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.     

鲁棒卡尔曼滤波下的图像雅可比矩阵带时延补偿的估计

传统的图像雅可比矩阵估计的方法没有考虑时延因素,因此具有较大的估计误差.为补偿时延带来的影响,提出一种鲁棒卡尔曼滤波的方法,实现时延情况下当前时刻特征点在图像空间中位置和速度的估计,进而得到时延情况下较为准确的图像雅可比矩阵的估值.具体说,特征点在图像空间中当前时刻位置和速度是首先用卡尔曼滤波的方法估计的,但观测噪声的描述却采用了马尔科夫链模型,由此产生了过程噪声和观测噪声的互相关,传统卡尔曼滤波受限.为此,我们引入滤波修正向量并重新定义过程方程及观测方程,结合卡尔曼滤波中噪声的数学特性,得到滤波修正向量消除互相关性,从而构建出鲁棒卡尔曼滤波模型;其次,针对鲁棒卡尔曼滤波模型中存在的无法获得时延期间的观测向量的问题,提出利用多项式拟合出这部分观测向量,该多项式的选取综合考虑了特征点的位置、速度、加速度、加速度的变化率对于特征点轨迹的影响,与实际情况相符;最后,由预测出的当前时刻特征点在图像空间中的位置和速度,实现时延情况下图像雅可比矩阵较为准确的估计.仿真和实验结果验证了本文方法的可行性和优越性.     

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。     

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.     

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.     

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．     

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。     

基于双目视觉模型的自适应控制

对于基于图像的具有手眼或固定摄像机模式的双目视觉伺服控制系统,考虑机器人的运动学特性,在摄像机的内外参数部分未知的情况下,给出了一种直接自适应控制器实现定位控制,设计了一种新的自适应估计方法在线估计图像雅可比矩阵;利用李亚普诺夫的方法证明了图像误差的渐近收敛性.仿真结果验证了该方法的有效性.     

Calibration-free robotic eye-hand coordination based on an auto disturbance-rejection controller

This paper addresses the calibration-free robotic eye-hand coordination in a way other than the conventional image Jacobian matrix approach that has been studied extensively in literature. A nonlinear mapping rather than the linear mapping used in the image Jacobian matrix between the image space and the robotic control space is proposed. This mapping is regarded as the system's unmodeled dynamics expressed in system state equations. An extended state observer is designed first to estimate the unmodeled dynamics as well as the external disturbance of the system. With the estimation results as the compensation, a system controller is designed based on the nonlinear state-error feedback control strategy. Convergence of the extended state observer as well as the overall controller for a typical eye-hand coordination system is proved. Compared with the conventional calibration-free robotic eye-hand coordination with a Jacobian matrix, the proposed controller is independent of specific tasks and system configurations. Thus, a general design procedure is proposed for the calibration-free robotic eye-hand coordination. Simulation and experiment results demonstrate the satisfactory performance and effectiveness of the proposed approach.     

Markov models for digraph panel data: Monte Carlo-based derivative estimation

A parametric, continuous-time Markov model for digraph panel data is considered. The parameter is estimated by the method of moments. A convenient method for estimating the variance-covariance matrix of the moment estimator relies on the delta method, requiring the Jacobian matrix—that is, the matrix of partial derivatives—of the estimating function. The Jacobian matrix was estimated hitherto by Monte Carlo methods based on finite differences. Three new Monte Carlo estimators of the Jacobian matrix are proposed, which are related to the likelihood ratio/score function method of derivative estimation and have theoretical and practical advantages compared to the finite differences method. Some light is shed on the practical performance of the methods by applying them in a situation where the true Jacobian matrix is known and in a situation where the true Jacobian matrix is unknown.     

一种新的码片内多径时延估计方法

根据信道冲激响应的稀疏特性,提出了一种频域的时延估计压缩感知模型,将时延估计问题转化为基于欠采样数据的稀疏向量估计问题.利用离散傅里叶变换(Discrete Fourier transform,DFT)矩阵的子矩阵所满足的受限等距性(Restricted isometry property,RIP)以及信道冲激响应的稀疏特性充分降低了时延估计所需数据量的要求.分析了本文模型具有码片内多径分辨能力以及良好抗噪性能的原因,并与多信号分类(Multiple signal classification,MUSIC)和旋转不变技术的信号参数估计(Estimation of signal parameters via rotational invariance technique,ESPRIT)算法的时延估计性能进行仿真比较.仿真结果表明,本文提出的方法不需要预知多径的条数,对码片内多径时延具有较高的估计精度,其时延估计性能在特定条件下优于MUSIC和ESPRIT算法.     

含正弦扰动奇异摄动时滞系统的最优减振控制

研究奇异摄动时滞系统在正弦扰动下的最优减振控制问题．基于奇异摄动的快慢分解理论,将原最优控制问题转化为无时滞快子问题和受扰线性时滞慢子问题,通过摄动法和前馈补偿技术求解时滞慢子系统的最优控制问题,得到了系统的前馈反馈组合控制(FFCC)律及其存在唯一性条件．FFCC律由线性解析项和共态向量无穷级数和表示的时滞补偿项组成,其中线性解析项可通过求解Riccati方程和Sylvester方程得到,时滞补偿项通过递推求解共态向量方程得到,仿真算例表明了方法的有效性．     

基于时序关联矩阵的高炉冶炼过程多重关联时延估计方法

高炉冶炼过程由炉料传输反应时间和冶炼单元在空间和时间分布上的差异带来的变量时延影响了数据的准确性和真实因果关系, 因此有效地估计过程变量间的时延信息, 并在时序上配准数据, 是后续过程建模、优化控制与性能评估的核心. 考虑到变量间时延的多重关联性, 提出了一种基于时序关联矩阵的时延参数估计方法. 首先, 根据过程变量的时延参数在时空上重构对应的时序关联矩阵, 并引入灰色关联分析量化时序矩阵的多重关联相关性; 接着, 考虑到穷举所有时序关联矩阵的时间复杂度, 提出了一种双尺度协同搜索策略的动态多群粒子群算法用于快速寻找最优的时延参数, 提出的粒子群算法能兼顾全局探索能力和局部探测能力并跳出局部最优解; 最后, 基于一个数值仿真和某钢铁厂2# 高炉的工业实验验证了所提时延参数估计方法的可行性和有效性, 且通过所提方法在时序上重构的数据能有效提高后续硅含量软测量模型性能.     

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。