[发明专利]一种机器人定位控制方法、终端设备及存储介质

说明书

本发明涉及一种机器人定位控制方法、终端设备及存储介质，该方法中包括：S1：采集不同时刻机器人的图像特征，构建小波Elman网络模型，将采集的图像特征作为模型的输入，系统定位的状态向量作为模型的输出，对模型的参数进行训练，以使模型输出的状态向量跟踪通过卡尔曼滤波算法预测的状态向量，将训练后的模型作为最终模型；S2：将机器人的图像特征I(t)输入最终模型得到最终状态向量X₁(t)，将最终状态向量X₁(t)转换为微分矩阵G(t)；S3：根据微分矩阵G(t)计算机器人的控制量U^R(t)；S4：根据机器人的控制量U^R(t)对机器人的运动进行控制。本发明实现了机器人单目视觉大空间定位控制，既能保证机器人系统鲁棒稳定，又使得伺服系统具有一定的环境自适应性。

技术领域

本发明涉及机器人技术领域，尤其涉及一种机器人定位控制方法、终端设备及存储介质。

背景技术

机器人技术日新月异，应用领域不断推广，特别是智能服务型机器臂工作环境特殊，此类机器人要求执行多样任务，应对多变环境，以致自身定位控制技术面临挑战。视觉传感利用视觉反馈信息调整机器人姿态，由此构成视觉闭环反馈控制技术，有利于提高机器人任务操作的灵活性，与环境自适应性，在机器人操作研究中具有重要地位。

机器人视觉反馈控制技术广泛分为基于位置的视觉伺服(PBVS)和基于图像的视觉伺服(IBVS)。PBVS方法其计算基础是视觉测量技术，视觉系统通过图像特征计算目标物3D笛卡尔坐标位置，并根据已知的目标几何模型，与机器人系统标定参数估计目标姿态，伺服控制器再根据机器人与目标之间的相对位姿进行轨迹规划并实施任务操作。与PBVS过分依赖于目标3D重建技术不同，IBVS视觉伺服直接以2D图像特征为反馈信息，将当前图像特征与期望特征之间的图像误差映射到机器人运动空间中，由图像误差计算机器人控制量并实施运动控制。IBVS省略了目标3D重建而得到广泛关注。然而，IBVS视觉伺服控制技术过于依赖映射微分矩阵，求解非线性微分矩阵是实现IBVS方法的前提条件，而现有大部分求解方法受限于机器人严格标定条件。因此在非结构非标定环境中，建立新型无模型视觉伺服控制方法意义显著。

发明内容

为了解决上述问题，本发明提出了一种机器人定位控制方法、终端设备及存储介质。

具体方案如下：

一种机器人定位控制方法，包括以下步骤：

S1：采集不同时刻机器人的图像特征，构建小波Elman网络模型，将采集的图像特征作为模型的输入，系统定位的状态向量作为模型的输出，对模型的参数进行训练，以使模型输出的状态向量跟踪通过卡尔曼滤波算法预测的状态向量，将训练后的模型作为最终模型；

S2：将机器人的图像特征I(t)输入最终模型得到最终状态向量X₁(t)，将最终状态向量X₁(t)转换为微分矩阵G(t)，其中，x_n*m(t)＝g_nm(t)，x_n*m表示向量X₁(t)的第n×m个元素，g_nm表示矩阵G(t)的第n行中第m列的元素；

S3：根据微分矩阵G(t)计算机器人的控制量U^R(t)：

U^R(t)＝λΔtG(t)^T(G(t)G(t)^T)^-1I_e(t)+U^R(t-1)

I_e(t)＝I(t)-I^*

其中，上标T表示矩阵的转置，λ为控制系数，Δt表示时刻t和时刻t-1的时间差，I_e(t)为t时刻的图像特征误差，I^*为机器人的期望图像特征；