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.     

MOTOMAN-SV3XL机器人手眼视觉立体定位系统

分析了基于恒定旋转矩阵的机器人视觉立体定位方法原理,提出利用机器人控制命令参数直接获取恒定旋矩阵的方法,该方法大大简化了摄像机内外参数的标定过程。设计了MOTOMAN-SV3XL机器人手眼视觉控制系统,制了相应的控制软件,进行了大量的实验研究,并取得了良好的效果。     

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。     

软体机械臂水下自适应鲁棒视觉伺服

水下仿生软体机器人在水底环境勘测, 水下生物观测等方面具有极高的应用价值. 为进一步提升仿章鱼臂软体机器人在特殊水下环境中控制效果, 提出一种自适应鲁棒视觉伺服控制方法, 实现其在干扰无标定环境中的高精度镇定控制. 基于水底动力学模型, 设计保证动力学稳定的控制器; 针对柔性材料离线标定过程繁琐、成本高, 提出材料参数自适应估计算法; 针对水下特殊工作条件, 设计自适应鲁棒视觉伺服控制器, 实现折射效应的在线补偿, 并通过自适应未知环境干扰上界, 避免先验环境信息的求解. 所提算法在软体机器人样机中验证其镇定控制性能, 为仿生软体机器人的实际应用提供理论基础.     

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。     

工业机器人手眼视觉伺服控制系统设计

针对手眼视觉伺服系统中,传统图像雅克比矩阵存在参数难确定、目标运动不确定等问题,提出在线估计复合图像雅克比矩阵的视觉伺服方法。通过Kalman滤波器在线估计复合图像雅克比(Jacobian)矩阵,基于Lyapunov原理设计了视觉伺服控制器,实现了图像特征误差渐进收敛和运动目标的稳定跟踪。平面二连杆机器人仿真分析验证了所提算法的有效性。     

视觉和超声信息的融合与机器人伺服控制的研究

本文对视觉和超声信息的融合与机器人的伺服控制进行了研究。通过视觉和多超声传感器信息的融合确定了工作平面上的物体在空间的位姿，并结合机器人的伺服控制选择了物体的特征向量，推导了物体特征向量的微分变化。基于这一微分变化，本文提出了改进型的最优控制算法。并对其稳定性进行了证明，仿真实验表明该控制算法效果良好，切实可行。     

简便高精度的机器人手眼视觉标定方法

对摄像机成像模型进行了分析,论述了机器人手眼系统标定原理。在此基础上,不改变机器人的外臂与基坐标系的旋转关系,设计了一种机器人手眼视觉的标定方法,与传统的方法比较,它不需要预先标定摄像机的内外参数。实验证明:该方法具有算法方便快捷、实验过程简单易行,且精度高等优点,可用于机器人进行运动目标定位与跟踪。     

未知环境下的机器人视觉/力觉混合控制

在实际的接触型作业任务中,需要在控制位置的同时控制末端执行器与环境之间的接触力.针对这一问题,通过力反馈信息对未知环境中的法线方向进行估计,并采用最小二乘方法估计图像雅可比矩阵.提出一种基于视觉/力觉的混合控制算法,给出了视觉/力觉混合控制的约束条件,对视觉采用变结构控制器,力控制采用PI控制器.实验结果表明,该策略具有较高的力控制精度和曲线跟踪能力.     

微操作机器人的视觉伺服控制

视觉伺服控制是微操作机器人实现精确运动,完成自动操作的必要手段．本文介绍 了实现微操作机器人视觉伺服控制的方法．首先论述了微操作机器人的视觉伺服结构,并以 建立的面向生物工程的双手微操作机器人系统为例,介绍了基于二维显微视觉信息的三自由 度柔性铰链微操作机器人的运动学建模方法,针对压电驱动器控制器的特点提出了基本的PI D视觉伺服控制规律实现方法,并进行了点到点运动和圆轨迹跟踪实验．实验结果表明,视 觉伺服控制克服了由于标定以及环境等因素导致的运动模型不准确而引入的误差．     

Shape Morphing-Based Control of Robotic Visual Servoing

We present an approach for controlling robotic interactions with objects, using synthetic images generated by morphing shapes. In particular, we attempt the problem of positioning an eye-in-hand robotic system with respect to objects in the workspace for grasping and manipulation. In our formulation, the grasp position (and consequently the approach trajectory of the manipulator), varies with each object. The proposed solution to the problem consists of two parts. First, based on a model-based object recognition framework, images of the objects taken at the desired grasp pose are stored in a database. The recognition and identification of the grasp position for an unknown input object (selected from the family of recognizable objects) occurs by morphing its contour to the templates in the database and using the virtual energy spent during the morph as a dissimilarity measure. In the second step, the images synthesized during the morph are used to guide the eye-in-hand system and execute the grasp. The proposed method requires minimal calibration of the system. Furthermore, it conjoins techniques from shape recognition, computer graphics, and vision-based robot control in a unified engineering amework. Potential applications range from recognition and positioning with respect to partially-occluded or deformable objects to planning robotic grasping based on human demonstration.     

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.     

FCMAC控制在基于图像的机器人视觉伺服中的应用

以二自由度平面机器人为研究对象,将FCMAC控制方法应用到基于图像的机器人视觉伺服系统中.建立了系统的数学模型,并在Matlab平台上对该系统进行仿真实验.仿真结果表明,本文的控制系统对静态目标定位、对直线运动目标及曲线运动目标进行跟踪,可以获得较快的响应速度和较高的控制精度.     

肌腱驱动连续体/软体机器人控制策略

深入分析了为肌腱驱动连续体机器人开发的各种控制器,以作为肌腱驱动连续体机器人领域未来应用的参照.控制策略分为基于模型的控制和无模型控制,其中,基于模型的控制可分为静态控制、动态控制及几何运动学模型控制;而无模型控制是一个相对未知的领域,本文主要从无模型静态控制、无模型动态控制及无模型形状感知控制3个方面进行全面分析.最后,对基于模型和无模型的各种控制策略进行了综合评价,并对该领域未来的研究方向进行了展望.     

连续软体机器人的结构范型与形态复现

为提出连续软体机器人的设计与分析通用理论,根据当前连续软体机器人的运动特征和细长软体生物纵肌结构抽象出通用的结构范型（GSP）,并由此建立了连续软体机器人在驱动空间、构型空间和任务空间中的一般运动学．针对这类机器人在构型空间中灵活运动或操作的需求,提出一种细长软体机器人对任意目标曲线的形态复现算法,并采用离散Fréchet距离评价形态复现的相似性．通过仿真和实验,以形状记忆合金（SMA）弹簧驱动的双软体模块机器人为例验证了结构范型与一般运动学的正确性．此外,以仿生运动曲线等为目标曲线,以组合案例分析曲线形状、关节数量和关节参数对复现效果的影响．结果表明,软体单元模块数量越多或其最大弯曲角越大,形态复现的相似性越高．     

一种五自由度视觉伺服机器人的跟踪控制研究

提出了一种基于图像的视觉伺服机器人系统的结构，以及该系统跟踪平面运动目标的算法. 该系统有5个自由度，包括一个3自由度的机器人和一个2自由度的手腕，手腕安装在机器人末端，而摄像机安装在手腕末端. 由于具有较小的运动惯量，手腕可快速旋转，以实现对运动目标的跟踪. 而在需要时，3自由度的机器人可将摄像机移动到适当的位置， 对目标进行更为仔细的观察. 该系统实现了对运动目标的跟踪. 此外，还提出了提高系统性能的方法，实验证实这些方法是有效的.     

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.     

移动机器人视觉控制系统

机器人由图像采集系统,模式识别系统,控制系统,传感器和各种执行单元构成。我们采用工控机,配合图形采集卡,进行图像的采集和处理。控制系统主要由单片机构成。识别系统将处理结果通过编码发送到控制系统,由控制系统融合触觉,接近觉等其它传感器信息,控制各种功能执行单元。     

具有未知视觉参数的非完整移动机器人的自适应动态反馈跟踪控制

基于视觉反馈和标准链式形式,研究了一类不确定非完整移动机器人的轨迹跟踪控制问题.首先,利用针孔摄像机模型,提出了一种新的基于视觉伺服的移动机器人运动学跟踪误差模型.基于这个模型,在具有不确定视觉参数的情形下,利用back-stepping技术,设计出了一种新的自适应动态反馈跟踪控制器,实现了全局渐近的轨迹跟踪,并通过李亚普诺夫方法严格证明了闭环系统的稳定性和估计参数的有界性.仿真结果证明了所提出的控制器的有效性.