基于无标定显微视觉伺服的零件微装配

为完成微小零件的装配操作,获得高效的微装配性能和避免复杂的摄像机标定工作,提出了基于BROYDEN方法的图像雅可比矩阵在线辨识模型．为了实现在线辨识快速收敛的目的,应用切比雪夫多项式构成了待辨识的图像雅可比矩阵的成本函数来逼近最优值．采用辨识的图像雅可比矩阵,设计了PD控制器,该控制器满足了系统的快速性和平滑性控制要求．在显微视觉环境下,完成了不同倍率物镜下微操作机械手自动定位与夹取三维微小零件的视觉伺服任务．实验结果表明,所提方法具有较好的鲁棒性和满意的执行效果,达到了系统应用要求．     

基于视觉伺服的自主微装配方法

研究基于视觉伺服的自主微装配方法,为实现深度信息估计,提出一种基于马尔可夫随机场的散焦特征参数模型,将散焦特征深度信息的估计转化为能量函数的优化问题,采用Broyden 图像雅可比矩阵实现视觉伺服控制。通过微夹钳自动定位与夹取实验,验证了该方法的有效性。     

基于多传感器的大口径器件自动对准策略

针对大口径器件的装配, 基于搭建的实验平台, 提出了一种多传感器反馈的分阶段自动对准策略, 实现了大口径器件的六自由度位姿对准. 对准过程中, 在机器人末端远离装配位置时, 采用视觉测量安装框架的相对位姿进行粗对准; 在机器人末端接近装配位置时, 由于安装框架尺寸大导致视觉不能获得完整的框架相对于大口径器件的位姿, 所以采用视觉采集安装框架的局部图像, 利用基于图像的控制消除绕Z轴的旋转误差和沿X、Y轴的平移误差, 采用多个激光测距传感器测量相对距离, 利用基于位置的控制消除沿Z轴的平移误差和绕X、Y轴的旋转误差, 实现大口径器件与安装框架的精对准. 采用增量式PI控制算法, 实现了对准的运动控制. 实验结果验证了所提方法的有效性.     

基于神经网络的机器人视觉伺服控制

视觉伺服可以应用于机器人初始定位自动导引、自动避障、轨线跟踪和运动目标跟踪等控制系统中。传统的视觉伺服系统在运行时包括工作空间定位和动力学逆运算两个过程,需要实时计算视觉雅可比矩阵和机器人逆雅可比矩阵,计算量大,系统结构复杂。本文分析了基于图像的机器人视觉伺服的基本原理,使用BP神经网络来确定达到指定位姿所需要的关节角度,将视觉信息直接融入伺服过程,在保证伺服精度的情况下大大简化了控制算法。文中针对Puma560工业机器人的模型进行了仿真实验,结果验证了该方法的有效性。     

基于多几何特征的显微视觉对准控制策略

针对特定夹持器和环形物,基于搭建的微装配实验平台,提出了一种显微视觉引导下,夹持器相对于环形物的趋近运动控制策略.在垂直显微视觉引导下,基于夹持器和环形物的几何先验知识,实现了夹持器和环形物的多几何特征提取,从而实现了二者相对位置检测,并且根据夹持器头的几何先验知识及显微视觉检测结果,实现了对夹持器头的持续跟踪.在视觉信息反馈下,采用变结构控制器控制夹持器的运动,实现了对夹持器的快速稳定运动控制.实验结果验证了该运动控制策略的有效性.     

基于图像矩的运动目标3D平动视觉跟踪

区别于图像的简单几何特征,本文利用图像的全局特征描述子 图像矩特征作为图像 特征信息,实现了基于图像的运动目标3D平动的视觉跟踪．针对任务要求,本文选取了一组 矩特征用以完成任务．基于所选的矩,本文给出了矩特征变化量与相对位姿变化量之间的关 系矩阵,即图像雅可比矩阵,然后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,实现了在未知目标成 深度及摄像机焦距的情况下 对运动目标的3D平动跟踪．     

显微视觉系统对柱状微零件自动聚焦技术研究

针对显微视觉中的柱状物体图像的清晰度问题,提出了一种实时检测图像特征并跟踪特征区域进行自动聚焦的方法。该聚焦算法包括聚焦评价函数、聚焦搜索算法和聚焦区域选择。该聚焦搜索算法实现了显微视觉系统下快速准确的聚焦,克服了爬山搜索算法的缺点,有效避免搜索结果陷入局部极大值。显微视觉中对聚焦区域的选择尤为重要,以图像特征区域作为聚焦区域,实时检测该特征区域进行聚焦,实现了在景深小于柱状物体半径的情形下对柱状物体边缘的精确聚焦。粗聚焦后电机位置的标准差为205μm,精聚焦后电机位置的标准差为37μm。实验结果表明,该自动聚焦方法能够满足微装配系统对显微视觉的聚焦需求。     

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．     

微装配机器人:关键技术、发展与应用

微装配机器人是机器人研究和应用领域的一个重要方向和热点,有重要理论意义和应用前景。本文对微装配机器人的关键技术进行了详细介绍,包括微操作系统的基本概念、微装配机器人的工作原理、尺度效应、多尺度交叉、微夹持器技术、显微视觉与显微视觉伺服等。对国内外微装配机器人研究和发展现状进行了综述,最后对微装配机器人的应用范围和发展前景进行了展望。     

基于散焦图像特征的微装配机器人深度运动显微视觉伺服

为了描述微操作手深度运动,采用灰度方差聚焦评价算子计算机械手散焦图像特征．散焦特征曲线理论上为单峰分布,峰值点对应显微光学焦平面深度位置．实际提取的散焦特征含有大量随机噪声,利用非线性跟踪微分器抑制噪声实现对机械手散焦图像特征及其微分信号的无颤振光滑逼近．依据散焦微分信号设计粗—精两级自寻优视觉控制器,完成微操作手对装配平面深度的精确定位．微装配深度运动实验验证了本文方法的有效性,机械手深度伺服误差为75 μm．     

带时延补偿的视觉跟踪控制

在实际的视觉伺服系统中, 由于摄像机到图像处理设备的传输延迟和图像处理本身占用的时间, 视觉信息的获取会产生时延. 对此, 给出了一个带有时延补偿的视觉跟踪控制方法. 通过实时拟合图像雅可比矩阵, 实现了对机械手末端执行器图像特征信息的实时预测, 从而减小了估计误差. 在此基础上, 设计了一个带有时延补偿的控制方案. 通过对运动目标进行跟踪的仿真实验, 验证了本文时延补偿方法的有效性.     

基于图像雅可比矩阵的智能机器人视觉跟踪

根据智能机器人视觉伺服的要求,建立了固定眼结构的MOTOMAN-SV3XL型工业机器人无标定视觉伺服系统.研究了目前在机器人视觉伺服研究领域中使用最为广泛的一类方法,即基于图像雅可比矩阵的方法.针对图像雅可比矩阵的特点,设计了一种基于简化Sage-Husa自适应滤波的图像雅可比矩阵在线估计算法,并将其应用于机器人视觉反馈控制任务中,实现了对二维平面上运动目标的跟踪,实验结果表明了该算法的有效性.     

基于视觉伺服的仓储物流机器人自动定位技术

针对当前仓储物流机器人自动定位技术视觉信息反馈延迟,无法确定深度信息,导致定位误差较大、延迟时间较长的问题.提出了基于视觉伺服的仓储物流机器人自动定位方法.通过几何地图描述全局环境模型,确定机器人结构,分析视觉伺服定位原理,根据雅可比矩阵,标定摄像机位置,利用Parzen窗方法预测像素空间密度,提取主成分,建立误差模型...     

图像雅可比矩阵伪逆估计在视觉伺服中的应用

在一般无标定视觉伺服算法的基础上,提出了一种基于递推最小二乘法估计图像雅可比矩阵伪逆的无标定视觉伺服算法．这种方法无需计算雅可比矩阵伪逆．针对固定目标,文中给出了比例控制算法的稳定性条件．针对运动目标,推导了基于图像雅可比矩阵伪逆估计的伪高斯—牛顿视觉伺服算法和信任区视觉伺服算法．最后,仿真验证了三种视觉伺服算法的有效性．     

基于雅可比预测的机器人无模型视觉伺服定位控制

针对未知相机标定及目标3D几何模型,研究机器人无模型视觉伺服定位方法.引入状态空间,建立机器人“视觉空间-运动空间”雅可比非线性映射的状态方程和观测方程,提出神经网络联合卡尔曼滤波雅可比预测算法,网络在线动态补偿系统近似误差与参数估计误差,实现最小均方差条件下的雅可比预测;以李雅普诺夫稳定性准则构建雅可比预测的无模型图像视觉伺服控制方案,避免了相机标定和目标建模.“眼在手”六自由度机器人定位比较实验表明,图像空间特征轨迹平滑稳定在相机视场中,笛卡尔空间机器人末端运动平稳,无震荡回退,定位精度在10个像素范围内.     

具有不确定性重力补偿的无标定视觉伺服

文章首先叙述了视觉伺服的分类。给出了机器人动力学模型及其主要性质、自适应复合雅可比矩阵的具体推导过程。摄像机位于机器人末端的情况被考虑,给出了具有不确定性重力补偿的无标定PD视觉伺服控制器,而后运用李雅普诺夫方法对其进行了稳定性分析,结果证明系统能够渐近稳定。为了验证算法的有效性,针对一个二连杆eye-in-hand视觉伺服定位系统进行了仿真,仿真结果说明了算法的有效性。     

带时延补偿的图像雅可比矩阵在线估计方法

传统的在线估计图像雅可比矩阵的方法没有考虑时延因素,因此具有较大的估计误差。为了补偿时间延迟,提出一种新的带时延补偿的图像雅可比矩阵估计方法。该方法利用卡尔曼滤波估计特征点在图像空间中当前时刻的位置和速度,进而计算当前时刻较为准确的图像雅可比矩阵估计值。仿真和实验结果表明,该方法显著地提高了系统的性能,从而验证了提出的带时延补偿的图像雅可比矩阵在线估计方法的可行性和优越性。     

带有时延补偿的图像雅可比矩阵估计方法

提出一种新的带有时延补偿的图像雅可比矩阵在线估计方法, 用于存在时延的无标定视觉伺服系统.传统的图像雅可比矩阵估计方法没有考虑时延影响, 从而产生较大的估计误差.为了补偿时延, 本文采用局部拟合方法估计图像雅可比矩阵, 以获得当前时刻更准确的图像雅可比矩阵估值, 并可对图像预补偿. 本文以无标定的移动机器人和视觉传感器为实验对象,仿真和实验表明该方法改善了系统的动态性能, 减小了稳态误差,从而验证带有时延补偿的图像雅可比矩阵估计方法的可行性和有效性.     

摄像机参数标定实验的设计与实现

在基于位置的视觉伺服中，需要建立将二维图像信息转换为三维坐标信息的图像雅可比矩阵。为了获取高精度的雅可比矩阵本文设计了CCD摄像机参数标定的实验。首先介绍了摄像机标定原理，然后设计了标定实验，最后给出了标定的具体步骤以及实验结果。     

多层显微图像的自动拼接方法

针对多层显微图像的拼接,提出一种基于3D拓扑图的图像拼接方法.利用基于区域的方法和基于特征的方法,分别对同层和异层图像对准;利用3D拓扑图的修正以消除空白区的影响;根据修正的3D拓扑图和多层图像投影坐标的误差建立多层图像的全局对准模型;利用非线性最优化方法,得到具有全局一致性的多层图像拼接结果.