[发明专利]一种基于视觉伺服的机械臂目标跟踪方法

说明书

本发明的一个实施例公开了一种基于视觉伺服的机械臂目标跟踪方法，包括以下步骤：在图像识别周期内图像采集及特征识别模块利用工业摄像头实时采集目标的图像特征，检测出图像特征坐标信息；视觉伺服运算模块根据所述图像特征坐标信息进行图像雅可比矩阵在线估计，计算出当前时刻机械臂末端的空间速度；机械臂运动控制器模块将所述当前时刻机械臂末端的空间速度转化为机械臂控制周期内关节目标角速度，利用机械臂控制周期时间常数积分为机械臂关节目标角度；在所述利用机械臂控制周期时间常数积分为机械臂关节目标角度的同时，速度前馈补偿模块对机械臂关节目标角度进行动态补偿，实时调整机械臂关节目标角度，完成目标的跟踪。

技术领域

本发明涉及机器视觉领域，更具体地，涉及一种基于视觉伺服的机械臂目标跟踪方法。

背景技术

工业机器人领域对制造业智能化和柔性化程度提出了新的要求，工业机器人的市场需求也从传统的工业机器人结构化场景、重复性操作、灵活性差的应用场景逐渐相多样式、小批量，智能化的生产方式取代，对工业机器人具备感知外界环境变化的能力提出了新要求，而基于视觉的伺服控制技术可解决一些场景下的关键问题，如末端辅助柔性装配，空间目标对接等。

视觉伺服控制在技术上包括基于图像的、基于位置的、基于2.5D的视觉伺服控制方法。基于图像的视觉伺服方法中最重要的就是确定图像雅可比矩阵的参数，一般可常用刚体运动模型推导出线性化图像雅可比矩阵，也有学者不考虑相机标定信息，利用卡尔曼滤波实时在线估计图像雅可比矩阵，但是在实际操作任务中，视觉系统的延迟，机械臂的动力学等都会对系统产生影响。

中国发明专利(申请号201811643848.0)名称“一种基于SVM和比例控制的视觉伺服方法”公开了基于SVM训练模型对样本数据进行训练，输出基于SVM的雅克比矩阵，然后、基于当前图像与目标图像的图像特征差值向量及雅克比矩阵，获得机器人达到目标位置时的期望关节角向量。但该方法中SVM算法时间消耗较大，视觉识别周期会加大，导致远远大于机器人控制周期，系统控制并且达不到实时性的要求，伺服系统动态滞后会加大。而且SVM训练得到的结果十分依赖训练样本的选取，雅可比矩阵的计算准确值会受到样本影响产生偏差。

发明内容

本发明的目的在于提供一种基于视觉伺服的机械臂目标跟踪方法，在基于图像的视觉伺服的基础上加入α-β滤波方法改进图像雅可比矩阵的估计，而且将视觉伺服计算出的关节目标角速度作为前馈补偿进入机器人控制周期内，提高了机械臂视觉伺服的动态跟踪能力和速度平稳性。

为实现上述目的，本发明提供如下方案：

本发明提供了一种基于视觉伺服的机械臂目标跟踪方法，包括以下步骤：

在图像识别周期内图像采集及特征识别模块利用工业摄像头实时采集目标的图像特征，检测出图像特征坐标信息；

视觉伺服运算模块根据所述图像特征坐标信息进行图像雅可比矩阵在线估计，计算出当前时刻机械臂末端的空间速度；

机械臂运动控制器模块将所述当前时刻机械臂末端的空间速度转化为机械臂控制周期内关节目标角速度，利用机械臂控制周期时间常数积分为机械臂关节目标角度；

在所述利用机械臂控制周期时间常数积分为机械臂关节目标角度的同时，速度前馈补偿模块对机械臂关节目标角度进行动态补偿，实时调整机械臂关节目标角度，完成目标的跟踪。

在一个具体实施例中，所述目标的图像特征为平面矩形顶点标注的四个图像特征。

在一个具体实施例中，所述图像特征为圆形图像特征；

所述在图像识别周期内图像采集及特征识别模块利用工业摄像头实时采集目标的图像特征，检测出图像特征坐标信息之前，所述方法还包括：

将工业摄像头通过工装固定在六自由度的机械臂末端；