矩阵的特征值和特征向量所决定，对于比较大的图像，一般特征变换方法用到的协方差矩阵的维数很大，计算矩阵的特征值和特征向量比较困难。利用改进的特征变换算法，可以在很大程度上减少计算量，缩短运算时间。
提出两种免标定的机器人视觉伺服方法。一种是机器人自适应视觉伺服方法。利用带遗忘因子的最小二乘算法在线估计总雅可比矩阵，对总雅可比矩阵进行分解可以得到图像雅可比矩阵和目标雅可比矩阵。采用图像雅可比伪逆控制方式，同时在控制算法中考虑目标运动的影响。用李亚普诺夫方法证明了算法的稳定性。另一种是机器人神经网络视觉伺服方法。把小波神经网络引入机器人视觉伺服，网络的学习采用LM非线性优化算法。这两种方法不需要系统模型的先验知识，也避免了复杂繁琐的标定过程。
提出一种基于图像的机器人运动仿真技术。在样本图集的基础上，利用图像特征变换方法对图像进行变换，得到图像的特征表示，并用小波神经网络建立机器人关节角与图像特征之间的非线性关系。对于任意给定的机器人起始位置和终止位置，首先在机器人关节空间进行轨迹规划，然后生成机器人虚拟运动的图像序列。不需要事先建立机器人及场景的CAD模型，也不需要对摄像机进行标定。