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。     

多传感器信息融合伺服的移动机器人快速跟随

针对移动机器人快速跟随任务的需要,采取了多传感器信息融合的伺服控制,用双目摄像机对移动机器人进行视觉导航,利用激光雷达和超声波传感器完成移动机器人的避障设计,通过位于机器人轮部的光电编码器反馈信息处理实现机器人的自定位,语音交互和手势交互共同完成移动机器人的人机交互,制定了移动机器人快速跟随整体策略并提出了软硬件系统集成方案.在实验环境中通过实验和实践表明了移动机器人能够快速顺利的完成跟随任务.     

基于自适应动态规划的移动机器人视觉伺服跟踪控制

针对移动机器人视觉伺服跟踪控制问题,提出一种基于自适应动态规划(Adaptive dynamic programming,ADP)的控制方法.通过移动机器人上的相机拍摄共面特征点的当前图像、期望图像以及参考图像,利用单应性技术得到移动机器人当前的位姿信息与期望的位姿信息(即平移量与旋转角度),从而通过当前与期望的平移旋转之间差值得到系统的开环误差模型.进而,针对此系统设计最优控制器,同时做合适的控制输入变换.在此基础上设计一个基于ADP的视觉伺服控制方法以保证移动机器人完成轨迹跟踪任务.为求出最优控制输入,采用一个评价神经网络近似值函数,通过不断学习逼近哈密顿-雅可比-贝尔曼(Hamilton-Jacobi-Bellman, HJB)方程的解.与以往不同的是,由于系统存在时变项,导致HJB方程也含有时变项,因此需要设计具有时变权值结构的神经网络近似值函数.最终证明在所设计的控制方法作用下,闭环系统是一致最终有界的.     

移动机器人视觉伺服系统上位机软件的设计与实现

针对移动机器人视觉伺服系统,采用C++语言设计了一款基于Qt的跨平台实时数据可视化上位机软件。该软件执行图像处理算法和数据分析,实现绘制移动机器人实时轨迹和实时参数曲线等功能。首先介绍了移动机器人的硬件组成和功能。其次阐述了上位机软件的开发环境和设计步骤,并详细叙述图像算法的运行流程和实时在线绘制波形图等功能。最后通过视觉伺服跟踪控制实验采集数据,并实时显示来验证所设计上位机软件功能的有效性。     

移动机器人自适应视觉伺服镇定控制

对有单目视觉的移动机器人系统,提出了一种自适应视觉伺服镇定控制算法;在缺乏深度信息传感器并且摄像机外参数未知的情况下,该算法利用视觉反馈实现了移动机器人位置和姿态的渐近稳定.由于机器人坐标系与摄像机坐标系之间的平移外参数(手眼参数)是未知的,本文利用静态特征点的位姿变化特性,建立移动机器人在摄像机坐标系下的运动学模型.然后,利用单应矩阵分解的方法得到了可测的角度误差信号,并结合2维图像误差信号,通过一组坐标变换,得到了系统的开环误差方程.在此基础之上,基于Lyapunov稳定性理论设计了一种自适应镇定控制算法.理论分析、仿真与实验结果均证明了本文所设计的单目视觉控制器在摄像机外参数未知的情况下,可以使移动机器人渐近稳定到期望的位姿.     

利用平面单应分解实现服务机器人视觉伺服

智能空间中家庭服务机器人所需完成的主要任务是协助人完成物品的搜寻、定位与传递。而视觉伺服则是完成上述任务的有效手段。搭建了由移动机器人、机械臂、摄像头组成的家庭服务机器人视觉伺服系统,建立了此系统的运动学模型并对安装在机械臂末端执行器上的视觉系统进行了内外参数标定,通过分解世界平面的单应来获取目标物品的位姿参数,利用所获取的位姿参数设计了基于位置的视觉伺服控制律。实验结果表明,使用平面单应分解方法来设计控制律可简单有效地完成家庭物品的视觉伺服任务。     

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AVR开发智能移动机器人的控制系统

基于AVR系列的8位单片机,采用嵌入式分层控制方法,完成智能移动机器人的控制系统的开发。在该系统中,包括信息管理层和分散控制层。主机在信息管理层,完成传感器等信息及控制指令的处理;从机在分散控制层,完成电机的伺服控制。与基于51系列单片机开发的控制系统相比,本系统所需的外围电路更简单,数据处理速度更快。实验表明,该系统运行稳定,机器人移动平稳。该设计方案尤其适用智能移动机器人的开发,还可以广泛应用于其它智能设备和生产线的开发。     

基于互联网技术的远程机器人控制器设计

采取利用互联网、IEEE802．11x无线局域网及移动电话网的方法,为轮式移动机器人设计具有视觉功能的远程无线控制器,实现远程无线控制轮式移动机器人的控制器软件、硬件的基本结构和设计方法。设计的两种嵌入式控制器分别在局域网和日本的3G无线移动电话网上进行了实验,在具有视觉功能的轮式移动机器人上实现了利用浏览器通过网络对轮式移动机器人进行远程无线操作控制,并在远程操作计算机上通过网络利用浏览器获取机器人实时视觉图像。     

基于自抗扰技术的四旋翼飞行器视觉伺服控制器设计

基于自抗扰控制技术的四旋翼飞行器视觉伺服控制器克服了惯性传感器无法获取位置信息的缺点,提高了飞行器的灵活性,能够胜任更复杂的任务;文章主要针对基于四旋翼无人飞行器的视觉伺服控制技术问题展开相关研究;选用基于HSV颜色空间的颜色特征提取的方法实现目标跟踪,再通过三角形法则确定飞行器与目标在世界坐标下的相对位置,最后引入自抗扰控制技术设计了水平位置控制器与姿态控制器;通过实验结果分析,文章设计的飞行器视觉伺服控制器可以准确地跟踪目标并实施高精度定位,并且控制系统鲁棒性强,跟踪误差小,能够有效地完成视觉伺服控制任务。     

荷载不确定移动机器人视觉伺服系统鲁棒预测控制

考虑具有可见性约束和执行器约束的载荷不确定移动机器人视觉伺服系统,提出一种鲁棒视觉伺服预测控制策略.首先将该移动机器人视觉伺服系统建模为关于视觉伺服误差和驱动的不确定系统.其次,对约束的视觉伺服误差子系统,设计基于半正定规划的速度规划预测控制算法.该算法分为离线计算和在线调度两个部分,降低预测控制算法的在线计算量.而对...     

Visual servo control. II. Advanced approaches [Tutorial]

This article is the second of a two-part tutorial on visual servo control. In this tutorial, we have only considered velocity controllers. It is convenient for most of classical robot arms. However, the dynamics of the robot must of course be taken into account for high speed task, or when we deal with mobile nonholonomic or underactuated robots. As for the sensor, geometrical features coming from a classical perspective camera is considered. Features related to the image motion or coming from other vision sensors necessitate to revisit the modeling issues to select adequate visual features. Finally, fusing visual features with data coming from other sensors at the level of the control scheme will allow to address new research topics     

Neural network Reinforcement Learning for visual control of robot manipulators

It is known that most of the key problems in visual servo control of robots are related to the performance analysis of the system considering measurement and modeling errors. In this paper, the development and performance evaluation of a novel intelligent visual servo controller for a robot manipulator using neural network Reinforcement Learning is presented. By implementing machine learning techniques into the vision based control scheme, the robot is enabled to improve its performance online and to adapt to the changing conditions in the environment. Two different temporal difference algorithms (Q-learning and SARSA) coupled with neural networks are developed and tested through different visual control scenarios. A database of representative learning samples is employed so as to speed up the convergence of the neural network and real-time learning of robot behavior. Moreover, the visual servoing task is divided into two steps in order to ensure the visibility of the features: in the first step centering behavior of the robot is conducted using neural network Reinforcement Learning controller, while the second step involves switching control between the traditional Image Based Visual Servoing and the neural network Reinforcement Learning for enabling approaching behavior of the manipulator. The correction in robot motion is achieved with the definition of the areas of interest for the image features independently in both control steps. Various simulations are developed in order to present the robustness of the developed system regarding calibration error, modeling error, and image noise. In addition, a comparison with the traditional Image Based Visual Servoing is presented. Real world experiments on a robot manipulator with the low cost vision system demonstrate the effectiveness of the proposed approach.     

基于虚拟现实的机器人智能控制系统

本文基于虚拟现实技术特点,构建了虚拟现实环境下的机器人智能控制系统,将Eon Studio与VC++可视化结合构建人机交互平台,将系统分为人机交互系统和遥控机器人系统部分,采用3DS MAX建立虚拟场景和机器人,基于TCP/IP协议的无线局域网技术进行数据交互,并利用EonX空间进行Eon和VC++6.0的通信。通过实例验证表明,基于虚拟现实技术的遥控机器人智能控制系统控制精确度高、动作准确,能够较好地满足实际工作要求。     

多摄像机图像间的稳定切换控制

为获得连续动态的图像雅可比矩阵,分析了融合方式和传统图像直接切换方法的缺陷,提出了一种基于融合的多图像稳定切换算法,算法采用动态加权融合策略。在移动机器人位置未知和无标定多摄像机的情况下,仿真和实验结果表明:该算法比传统方法具有更高的适应能力,图像切换过程的稳定性得到了很大提高。     

基于预测控制的非完整移动机器人视觉伺服镇定

非完整移动机器人视觉伺服镇定越来越受到人们的广泛关注. 目前研究人员在解决该问题时未同时考虑摄像机的可见性约束和机器人系统的控制约束, 所设计的控制器在实际应用中很难实现满意的控制. 针对此问题, 本文设计一种预测控制器来解决移动机器人视觉伺服镇定问题. 首先设计运动学预测镇定控制器来产生参考速度指令; 然后设计动力学预测控制器使移动机器人实际速度渐近逼近期望值; 所设计的预测控制器能够容易处理系统中存在的可见性约束和控制约束; 最后对所提出的视觉伺服镇定方法进行仿真验证, 结果表明所设计的控制器能有效解决移动机器人视觉伺服镇定问题.     

Autonomous Acquisition of Seam Coordinates for Arc Welding Robot Based on Visual Servoing

Autonomous acquisition of seam coordinates is a key technology for developing advanced welding robot. This paper describes a position-based visual servo system for robotic seam tracking, which is able to autonomously acquire the seam coordinates of the planar butt joint in the robot base frame and plan the optimal camera angle before welding. A six-axis industrial robot is used in this system, which has an interface for communicating with the master computer. The developed visual sensor device is briefly presented that allows the charge-coupled device (CCD) cameras to rotate about the torch. A set of robust image processing algorithms are proposed so that no special requirements of light source are needed in this system. The feedback errors of this servo system are defined according to the characteristics of the seam image, and the robust tracking controller is developed. Both the image processing program and tracking control program run on the master computer. The experimental results on straight line seam and curve seam show that the accuracy of the seam coordinates acquired with this method is more adequate for high quality welding process.     

多移动机器人的领航-跟随编队避障控制

针对多移动机器人的编队控制问题,提出了一种结合Polar Histogram避障法的领航-跟随协调编队控制算法。该算法在领航-跟随l-φ编队控制结构的基础上引入虚拟跟随机器人,将编队控制转化为跟随机器人对虚拟跟随机器人的轨迹跟踪控制。结合移动机器人自身传感器技术,在简单甚至复杂的环境下为机器人提供相应的路径运动策略,实现实时导航的目的。以两轮差动Qbot移动机器人为研究对象,搭建半实物仿真平台,进行仿真实验。仿真结果表明:该方法可以有效地实现多移动机器人协调编队和避障控制。     

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。