基于BP神经网络的机器人视觉伺服控制系统设计

• 作 者: 郭闯强
• 发表日期: 2008年期
• 关键词: 机器人 视觉伺服 BP神经网络

人类获得的信息80%以上来自眼睛,给机器人增加视觉传感器势必会增加机器人系统的灵活性,解决当前的机器人系统多采用示教再现方式、柔性差等问题。视觉伺服机器人的研究已经成为机器人研究领域的一大热点。由于在制造、使用机器人过程中会产生各种偏差,以及摄像头存在着各种畸变,需要对机器人和摄像头进行非常精确的标定。然而标定是一项费时、耗力而且与生产环境紧密相关的工作,所以很多学者开始了无标定机器人视觉伺服系统的研究。随着人工神经网络技术的发展,人工神经网络技术不断地应用到各种场合,其复杂、非线性的映射能力使之非常适合应用到无标定机器人视觉伺服系统。本课题在KLD-400型SCARA机器人本体上构筑了机器人视觉伺服系统,视觉伺服控制器采用基于Back Propagation (BP)神经网络的控制方式。本文在视觉伺服控制器中引入了机器人关节位置信息,采用“小区域分步处理”的方法,提高了控制器的效率和精度。文章对机器视觉的图像处理过程进行了深入的研究,分别对基于彩色图像和基于灰度图像的目标识别与提取算法进行了研究,对圆形目标采用基于最小二乘原理的圆拟合方式进行重心定位,定位精度得到提高。结合SCARA机器人伺服控制的特点,机器人运动单元采用基于CP的轨迹规划方法对机器人末端轨迹进行控制。机器人视觉伺服系统实现了在工作平台任意目标点的精确定位,最后通过实验验证了控制方式的有效性。综上所述,本课题对基于神经网络的机器人视觉伺服系统进行了深入的研究,采用了一些新的处理方法和控制思想,希望对后续的研究起到有意义的参考作用。