机器人视觉伺服系统的控制结构.doc

机器人视觉伺服系统的控制结构 1 前言对机器人视觉伺服系统的研究是机器人领域中的重要内容之一,其研究成果可直接用于机器人手—眼系统、移动机器人的自动避障及对周围环境的自适应、轨线跟踪等问题中。通常所说的机器视觉是指:自动获取并分析图像,以得到一组可对景物描述的数据或控制某种动作的数据。而视觉伺服则不同于机器视觉,它利用机器视觉的原理对图像进行自动获取与分析,以实现对机器人的某项控制为目的。正是由于系统以实现某种控制为目的,所以视觉伺服系统中的图像处理过程必须快速准确。视觉伺服系统采用视觉反馈环形成闭环,在视觉反馈环中抽取某种图像特征。图像特征可以是点、曲线、图像上的某一区域等,比如,它可以是点在图像平面的坐标位置,或投影面的形心及其惯量的高次幂。 2 视觉伺服系统的分类视觉伺服的控制策略主要基于以下两个问题: 1)是否采用分层控制结构?即机器人是否需要闭环关节控制器?进一步说,就是系统的视觉反馈是为机器人的关节控制闭环提供输入量,还是由视觉控制器直接控制机器人各关节。 2)误差输入量是以机器人所在空间的三维坐标表示,还是以图像特征? 按控制策略2)区分,视觉伺服系统分为两类:基于位置的控制系统(position-basedcontrol,又称3D视觉伺服,3Dvisualservoing),基于图像的控制系统(image-basecontrol,或称2D视觉伺服,2Dvisualservoing)。由于基于位置和基于图像的视觉伺服各有其优缺点,于是近年有学者综合上述两类视觉伺服系统的优点,设计出2-1/2D视觉伺服系统。按控制策略1)区分,视觉伺服系统可分为动态观察—移动系统和直接视觉伺服。前者采用机器人关节反馈内环稳定机械臂,由图像处理模块计算出摄像机应具有的速度或位置增量,反馈至机器人关节控制器;后者则由图像处理模块直接计算机械壁各关节运动的控制量。 3 视觉伺服系统的控制结构  基于位置的视觉伺服控制结构在基于位置的控制系统中,输入量以三维笛卡尔坐标表示(又称3D伺服控制),多数基于位置的视觉伺服系统采用一具有5~6个自由度的机械臂作为摄像机的运动载体。系统的视觉反馈环首先从图像中提取图像特征,然后利用图像特征与目标的几何模型、摄像机模型来估计目标与摄像机的相对位置;目标与摄像机相对位置的估计值与其期望值相比较后,产生的位置误差量送入笛卡尔坐标控制模块。根据是否采用关节控制闭环,基于位置的视觉伺服系统分为动态观察—移动系统和直接视觉伺服两类。需要指出的是,在机器人手—眼系统中,摄像头与目标的相对位置是通过机械手末端坐标与固定坐标系的关系矩阵T(T已知)间接获得。如果T存在误差,则机械手末端的位置估计也将有误差,且此误差不能被系统观察到,所以在某些情况下(如机器人抓取或跟踪物体时),系统可能会操作失败。但若使系统在检测目标的同时,也检测机械手的末端位置,则上述误差将得到修正。只能观察目标的手—眼系统称为末端开环系统,而能同时观察目标和机械手末端位置的手—眼系统称为末端闭环系统。 现在基于位置的控制系统多数为动态观察—移动系统,其原因如下: ①视觉系统较低的采样速率使得对机器人的控制成为复杂的非线性动态控制问题,而动态观察—移动系统将机器人的运动学上的奇异点问题与视觉控制分开,使机器人成为理想的笛卡尔运动设备。 ②多数机器人系统中含有能够接受