摘要
近年来，随着机器人技术和机器视觉等相关领域的不断发展，利用视觉信息控制机器人运动的视觉伺服技术也不断进步。视觉伺服技术的应用不仅可以引导机器人完成更加复杂多样的任务，而且还能提高机器人在任务过程中的识别精度和操作精度。基于图像的视觉伺服使用测量图像特征和期望图像特征之间的误差设计反馈控制律，具有较高的局部控制精度和较好的稳定性与收敛性，但没有考虑约束问题和无标定问题。没有考虑约束的视觉伺服控制方法一般难以达到控制精度;而基于标定的视觉伺服方法对环境变化比较敏感，在噪声环境中缺乏自适应能力。因此，研究带有约束的无标定视觉伺服控制方法具有重要的意义。本文的主要内容包括:基于约束函数的约束视觉伺服控制方法、基于预测控制的约束视觉伺服控制方法和基于极限学习机的无标定视觉伺服控制方法。 首先，阐述了基于图像的机械臂视觉伺服控制理论基础，建立了机械臂运动学模型和摄像机成像模型，推导了基于交互矩阵的比例控制器。在此基础上，为了保证图像特征始终保持在摄像机视野域内，考虑视觉伺服中的可见性约束问题。本文将摄像机视野划分为不同的区域，并设计了一个新的视野约束函数，该约束函数可以根据图像特征所处区域的不同自适应调整函数值。基于该约束函数，提出了一种约束视觉伺服控制方法。仿真实验结果表明，所提出的约束视觉伺服控制方法具有更好的控制性能，而且能处理可见性约束问题。 其次，针对基于交互矩阵的比例控制器无法处理机械臂系统约束以及在一些情况下控制精度欠缺的问题，提出了一种带有约束的视觉预测控制方法。该方法基于交互矩阵建立了图像特征的局部预测模型，并基于该模型在每一个预测时域内通过优化算法在线计算系统的控制量，具有比基于交互矩阵的比例控制方法更高的控制精度。同时，该方法能够显式的处理各种约束，因此可见性约束和机械臂系统约束都可以被考虑在内。对比仿真实验验证了所提出方法的有效性。 然后，考虑到视觉伺服控制的精度不仅要依赖于摄像机的标定精度，同时还要受到噪声和外部扰动的影响。因此，为了提升约束视觉伺服控制方法的抗干扰能力，本文提出了一种基于极限学习机的无标定视觉伺服控制方法。该方法设计了一个基于极限学习机的交互矩阵拟合器，为了避免交互矩阵求逆过程中的奇异性问题，该拟合器直接逼近交互矩阵的伪逆矩阵与特征误差乘积的负数。仿真结果验证了所提出方法在无标定环境中的有效性和抗干扰能力。 最后，基于实验室的机械臂视觉伺服控制系统，对提出的视觉伺服控制方法进行了实物实验验证。实验结果表明，在约束环境中，约束IBVS控制方法可以实现对图像特征的约束，而约束VPC方法不仅可以处理可见性约束和机械臂末端速度约束、关节速度约束，而且还具有更好的控制效果。在面对环境噪声和脉冲扰动时，无标定视觉伺服控制方法比基于标定的视觉伺服控制方法具有更强的抗干扰能力。
NETL