本文關鍵詞：機器人視覺伺服系統(tǒng)中圖像雅可比矩陣的在線估計方法，由筆耕文化傳播整理發(fā)布。

【摘要】：機器人視覺伺服是機器人領域的一個重要研究方向。在基于圖像的視覺伺服系統(tǒng)中,使用圖像雅可比矩陣來描述圖像特征變化與機器人位姿變化之間的映射關系,這個關系是高度非線性的,需要在機器人運動過程中實時更新。傳統(tǒng)視覺伺服方法獲取圖像雅可比矩陣需要精確的攝像機標定模型和機器人運動學模型,但實際中由于種種原因難以實現(xiàn)。因此,在無標定環(huán)境下在線估計圖像雅可比矩陣的視覺伺服方法成為一個研究熱點方向。無標定視覺伺服避免了傳統(tǒng)基于標定視覺伺服中復雜耗時的系統(tǒng)標定過程,具有重要的理論研究意義及廣闊的工業(yè)應用前景。本文在總結了機器人無標定視覺伺服國內外研究現(xiàn)狀的基礎上,從基于濾波器方法和基于非線性視覺映射模型估計方法兩個方向,深入研究了無標定視覺伺服系統(tǒng)中圖像雅可比矩陣的在線估計方法。主要研究工作包括：(1)針對傳統(tǒng)圖像雅可比矩陣在線估計方法在處理非線性問題上存在不足,提出了一種基于平方根無跡卡爾曼濾波的圖像雅可比矩陣在線估計方法。該方法以圖像雅可比矩陣的元素作為系統(tǒng)狀態(tài),將問題轉變?yōu)閷ο到y(tǒng)狀態(tài)的估計,再引入能處理非線性問題的平方根無跡卡爾曼濾波對系統(tǒng)狀態(tài)進行估計,從而實現(xiàn)對圖像雅可比矩陣的在線估計,避免了復雜的系統(tǒng)標定過程。(2)提出了基于在線支持向量回歸的圖像雅可比矩陣在線估計方法。由于常規(guī)基于神經網絡及支持向量回歸的智能學習方法需要離線學習,如果模型發(fā)生變化則需要整體重新訓練,很難適應實際情況,因此提出了基于在線支持向量回歸的圖像雅可比矩陣在線估計方法。該方法采用可在線學習非線性映射模型的在線支持向量回歸算法不斷學習圖像特征空間與機器人關節(jié)空間之間的映射關系,從而實現(xiàn)對圖像雅可比矩陣的在線估計,避免了常規(guī)神經網絡及支持向量回歸算法重新訓練時的復雜運算。(3)搭建了機器人視覺伺服系統(tǒng)的實驗平臺。基于MOTOMAN-MH12工業(yè)機器人、Smartek工業(yè)相機、主控計算機等構建了硬件系統(tǒng)；在Windows系統(tǒng)下的Visual Studio 2010開發(fā)環(huán)境中基于MFC開發(fā)了集成軟件平臺,包括圖像采集處理與圖像特征提取、機器人運動控制、無標定視覺伺服算法和人機交互界面等模塊。對于本文提出的圖像雅可比矩陣在線估計方法在Matlab平臺上進行了仿真實驗、在機器人視覺伺服系統(tǒng)實驗平臺上進行了實物實驗,實驗結果驗證了本文提出的兩種方法的有效性。
【關鍵詞】：機器人 無標定視覺伺服 圖像雅可比矩陣 平方根無跡卡爾曼濾波 在線支持向量回歸
【學位授予單位】：湖南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP242;TP391.41
【目錄】：

• 摘要5-7
• Abstract7-12
• 第1章 緒論12-22
• 1.1 研究背景及意義12-13
• 1.2 機器人視覺伺服13-17
• 1.2.1 機器人視覺伺服發(fā)展概述13-14
• 1.2.2 機器人視覺伺服系統(tǒng)分類14-17
• 1.3 機器人無標定視覺伺服17-20
• 1.3.1 問題的提出17
• 1.3.2 機器人無標定視覺伺服國內外研究現(xiàn)狀17-20
• 1.4 論文的主要研究內容及結構安排20-22
• 1.4.1 主要研究內容20-21
• 1.4.2 結構安排21-22
• 第2章 基于圖像的無標定視覺伺服22-32
• 2.1 機器人視覺伺服基礎知識22-26
• 2.1.1 坐標系關系22
• 2.1.2 攝像機模型22-24
• 2.1.3 機器人運動學模型24-25
• 2.1.4 機器人雅可比矩陣25
• 2.1.5 圖像特征的選取25-26
• 2.2 圖像雅可比矩陣26-28
• 2.2.1 圖像雅可比矩陣的定義26-27
• 2.2.2 圖像雅可比矩陣的推導實例27-28
• 2.3 無標定視覺伺服算法28-31
• 2.3.1 非線性方差最小化法求解關節(jié)角29-30
• 2.3.2 Broyden法估計圖像雅可比矩陣30-31
• 2.4 本章小結31-32
• 第3章 基于平方根無跡卡爾曼濾波的圖像雅可比矩陣在線估計方法32-42
• 3.1 引言32-33
• 3.2 平方根無跡卡爾曼濾波算法原理33-36
• 3.2.1 無跡變換(Unscented Transform)33-34
• 3.2.2 平方根無跡卡爾曼濾波實現(xiàn)步驟34-36
• 3.3 基于SR-UKF的圖像雅可比矩陣在線估計36-38
• 3.3.1 總圖像雅可比矩陣36-37
• 3.3.2 基于SR-UKF的總圖像雅可比矩陣在線估計37-38
• 3.4 仿真實驗38-41
• 3.4.1 跟蹤圓周運動目標38-39
• 3.4.2 跟蹤方形運動目標39-41
• 3.5 本章小結41-42
• 第4章 基于在線支持向量回歸的圖像雅可比矩陣在線估計方法42-55
• 4.1 引言42-43
• 4.2 在線支持向量回歸算法原理43-48
• 4.2.1 支持向量回歸43-46
• 4.2.2 基于增量學習的OL-SVR46-48
• 4.3 基于在線支持向量回歸的圖像雅可比矩陣在線估計48-50
• 4.4 仿真實驗50-54
• 4.4.1 定位靜止目標50-52
• 4.4.2 跟蹤運動目標52-54
• 4.5 本章小結54-55
• 第5章 基于圖像雅可比矩陣的無標定視覺伺服實驗研究55-69
• 5.1 系統(tǒng)硬件結構55-58
• 5.1.1 工業(yè)機器人系統(tǒng)56-57
• 5.1.2 工業(yè)相機57-58
• 5.1.3 主控計算機58
• 5.2 系統(tǒng)軟件結構58-62
• 5.2.1 圖像采集處理與圖像特征提取59-60
• 5.2.2 機器人控制60
• 5.2.3 人機交互界面60-62
• 5.3 三自由度無標定視覺定位實驗62-68
• 5.3.1 基于平方根無跡卡爾曼濾波的無標定視覺定位實驗62-65
• 5.3.2 基于在線支持向量回歸的無標定視覺定位實驗65-68
• 5.4 本章小結68-69
• 結論與展望69-71
• 論文總結69-70
• 論文不足及展望70-71
• 參考文獻71-75
• 致謝75-76
• 附錄A 攻讀學位期間所發(fā)表的學術成果76

【相似文獻】

中國期刊全文數據庫 前10條

1 高振東;蘇劍波;;帶有時延補償的圖像雅可比矩陣估計方法[J];控制理論與應用;2009年01期

2 鐘春敏,華文林;2R-1P3R雙臂雕刻機器人操作手雅可比矩陣的建立[J];黃石高等�？茖W校學報;2000年04期

3 錢江;蘇劍波;;基于圖像雅可比矩陣的無標定二維運動跟蹤[J];模式識別與人工智能;2003年03期

4 張捷;劉丁;;基于魯棒信息濾波器的圖像雅可比矩陣在線估計[J];西安理工大學學報;2011年02期

5 趙清杰;陳云蛟;張立群;;基于粒子濾波的雅可比矩陣在線估計技術[J];北京理工大學學報;2008年05期

6 陳鋼;賈慶軒;孫漢旭;洪磊;;連續(xù)三軸平行機器人的避奇異規(guī)劃[J];北京郵電大學學報;2009年03期

7 王洪斌;李萍;;基于改進的卡爾曼濾波圖像雅可比矩陣估計[J];武漢理工大學學報;2009年14期

8 錢瑞明;鄭文緯;廖鵬凱;;三指機器人手的雅可比矩陣及條件數[J];東南大學學報;1993年S1期

9 劉文芳;邴志剛;盧勝利;路海龍;;帶時延補償的圖像雅可比矩陣在線估計方法[J];計算機工程與應用;2010年21期

10 陳芳芳;吳小鋒;;四自由度林業(yè)修剪機械臂速度分析及雅可比矩陣推導[J];機電產品開發(fā)與創(chuàng)新;2011年02期

中國重要會議論文全文數據庫 前2條

1 徐志友;余貽鑫;;潮流雅可比矩陣的對稱性指標[A];第十一屆全國電工數學學術年會論文集[C];2007年

2 倪受東;文巨峰;顏景平;;四自由度冗余度機器人雅可比矩陣的建立[A];中國儀器儀表學會第三屆青年學術會議論文集（下）[C];2001年

中國碩士學位論文全文數據庫 前6條

1 樊陽立;機器人視覺伺服系統(tǒng)中圖像雅可比矩陣的在線估計方法[D];湖南大學;2016年

2 張捷;機器人圖像雅可比矩陣在線估計算法研究[D];西安理工大學;2010年

3 劉毅;一種新型擬人機械腿的性能研究[D];浙江工業(yè)大學;2012年

4 郭藍彬;基于圖像雅可比矩陣的無標定工業(yè)機器人視覺伺服[D];西安理工大學;2006年

5 賈軍艷;機構運動分析與求解雅可比矩陣的計算機模擬法及應用[D];燕山大學;2006年

6 王茹;3-PRRU并聯(lián)機器人運動學設計[D];浙江理工大學;2011年

  本文關鍵詞：機器人視覺伺服系統(tǒng)中圖像雅可比矩陣的在線估計方法，由筆耕文化傳播整理發(fā)布。

，

本文編號：429930