加速度约束条件下的非完整移动机器人运动控制

将移动机器人的运动规划与跟踪控制问题合并在一起，对加速度约束条件下的非完整移动机器人运动控制问题进行研究，提出基于贝塞尔曲线的路径规划方法，以满足机器人的非完整约束．在考虑所受加速度约束的条件下，通过规划机器人状态时问轨线的方法实现了时间最优的轨迹规划．基于控制李亚普诺夫函数推导出了轨迹跟踪的控制律．仿真实验结果表明所提出的算法是有效的．     

模型无关的无定标视觉伺服控制

本文首先介绍了视觉伺服的一般原理．然后提出了一种模型无关的无定标视觉伺服控制方法，在这种方法中不需要机器人模型和摄像机模型，应用方差最小化的原理推导出了模型无关的无定标视觉伺服控制律．此外还给出了图像雅可比矩阵的递推公式．文章最后通过一个轨线跟踪的仿真实验验证了算法的正确性和有效性．     

基于CPLD的彩色视觉移动机器人路径跟踪系统

路径跟踪是机器人视觉导航控制基本技术之一,为使机器人沿地面彩色引导线自主运动,并能在适时离线执行任务后自动返航,提出了一种用可编程逻辑器件(CPLD)实现的视觉伺服PID控制方法.该方法利用图像特征反馈对其所跟踪的路经进行实时识别跟踪.仿真结果表明,该方法改善了控制算法的实时性,提高了移动机器人的路径跟踪精度与速度.     

基于Adept机器人的视觉伺服控制系统

机器人视觉伺服控制在理论和应用等方面还有许多问题需要研究,例如特征选择、系统标定和伺服控制算法等.针对Adept机器人,提出了一种简单快速的不需要精确标定摄像机内外部参数的摄像机标定方法,完成了从被观测物体表面所在的视觉平面坐标系到机器人基坐标系的坐标变换.使用图像的全局特征,即图像矩特征进行伺服跟踪;利用所推导的图像雅可比矩阵,设计了由图像反馈与目标运动自适应补偿组成的视觉伺服控制器.将算法对静态目标的定位实验进行了验证,然后又将其应用到移动目标的跟踪上,通过调节和优选控制参数,实现了稳定的伺服跟踪和抓取.实验结果表明采用图像矩作为图像特征能够避免复杂的特征匹配过程,并且能够获得较好的跟踪精度.     

修磨机器人的最优控制法

基于最优控制理论,本文为磨平钢坯细微缝隙的修磨机器人(SGR)提出了最优轨线跟踪控制法和最优扰动控制法,最优轨线跟踪控制使机器人按最优法则跟踪一期望轨线;最优扰动控制利用前馈力矩作为总体补偿和一个按最优法则确定的反馈力矩校正跟踪误差。最后,给出用计算机仿真结果验证了本文提出的最优控制法的有效性。     

基于视觉的机械手轨线跟踪系统

本文从视觉与控制集成这一指导思想出发，建立了一个视觉引导的机器人轨线跟踪系统，用于玻璃加工时的图纸曲线的自动跟踪和坐标读取，实验结果显示出良好的跟踪性能。     

基于单目视觉的移动机器人测距方法

本文针对多机器人编队过程中的跟踪控制,提出了一种跟踪机器人采用单目视觉技术获取前方被跟踪机器人距离信息的方法.该方法首先对跟踪机器人摄像机进行内参数标定,并在目标机器人背部设置视觉标记.然后系统获取目标机器人的含有视觉标记的单帧图像,预处理此图像,并识别出图像中的视觉标记所在的目标区域,用Hu氏不变矩计算该区域形心.最后推导出单目测距算法,利用图像信息和其它参数可以计算出两机器人之间的距离.实验结果表明,所设计的单目测距系统能得到准确的距离,为跟踪控制提供了重要的反馈信息.     

基于宏-微机器人的不连续轨线的跟踪

针对宏-微机器人跟踪不连续轨线,本文采用轨线分割的方法．轨线分割的 结果,宏机械手的期望轨迹为一条连续轨线,轨线中的不连续部分将由微机械手跟踪;同时 ,宏-微机器人这一冗余系统变为两个非冗余系统,按照两个非冗余系统分别进行轨迹规划 ;微机械手除了完成分割的任务外,对宏机械手的轨迹误差在线补偿;4自由度宏-微机器 人仿真和实验证明了本文方法的有效性．     

基于FPGA+ARM的视觉导航轮式机器人

根据自动运输的需求,以FPGA+ARM为核心,设计一种基于视觉导航的自主式轮式机器人,使用FPGA控制图像的实时采集、存储和显示,用ARM实现路径识别、通信并控制执行机构和传感器。路径识别的基本思想是采样二值化并去噪,再检测出场景中的路径,由路径跟踪模块进行导航计算。实验结果表明,该机器人的控制准确可靠,能正确地跟踪预先设置的引导轨线。     

空地正交视角下的多机器人协同定位及融合建图

针对单一机器人在复杂场景下进行同步定位与建图存在的视角局限等问题,本文提出了一种空地正交视角下的空中无人机与地面机器人协同定位与融合建图方法.鉴于无人机的空中视角与地面机器人视角属于正交关系,该方法主要思想是解决空地正交视角的坐标系转换问题.首先,设计了一种空中无人机和地面机器人协同定位与建图的框架,通过无人机提供的全局俯视图像与地面机器人的局部平视图像获得全面丰富的场景信息.在此基础上,通过融合惯性测量单元和图像信息修正偏移并优化轨迹,利用地面机器人上带有尺度信息的视觉标识,获得坐标系转换矩阵以融合地图.最后多组真实场景实验验证了该方法具有有效性,是空地协同多机器人协同定位及融合建图(simultaneous localization and mapping, SLAM)领域中值得参考的方法.     

基于视觉图像的全向移动机器人轨迹跟踪控制研究

机器人轨迹节点跟踪比较难,导致机器人实际轨迹偏离期望轨迹,所以设计基于视觉图像的全向移动机器人轨迹跟踪控制方法;构建全向移动机器人的运动学数学模型,以此确定机器人移动轨迹数学模型;以移动轨迹数学模型为基础,按照视觉图像划分标准对全向移动机器人运动图像的分割,通过分离目标节点的方式提取运动学特征参量,完成机器人轨迹节点跟踪处理;结合节点跟踪处理结果,将运动学不等式与误差向量作为机器人轨迹跟踪控制的约束条件,利用滑模变结构搭建轨迹跟踪控制模型,实现全向移动机器人轨迹跟踪控制;对比实验结果表明,所设计的方法应用后,全向移动机器人角速度曲线、线速度曲线与期望运动轨迹曲线之间的贴合程度均超过90%,满足全向移动机器人轨迹跟踪控制要求。     

Stable adaptive controller design of robotic manipulators via neuro‐fuzzy dynamic inversion

In this paper, a stable adaptive control approach is developed for the trajectory tracking of a robotic manipulator via neuro‐fuzzy (NF) dynamic inversion, an inverse model constructed by the dynamic neuro‐fuzzy (DNF) model with desired dynamics. The robot neuro‐fuzzy model is initially built in the Takagi‐Sugeno (TS) fuzzy framework with both structure and parameters identified through input/output (I/O) data from the robot control process, and then employed to dynamically approximate the whole robot dynamics rather than its nonlinear components as is done by static neural networks (NNs) through parameter learning algorithm. Since the NF dynamic inversion comprises a cluster of reference trajectories connecting the initial state to the desired state of the robot, the dynamic performance in the initial control stage of robot trajectory tracking can be guaranteed by choosing the optimum reference trajectory. Furthermore, the assumption that the robot states should be on a compact set can be excluded by NF dynamic inversion design. The system stability and the convergence of tracking errors are guaranteed by Lyapunov stability theory, and the learning algorithm for the DNF system is obtained thereby. Finally, the viability and effectiveness of the proposed control approach are illustrated through comparing with the dynamic NN (DNN) based control approach. © 2005 Wiley Periodicals, Inc.     

纯方位角目标跟踪及移动平台可观性控制方法

为了解决未知环境下的单目视觉移动机器人目标跟踪问题,提出了一种将目标状态估计与机器人可观性控制相结合的机器人同时定位、地图构建与目标跟踪方法。在状态估计方面,以机器人单目视觉同时定位与地图构建为基础,设计了扩展式卡尔曼滤波框架下的目标跟踪算法;在机器人可观性控制方面,设计了基于目标协方差阵更新最大化的优化控制方法。该方法能够实现机器人在单目视觉条件下对自身状态、环境状态、目标状态的同步估计以及目标跟随。仿真和原型样机实验验证了目标状态估计和机器人控制之间的耦合关系,证明了方法的准确性和有效性,结果表明:机器人将产生螺旋状机动运动轨迹,同时,目标跟踪和机器人定位精度与机器人机动能力成正比例关系。     

基于Sigmoid函数的机器人鲁棒滑模跟踪控制系统设计

为了保证机器人能够在保持稳定的情况下,按照规划轨迹执行工作任务,从硬件和软件两个方面,设计了基于Sigmoid函数的机器人鲁棒滑模跟踪控制系统。装设机器人传感器与状态观测器,改装机器人鲁棒滑模跟踪控制器,完成系统硬件设计;综合机器人结构、运动机理和动力机制3个方面,构建机器人数学模型;根据状态数据采集结果与规划轨迹之间的偏差,计算机器人跟踪控制量;依据滑模运动与切换方程,利用Sigmoid函数生成机器人鲁棒滑模控制律,将生成控制指令作用在机器人执行元件上,实现系统的鲁棒滑模跟踪控制功能;在系统测试与分析中,所设计控制系统的平均位置跟踪控制误差为0.93 mm,与设定轨迹目标基本重合,机器人姿态角跟踪控制误差为0.06 mm,具有较好的鲁棒滑模跟踪控制效果,能够有效提高机器人鲁棒滑模跟踪控制精度。     

基于全局视觉的轮式移动机器人轨迹跟踪控制

将视觉伺服控制思想引入到全局视觉条件下的轮式移动机器人轨迹跟踪控制中,提出一种基于消除图像特征误差的控制方法.讨论并推导了包含电机模型的非完整移动机器人动力学方程,设计了鲁棒速度跟踪控制器.实验结果证明了文中方法的有效性.􀁱     

应用机器人轨迹跟踪技术的电力线路无人机智能化巡检系统设计

野外电力线路易发生损坏,且时变特性干扰较大,检测准确度较低,因此,设计应用机器人轨迹跟踪技术的电力线路无人机智能化巡检系统。该系统通过数据采集模块和飞行状态检测模块,分别进行电力线路图像数据获取与飞行状态监测,飞行控制模块接收图像与状态数据,并在轨迹跟踪控制子模块中使用自适应鲁棒滑模控制算法,实现无人机的轨迹跟踪,同时,该模块经无线数据传输模块将数据传输至地面站,在巡检数据智能分析管理模块中,地面站根据数据信息,完成电力线路故障识别,进而实现电力线路无人机智能化巡检。实验结果表明,该系统具有良好的轨迹跟踪效果,且巡检准确率较高,满足多种天气作业需求。     

Active/dynamic stereo vision

Visual navigation is a challenging issue in automated robot control. In many robot applications, like object manipulation in hazardous environments or autonomous locomotion, it is necessary to automatically detect and avoid obstacles while planning a safe trajectory. In this context the detection of corridors of free space along the robot trajectory is a very important capability which requires nontrivial visual processing. In most cases it is possible to take advantage of the active control of the cameras. In this paper we propose a cooperative schema in which motion and stereo vision are used to infer scene structure and determine free space areas. Binocular disparity, computed on several stereo images over time, is combined with optical flow from the same sequence to obtain a relative-depth map of the scene. Both the time to impact and depth scaled by the distance of the camera from the fixation point in space are considered as good, relative measurements which are based on the viewer, but centered on the environment. The need for calibrated parameters is considerably reduced by using an active control strategy. The cameras track a point in space independently of the robot motion and the full rotation of the head, which includes the unknown robot motion, is derived from binocular image data. The feasibility of the approach in real robotic applications is demonstrated by several experiments performed on real image data acquired from an autonomous vehicle and a prototype camera head     

任意初态下的工业机器人迭代学习控制

对迭代初值为任意值的工业机器人轨迹跟踪控制系统,提出了一种基于滑模面的非线性迭代学习控制算法,使机器人轨迹能快速、精确跟踪上期望轨迹。基于有限时间收敛原理,构建了关于机器人轨迹跟踪误差的迭代滑模面,在滑模面内,机器人轨迹跟踪误差在预定时间内收敛到零。设计了基于滑模面的迭代学习控制算法,理论证明了随着迭代次数的增加,处于任意初态的轨迹将一致收敛到滑模面内,解决了迭代学习中的任意初值问题。数值仿真验证了该算法的有效性和抗干扰能力。     

基于ReLU神经网络的移动目标视觉伺服研究

针对移动目标跟踪以及抓取的问题,提出一种基于ReLU网络模型的单目视觉伺服系统。首先建立机器人视觉系统,完成对目标跟踪以及特征提取的任务,并通过结合单目视觉模型对其位姿进行估计,从而得到目标状态;然后,利用ReLU神经网络对机械臂的逆运动学进行学习,并用训练后网络模型构建单目视觉伺服系统的控制策略来避免机器人逆运动学求解计算量大、多解等问题;最后,为了提高抓取成功率,对末端执行器的运动轨迹进行规划。实验在NAO机器人平台上进行,根据实验结果证明方法的有效性。     

乒乓球机器人的视觉伺服系统

视觉伺服的乒乓球机器人系统作为典型的"手眼系统",是研究高速视觉感知和快速伺服运动的理想平台,其涉及的高速物体识别跟踪、快速精确轨迹预测及机械臂伺服准确回球等关键技术在工业、军事等领域有广泛的应用前景.本文提出了乒乓球机器人的高速视觉伺服系统实现方法,包括基于特征直方图统计和快速轮廓搜索的目标识别算法,基于模型参数学习和自适应模型调整的物体运动状态估计和轨迹预测算法,及基于轨迹预测的灵巧臂回球规划算法.通过实验验证了各算法的实时性和高效性,并在165cm高的仿人机器人"悟"和"空"上成功实现了双机器人对打和与人对打任务.