基于多路显微视觉的微零件自动对准策略

基于对显微视觉系统成像特点的分析,针对搭建的微装配实验平台,提出了一种基于三路显微视觉的微零件自动对准策略,实现了毫米级复杂几何结构微零件的自动对准.基于显微视觉成像模型,推导了基于多路显微视觉的微零件运动控制的图像雅可比矩阵,证明了显微视觉引导下位置控制的图像雅可比矩阵为常数,并通过微零件的主动运动,实现了对图像雅可比矩阵的在线自标定.采用增量式PI(比例-积分)控制方式实现了对微零件快速有效的运动控制.实验结果验证了所提方法的有效性.     

图象雅可比矩阵的在线Kalman滤波估计

通过分析现有图象雅可比矩阵的在线辨识方法,提出一种新的辨识思路.将雅可比矩阵的在线估计转化为系统的状态观测,并设计了相应的Kalman-Bucy滤波估计算法.以双目立体视觉反馈下的运动目标跟踪任务为例,通过仿真和实验说明了所提出方法的有效性.     

一种新的双环结构机器人无标定自抗扰视觉伺服控制方法

在研究基于自抗扰控制器的机器人无标定视觉伺服方法的基础上,提出了一种新的双环结构机器人无标定自抗扰视觉伺服控制方法．内环采用Kalman滤波算法进行图像雅可比矩阵的在线辨识,可较好地逼近真实模型;外环采用自抗扰控制器,利用非线性观测器实时估计系统相对于当前估计模型的总扰动,并在控制中加以动态补偿．针对六自由度工业机器人进行了二维运动目标的跟踪实验,实验结果表明了该方法的可行性和有效性．     

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.     

基于图像雅可比矩阵的无标定二维运动跟踪

研究无标定视觉导引机械臂完成二维平面运动目标精确跟踪的问题.系统的视觉部分采用固定全局视觉与手上局部视觉相结合的方式,拓展了系统的观察能力,使系统能同时实现大范围的运动跟踪和精确的小范围跟踪.根据两种视觉的特点,在全局视觉反馈中使用最优反馈控制,而在手上视觉反馈中使用PI控制.通过分析图像雅可比矩阵的解析表达式以及跟踪过程中的变化规律,提出一种利用机器人已完成的跟踪运动在线辨识雅可比矩阵的方法,避免了传统估计方法引入冗余试探运动对系统动态性能的影响.仿真和实验检验了本方法的性能.     

基于无极卡尔曼滤波算法的雅可比矩阵估计

在基于图像的机器人视觉伺服中,采用在线估计图像雅可比的方法,不需事先知道系统的精确模型,可以避免复杂的系统标定过程。为了有效改善图像雅可比矩阵的在线估计精度,进而提高机器人的跟踪精度,针对机器人跟踪运动目标的应用背景,提出了利用无极卡尔曼滤波算法在线估计总雅可比矩阵。在二自由度的机器人视觉伺服仿真平台上,分别用卡尔曼滤波器（KF）、粒子滤波器（PF）和无极卡尔曼滤波器（UKF）三种算法进行总雅可比矩阵的在线估计。实验结果证明,使用UKF算法的跟踪精度优于其他两种算法,时间耗费仅次于KF算法。     

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．     

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.     

图像雅可比矩阵的在线Kalman滤波估计

通过分析现有图象雅可比矩阵的在线辨识方法，提出一种新的辨识思路，将雅可比矩阵的在线估计转化为系统的状态观测，并设计了相应的Kalman-Bucy滤波估计算法，以及目立体视觉反馈下的运动目标跟踪任务为例，通过仿真和实验说明了所提出方法的有效性。     

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。