本文關(guān)鍵詞：基于圖像特征的機械臂視覺伺服控制研究，由筆耕文化傳播整理發(fā)布。

【摘要】：基于圖像的無標(biāo)定視覺伺服方法避免了位姿估計、逆運動學(xué)求解以及攝像機參數(shù)標(biāo)定的難題,僅需要這些參數(shù)的粗略值或者估計值即可實現(xiàn)機械臂的視覺伺服控制,具有計算量小、精度高、設(shè)計靈活等優(yōu)點。本文首先介紹了機械臂視覺伺服的基本理論,總結(jié)了無標(biāo)定視覺伺服方法的發(fā)展成果。其后,簡述了機械臂的運動學(xué)基礎(chǔ),重點闡述了機械臂視覺系統(tǒng)、攝像機參數(shù)標(biāo)定方法的基本原理以及標(biāo)定中存在的問題。無標(biāo)定視覺伺服方法中一個關(guān)鍵的問題是圖像雅可比矩陣的在線估計,本文針對眼在手結(jié)構(gòu)的六自由度機械臂伺服系統(tǒng),推導(dǎo)了基于擬牛頓方法的控制策略以及基于動態(tài)Broyden方法的圖像雅可比矩陣在線估計算法。針對擬牛頓法中出現(xiàn)的震顫現(xiàn)象,給出了一種基于置信域方法的擬牛頓控制策略,在無需精確標(biāo)定值下實現(xiàn)大范圍漸進穩(wěn)定。為了消除圖像噪聲對雅可比矩陣估計的影響,本文詳細論述了基于卡爾曼濾波以及基于自適應(yīng)卡爾曼濾波的圖像雅可比矩陣在線估計算法的原理并通過仿真驗證。基于圖像的視覺伺服控制能夠保證在圖像平面獲得較好的控制性能,但卻在笛卡爾空間的控制效果并不理想,存在諸如相機回退、超出視域等問題。本文詳細闡述了基于圖像雅可比矩陣分解的分離式視覺伺服以及基于單應(yīng)性矩陣分解的混合式視覺伺服控制方法的原理。前者通過對Z軸運動的分離避免了相機回退的現(xiàn)象,而后者在無需深度信息的情況下,實現(xiàn)旋轉(zhuǎn)運動與平移運動的解耦。最后,通過搭建Simulink視覺伺服平臺驗證了兩種算法的有效性,進一步說明混合視覺相較于基于圖像的視覺伺服方法的優(yōu)勢。最后,本文在基于C++語言的視覺伺服平臺上,首先利用直接線性變換算法與隨機抽樣一致算法求解單應(yīng)性矩陣。其次,實現(xiàn)了基于圖像、基于混合視覺的機械臂視覺伺服仿真,為將無標(biāo)定視覺伺服算法應(yīng)用于實際機械臂控制系統(tǒng)做了鋪墊。
【關(guān)鍵詞】：機械臂 視覺伺服 圖像雅可比矩陣 無標(biāo)定 混合式視覺伺服
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-17
• 1.1 引言10-11
• 1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢11-16
• 1.2.1 基于位置的視覺伺服控制11-12
• 1.2.2 基于圖像的視覺伺服控制12-14
• 1.2.3 混合式視覺伺服控制14
• 1.2.4 無標(biāo)定的視覺伺服控制14-16
• 1.3 本文研究內(nèi)容與結(jié)構(gòu)16-17
• 第2章 機械臂視覺伺服基礎(chǔ)17-29
• 2.1 機械臂的位姿描述17-21
• 2.1.1 坐標(biāo)系變換17-19
• 2.1.2 機械臂D-H表示法19-21
• 2.2 機械臂雅可比矩陣的推導(dǎo)21-23
• 2.3 機械臂視覺系統(tǒng)23-27
• 2.3.1 攝像機透視投影成像模型23-24
• 2.3.2 攝像機參數(shù)的標(biāo)定24-26
• 2.3.3 攝像機標(biāo)定實驗26-27
• 2.4 圖像雅可比矩陣的推導(dǎo)27-29
• 第3章 基于最小二乘法的無標(biāo)定視覺伺服控制29-39
• 3.1 基于擬牛頓法的視覺伺服控制方法29-32
• 3.1.1 靜態(tài)目標(biāo)下的視覺伺服控制算法31
• 3.1.2 運動目標(biāo)下的視覺伺服控制算法31-32
• 3.2 動態(tài)Broyden方法在線估計雅可比矩陣32-34
• 3.3 基于擬牛頓法的無標(biāo)定視覺伺服算法34-35
• 3.4 圖像雅可比矩陣偽逆的在線估計35-36
• 3.5 基于卡爾曼濾波的圖像雅可比矩陣的在線估計36-38
• 3.5.1 基于卡爾曼濾波的圖像雅可比矩陣在線估計36-37
• 3.5.2 基于自適應(yīng)卡爾曼濾波的圖像雅可比矩陣在線估計算法37-38
• 3.6 本章小結(jié)38-39
• 第4章 基于圖像的無標(biāo)定視覺伺服控制仿真實現(xiàn)39-50
• 4.1 基于最小二乘法的無標(biāo)定視覺伺服算法仿真實現(xiàn)39-47
• 4.1.1 靜止目標(biāo)定位任務(wù)40-46
• 4.1.2 運動目標(biāo)跟蹤任務(wù)仿真實現(xiàn)46-47
• 4.2 卡爾曼濾波在線估計的仿真實現(xiàn)47-48
• 4.2.1 靜止目標(biāo)定位任務(wù)47-48
• 4.2.2 運動目標(biāo)跟蹤任務(wù)48
• 4.3 仿真結(jié)果分析與比較48-50
• 第5章 混合式視覺伺服方法50-65
• 5.1 基于圖像雅可比矩陣分解的分離式視覺方法51-53
• 5.2 基于單應(yīng)性矩陣分解的混合視覺方法53-58
• 5.2.1 單應(yīng)性矩陣的求解與分解53-56
• 5.2.2 基于單應(yīng)性矩陣分解的混合視覺控制器設(shè)計56-58
• 5.3 基于ViSP視覺伺服平臺的機械臂仿真實現(xiàn)58-63
• 5.3.1 單應(yīng)性矩陣的求解59-60
• 5.3.2 基于圖像的Viper850機械臂視覺伺服控制仿真60-62
• 5.3.3 Viper850機械臂混合視覺伺服仿真62-63
• 5.4 本章小結(jié)63-65
• 結(jié)論與展望65-67
• 參考文獻67-72
• 攻讀學(xué)位期間發(fā)表論文與研究成果清單72-73
• 致謝73

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 鄭立斌;王紅梅;顧寄南;石長華;何輝;;RBF神經(jīng)網(wǎng)絡(luò)在機器人視覺伺服控制中的應(yīng)用[J];機床與液壓;2015年15期

2 牛連丁;陳婷婷;張立志;;基于多尺度紋理特征的最小二乘法深度信息估計方法[J];智能計算機與應(yīng)用;2015年04期

3 曾愛林;;基于改進神經(jīng)網(wǎng)絡(luò)的圖像生物特征識別方法[J];科技通報;2015年02期

4 蘇劍波;;ADRC理論和技術(shù)在機器人無標(biāo)定視覺伺服中的應(yīng)用和發(fā)展[J];控制與決策;2015年01期

5 高宏偉;王慧科;劉傳銀;李斌;;單相機變焦圖像深度估計技術(shù)研究[J];計算機科學(xué);2014年S1期

6 宗曉萍;李悅霞;劉偉東;;基于單應(yīng)性矩陣分解的視覺控制器設(shè)計及仿真[J];河北大學(xué)學(xué)報(自然科學(xué)版);2013年03期

7 劉廣瑞;黃真;韓莉莉;畢競鍇;;基于Kalman濾波的圖像雅克比矩陣在線估計[J];鄭州大學(xué)學(xué)報(工學(xué)版);2013年01期

8 丁建華;姚明海;趙瑜;;基于單應(yīng)性矩陣的機器人視覺伺服系統(tǒng)研究[J];機電工程;2012年12期

9 吳忠強;張曉霞;;基于視覺反饋的機器人全調(diào)節(jié)RBF神經(jīng)網(wǎng)絡(luò)自適應(yīng)反演控制[J];機械設(shè)計;2012年12期

10 顧正剛;康慶生;陸錦軍;;機器人無標(biāo)定視覺伺服系統(tǒng)及離散仿真[J];四川大學(xué)學(xué)報(自然科學(xué)版);2012年04期

  本文關(guān)鍵詞：基于圖像特征的機械臂視覺伺服控制研究，，由筆耕文化傳播整理發(fā)布。

本文編號：315218