[发明专利]一种基于眼在手上结构的视觉伺服系统的PD-SMC控制方法

说明书

本发明涉及视觉伺服系统领域，具体涉及一种基于眼在手上结构的视觉伺服系统的PD‑SMC控制方法。本发明针对现有视觉伺服系统控制方法中存在的不确定性和计算量大等问题。本发明首先设置期望图像，将期望图像的特征点集合作为期望视觉特征集；系统初始化后，以摄像机和目标体的相对位姿的当前状态为基准对目标期望图像作投影变换，得到摄像机当前成像图像；在视觉伺服控制器部分采用所提PD‑SMC方法，关节控制器部分使用比例控制方法；再从当前成像图像中提取视觉特征集，计算图像雅克比矩阵，进而计算摄像机在笛卡尔空间中的控制量u；计算摄像机坐标系中目标体的位姿，将其作为当前位姿，重复以上操作，直至误差为0。本发明可应用于目标抓取设备。

技术领域

本发明涉及视觉伺服系统领域，具体涉及一种基于眼在手上结构的视觉伺服系统的PD-SMC控制方法。

背景技术

随着制造业领域对机械加工设备的灵活性、有效性的需求越来越高，视觉反馈被引入控制环路中来处理执行机构与环境间的动态相互作用以此满足多种自动化加工任务。摄像机作为视觉传感器应用于反馈系统中使其形成一个视觉伺服系统，视觉伺服按其反馈信息的不同可分为基于位置的视觉伺服(PBVS)和基于图像的视觉伺服(IBVS)。PBVS系统使用由图像信息转换成的目标相对于执行机构末端的位姿信息作为反馈信息，给出机构在直角坐标空间中的运动指令并传给其关节控制器完成控制任务。该方式属于在笛卡尔空间中描述任务，符合机器人学习习惯，然而该方式需要对摄像机进行标定并对目标体建模，控制精度依赖于从图像到位姿的估计精度、摄像机的成像几何模型及标定精度，保证这一过程的准确性很难，同时需求解机器人逆运动学方程，增大了计算量。IBVS系统直接使用图像特征作为反馈信息，由图像特征误差信号计算得到控制量，驱动执行机构完成伺服任务。该方式减少了位姿估计环节，缩减了计算量，同时也对摄像机模型误差和运动学标定误差相对不敏感。然而该方式需要实时对执行机构末端的变化量与图像特征变化量之间的图像雅可比矩阵进行估计，可能受到内参数及外参数不确定而带来的影响，摄像机内参包括焦距、主点、比例系数，外参指图像雅可比矩阵中的估计深度，深度估计属于计算机视觉中的难点。因此，需提出一种便捷有效的方式来克服以上不足，使IBVS系统得到更广泛的应用。

比例积分微分控制(PID)、预测控制、滑模控制及自适应控制均已被提出用来处理以上问题，这些控制方法的主要思想是产生速度或加速度向量作为控制输入来引导执行机构末端到达目标点。P控制或PD控制收敛效果良好，但面对由图像噪声或运动抖动引起的突发变化时，此种控制方式难以满足要求。预测控制及自适应控制计算量很大，滑模控制因其对系统模型及系数不确定性的强鲁棒性长久以来有着广泛的应用。基于此，一种组合的PD-SMC控制方法被提出用来克服传统IBVS系统中参数不确定带来的影响，同时保证系统全局的快速准确收敛性能。

大多数IBVS系统因其结构的简单，控制方案在2自由度或3自由度执行机构上完成。6自由度执行机构因其构架的灵活性和拥有更大的工作空间更适用于实际应用，但其实时控制相对于低自由度也更困难。

发明内容

针对上述问题，本发明将PD控制和SMC控制二者组合形成混合的控制方法运用在基于眼在手上结构的视觉伺服系统完成控制任务。

本发明为解决上述问题采取的技术方案是：一种基于眼在手上结构的视觉伺服系统上实现的PD-SMC控制方法，所应用的基于眼在手上结构的视觉伺服系统，包括视觉伺服控制部分和关节控制部分；所述视觉伺服控制部分包括摄像机，第一计算机和第二计算机；所述关节控制部分包括控制器和六自由度机械臂(Denso机器人)，摄像机安装在六自由度机械臂末端；第一计算机通过控制器连接六自由度机械臂，并通过通信网将命令传递给第二计算机，第二计算机连接六自由度机械臂并获得图像数据，再将图像数据传递回第一计算机，形成运动-反馈-运动循环，

具体步骤包括：

步骤a、捕捉目标图像，首先确定摄像机和目标体的相对位姿，采集此时的图像作为目标期望图像，将期望图像的特征点集合作为期望视觉特征集；