[发明专利]具有速度方向控制的视觉伺服跟踪控制方法及机器人系统

说明书

本发明涉及一种具有速度方向控制的视觉伺服跟踪控制方法，包括：获取当前目标图像的特征向量s，根据期望目标图像的特征向量s_d，若||s‑s_d||小于预设值，则视觉伺服任务完成，否则计算图像特征对应的图像雅克比矩阵，利用具有速度方向调整的跟踪控制方法计算摄像头的空间速度V_c，从而驱动机械臂运动，重新获取目标物体当前图像特征，直至||s‑s_d||小于预设值；本发明对标定误差和深度误差具有鲁棒性，可以抑制目标特征在图像平面中的冗余运动，从而获得更加满意的图像平面轨迹，并且可以降低视觉伺服期间目标点离开视觉区域的风险，具有良好的实时性，为机器人视觉伺服控制问题提供了一种新的解决方案。

技术领域

本发明涉及视觉伺服技术领域，尤其涉及一种具有速度方向控制的视觉伺服控制方法及机器人系统。

背景技术

机器人视觉已经涉及到生活中的方方面面。视觉伺服(VS)是一种利用图像处理技术，将标记特征移动到期望位置的运动控制过程。它能够和许多学科交叉融合，例如最优化方法、滑模控制、模糊控制、鲁棒控制、切换控制、自适应控制、神经网络和强化学习等。一般来说，视觉伺服控制分为基于位置的视觉伺服(PBVS),基于图像的视觉伺服(IBVS)以及混合视觉伺服。PBVS需要获得目标的几何模型，相机的内部参数以及观测到的图像平面特征，然后估计目标到相机的相对位姿，最大限度地减小位姿误差是PBVS系统的主要任务，因此目标的几何模型和摄像头标定精度严重影响和制约了PBVS的性能。而且PBVS是在三维空间中进行控制，很难获得满意的图像平面运动轨迹，可能会导致图像特征离开视觉区域。与PBVS系统相比，IBVS系统中图像数据直接用于控制机器人，所以IBVS系统不需要任何的位姿估计而且它对相机和手眼标定误差具有鲁棒性。

目前，在第二类的IBVS系统中较为常见的算法包括：(1)比例控制器，该算法可以使图像特征误差以指数形式收敛；(2)模型预测控制器，该算法能够处理机器人在运动过程中的系统约束，例如图像边界约束和机器人关节约束；(3)增广的基于图像视觉伺服控制器，该方法将加速度作为控制指令，提高了系统的收敛速度等；(4)卡尔曼滤波神经网络，该算法常被应用于无标定视觉伺服环境中的机械臂控制；(5)基于图像矩和亮度特征的视觉伺服控制方法，该类算法能够实现一定程度的解耦控制，但是计算过程复杂，实时性和实用性不强。以上许多方法与经典的视觉伺服控制方法相比，控制效果提升有限，在抑制图像平面轨迹冗余运动方面依然存在不足。

发明内容

(一)要解决的技术问题

为了解决现有技术上存在的问题，本发明提供了一种具有速度方向控制的视觉伺服跟踪控制方法及机器人系统，能够在继承经典视觉伺服控制器对不确定参数具有鲁棒性的基础上，优化图像平面运动轨迹，抑制其冗余运动，大大降低图像特征离开视觉区域的风险。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

一种具有速度方向控制的视觉伺服跟踪控制方法，所应用的IBVS系统包括控制单元、机械臂和安装在机械臂执行器末端的摄像头，控制单元根据摄像头获取的图像信息提取出相应的视觉特征，进而生成控制指令驱动机械臂运动，摄像头随机械臂运动并再次获取图像，最终形成运动-反馈-运动的闭环结构，该闭环结构包括以下步骤：

101、设定摄像头和目标物体的相对位姿，获取此时目标物体的图像作为期望目标图像，并得到期望目标图像的特征向量s_d；

102、在六自由度机械臂的当前位置，获取摄像头在当前位置所采集的目标图像，并得到当前目标图像的特征向量s；

103、将所述当前目标图像的特征向量s与期望目标图像的特征向量s_d做差，获取图像特征误差s-s_d；