基于立体视觉的机器人手眼无标定三维视觉跟踪

本文在未标定手眼关系及摄像机模型的情况下,建立了机器人立体视觉跟踪问题非线性视觉 映射关系模型,并据此设计了基于人工神经网络的视觉跟踪控制器．仿真结果表明该算法能 完全消除稳态跟踪误差,具有很强的环境适应性和容错能力,算法简单,易于实时实现．     

眼在手上机器人手眼无标定三维视觉跟踪

在未标定手眼关系及摄像机模型的情况下,建立了机器人三维视觉跟踪问题非线性视觉映射关系模型,并据此设计了基于人工神经网络的视觉跟踪控制器.仿真结果表明该算法能完全消除稳态跟踪误差,具有很强的环境适应性和容错能力,算法简单,易于实时实现.     

基于耦合ADRC原理的机器人无标定手眼协调

研究机器人的无标定手眼协调问题．基于耦合的自抗扰控制器思想，通过对系统建 模的不确定性及其未知外扰进行非线性补偿，完成了相互耦合的不依赖于系统特定任务的无 标定手眼协调控制器的设计，实现了广泛意义的机器人无标定手眼协调，最后的仿真和实验 说明了该方法的可行性．     

基于自抗扰控制器的机器人无标定手眼协调

研究机器人无标定手眼协调问题.分析了图像空间到机器人操作空间之间的非线性映射关系,并把非线性的映射关系看成是系统的未建模动态.基于自抗扰控制器思想,通过对系统未建模动态和外扰的补偿,完成了不依赖于任务的无标定手眼协调控制器的设计,实现了广泛意义的机器人无标定手眼协调控制.仿真和实验结果表明了该方法的有效性.     

基于自抗扰控制器的机器人无标定三维手眼协调

研究机械臂在手眼关系未知情况下依靠视觉信息引导完成三维空间定位及跟踪问题.基于耦合自抗扰控制原理,设计了不依赖于特定任务的广泛意义下的手眼协调控制器.利用两个全局摄像机组成双目视觉系统,由图像特征可充分地确定机器人三维空间中的位置信息.仿真和实验对这一方法的可行性和有效性进行了验证.     

基于主动视觉的手眼矩阵和光平面标定方法

为解决现有基于主动视觉方法标定手眼矩阵和结构光平面操作较复杂的问题,提出一种基于主动视觉的同时标定手眼矩阵和光平面的方法。通过精确控制机器人做两次相互正交的平移运动,求解手眼矩阵的旋转部分;而后通过两次及以上带旋转运动,求解手眼矩阵的平移部分和光平面方程。该方法简单,无需使用特定靶标,标定过程只需3个特征点,即可实现机器人手眼矩阵和光平面方程的标定;实验结果证明了该方法的有效性。     

带激光笔的机器人主动视觉手眼标定

以固高GRB-400机器人和摄像机组成手眼系统,在手眼关系旋转矩阵的标定方面,分析了基于主动视觉的标定方法。为实现手眼关系平移向量的标定,提出以固定于机械臂末端的激光笔来获取工件平台上特征点的基坐标,并结合已标定的旋转矩阵来标定平移向量。最后,从图像求取多个特征点之间的距离并与实际值进行误差比较,平面特征点间的长度测量误差在±0.8 mm之间,表明手眼标定精度较高,可满足机器人进行工件定位与自动抓取的要求。     

基于手眼立体视觉的机器人定位系统

研发了基于手眼的机器人定位系统,采用了眼在手上的单目摄像机,通过机械手的一次移动实现了立体视觉的功能.提出了一种方便有效手眼标定方法,避免了复杂的传统手眼标定过程,无需求解摄像机外参数和手眼变换矩阵.仅获取标定时刻的摄像机综合参数和机器人位姿,就可以在机器人基坐标系中视场范围内的任意两点进行检测,根据立体视觉的约束关系求解出目标物体在机器人基坐标中的位置,进而实现对目标物体的精确定位.     

机器人手眼立体视觉标定研究

以固高GRB-400型机器人和CCD组成机器人手眼系统,分析了摄像机的成像模型,采用了基于直接将图像坐标映射到机器人参考坐标的“黑箱”思想,从图像坐标直接计算出目标位置的方法,用于立体定位的摄像机手眼标定,该方法通过保持机器人末端执行器到机器人参考坐标系旋转矩阵来简化复杂的相机标定过程,最后通过实验验证了该方法的可行性,并分析了实验误差产生的原因,并提出了相应的解决措施。     

基于遗传优化自抗扰控制器的机器人无标定手眼协调

研究机器人无标定手眼协调控制,提出了自适应遗传算法(AGA)选取与优化自抗扰控制器(ADRC)参数的方法,较好地解决了其过多参数难以调节的问题．采用两个结构相同的一阶ADRC实现了六自由度机器人的无标定视觉跟踪控制,以及Motoman-SV3XL机器人的视觉定位．实验结果验证了算法的可行性和有效性．     

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。     

神经网络PID 控制的机器人视觉反馈跟踪

探讨针对视觉空间的非完整移动机器人的跟踪控制问题。在不校准摄像机视觉参数的情况下,利用视觉反馈得到的信息,设计出非完整移动机器人轨迹跟踪的神经网络控制器。将BP网络与PID控制相结合,避免复杂的公式推导,解决参数不校准下的控制问题,并很好的实现跟踪。仿真结果证明了文中方法的有效性。     

基于黎曼流型度量的人工鱼群算法视觉跟踪

针对经典的基于协方差算子的跟踪方法不能适应目标的遮挡及其全局搜索造成的过多计算消耗问题,提出了一种在黎曼流型度量上的人工鱼群算法的视觉跟踪方法。该方法将融合了目标的位置、颜色、梯度等特征区域的协方差算子作为目标的表观模型,以提高它对姿态变化以及亮度变化的适应性。利用人工鱼群算法搜寻目标与候选目标之间最优的匹配,其并行运算机制提高了跟踪算法的效率,其全局搜索的能力则提高了算法对遮挡问题的鲁棒性。实验结果表明,该算法在复杂背景情况下具有目标跟踪的鲁棒性。     

基于神经网络的工业机器人视觉抓取系统设计

针对机器人示教编程方法导致的工件位置固定、抓取效率低下的问题,研究神经网络在机器人视觉识别与抓取规划中的应用,建立了视觉引导方案,通过YOLOV5神经网络模型开发视觉识别系统,识别物体的种类,同时获取待抓取物体定位点坐标。提出了机器人六点手眼标定原理并进行标定实验,提出了针对俯视图为圆形或长方形物体的定位方法。最后针对3种物体进行了180次的抓取实验,实验的综合平均抓取成功率约为92.8%,验证了视觉识别和抓取机器人系统具备实际应用的可能性,有效提高了抓取效率。     

基于Mean Shift的视觉目标跟踪算法综述

基于Mean Shift的视觉跟踪算法具有计算复杂度低、调节参数少、稳健性较好和易于工程实现等优点,是目前视觉跟踪领域的重要研究方向。首先介绍了经典的Mean Shift跟踪算法,分析了此跟踪框架存在的缺陷。然后从目标模型表达、模型更新、尺度与方向佑计、抗遮挡跟踪和快速目标跟踪等J个方面详细地综述了Mean Shift跟踪算法的发展与改进。针对上述每个方面,对典型方法与最近研究成果进行了介绍与评述。最后展望了Mean Shift跟踪今后的研究方向与发展趋势。     

基于深度学习的视觉跟踪算法研究综述

视觉跟踪是计算机视觉的重要研究领域之一。传统的视觉跟踪算法难以很好地解决复杂背景中的跟踪问题,如光线变化、目标发生较大的尺寸和姿态变化或目标被遮挡等。而深度学习的引入为视觉跟踪研究开辟了新的途径。但目前国内外基于深度学习的视觉跟踪研究文献相对较少,为 吸引更多视觉跟踪领域研究者对深度学习进行探索和讨论,并推动视觉跟踪算法的研究,简要介绍了视觉跟踪和深度学习的研究现状,重点分析了基于深度学习的视觉跟踪算法的相关文献,讨论了各算法的优缺点,最后提出了进一步研究的方向以及对基于深度学习的视觉跟踪算法的展望。