机器人视觉伺服系统中图像雅可比矩阵的在线估计方法

发布时间：2017-06-07 18:19

  本文关键词：机器人视觉伺服系统中图像雅可比矩阵的在线估计方法，由笔耕文化传播整理发布。

【摘要】：机器人视觉伺服是机器人领域的一个重要研究方向。在基于图像的视觉伺服系统中,使用图像雅可比矩阵来描述图像特征变化与机器人位姿变化之间的映射关系,这个关系是高度非线性的,需要在机器人运动过程中实时更新。传统视觉伺服方法获取图像雅可比矩阵需要精确的摄像机标定模型和机器人运动学模型,但实际中由于种种原因难以实现。因此,在无标定环境下在线估计图像雅可比矩阵的视觉伺服方法成为一个研究热点方向。无标定视觉伺服避免了传统基于标定视觉伺服中复杂耗时的系统标定过程,具有重要的理论研究意义及广阔的工业应用前景。本文在总结了机器人无标定视觉伺服国内外研究现状的基础上,从基于滤波器方法和基于非线性视觉映射模型估计方法两个方向,深入研究了无标定视觉伺服系统中图像雅可比矩阵的在线估计方法。主要研究工作包括：(1)针对传统图像雅可比矩阵在线估计方法在处理非线性问题上存在不足,提出了一种基于平方根无迹卡尔曼滤波的图像雅可比矩阵在线估计方法。该方法以图像雅可比矩阵的元素作为系统状态,将问题转变为对系统状态的估计,再引入能处理非线性问题的平方根无迹卡尔曼滤波对系统状态进行估计,从而实现对图像雅可比矩阵的在线估计,避免了复杂的系统标定过程。(2)提出了基于在线支持向量回归的图像雅可比矩阵在线估计方法。由于常规基于神经网络及支持向量回归的智能学习方法需要离线学习,如果模型发生变化则需要整体重新训练,很难适应实际情况,因此提出了基于在线支持向量回归的图像雅可比矩阵在线估计方法。该方法采用可在线学习非线性映射模型的在线支持向量回归算法不断学习图像特征空间与机器人关节空间之间的映射关系,从而实现对图像雅可比矩阵的在线估计,避免了常规神经网络及支持向量回归算法重新训练时的复杂运算。(3)搭建了机器人视觉伺服系统的实验平台。基于MOTOMAN-MH12工业机器人、Smartek工业相机、主控计算机等构建了硬件系统；在Windows系统下的Visual Studio 2010开发环境中基于MFC开发了集成软件平台,包括图像采集处理与图像特征提取、机器人运动控制、无标定视觉伺服算法和人机交互界面等模块。对于本文提出的图像雅可比矩阵在线估计方法在Matlab平台上进行了仿真实验、在机器人视觉伺服系统实验平台上进行了实物实验,实验结果验证了本文提出的两种方法的有效性。
【关键词】：机器人 无标定视觉伺服 图像雅可比矩阵 平方根无迹卡尔曼滤波 在线支持向量回归
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP242;TP391.41
【目录】：

• 摘要5-7
• Abstract7-12
• 第1章 绪论12-22
• 1.1 研究背景及意义12-13
• 1.2 机器人视觉伺服13-17
• 1.2.1 机器人视觉伺服发展概述13-14
• 1.2.2 机器人视觉伺服系统分类14-17
• 1.3 机器人无标定视觉伺服17-20
• 1.3.1 问题的提出17
• 1.3.2 机器人无标定视觉伺服国内外研究现状17-20
• 1.4 论文的主要研究内容及结构安排20-22
• 1.4.1 主要研究内容20-21
• 1.4.2 结构安排21-22
• 第2章 基于图像的无标定视觉伺服22-32
• 2.1 机器人视觉伺服基础知识22-26
• 2.1.1 坐标系关系22
• 2.1.2 摄像机模型22-24
• 2.1.3 机器人运动学模型24-25
• 2.1.4 机器人雅可比矩阵25
• 2.1.5 图像特征的选取25-26
• 2.2 图像雅可比矩阵26-28
• 2.2.1 图像雅可比矩阵的定义26-27
• 2.2.2 图像雅可比矩阵的推导实例27-28
• 2.3 无标定视觉伺服算法28-31
• 2.3.1 非线性方差最小化法求解关节角29-30
• 2.3.2 Broyden法估计图像雅可比矩阵30-31
• 2.4 本章小结31-32
• 第3章 基于平方根无迹卡尔曼滤波的图像雅可比矩阵在线估计方法32-42
• 3.1 引言32-33
• 3.2 平方根无迹卡尔曼滤波算法原理33-36
• 3.2.1 无迹变换(Unscented Transform)33-34
• 3.2.2 平方根无迹卡尔曼滤波实现步骤34-36
• 3.3 基于SR-UKF的图像雅可比矩阵在线估计36-38
• 3.3.1 总图像雅可比矩阵36-37
• 3.3.2 基于SR-UKF的总图像雅可比矩阵在线估计37-38
• 3.4 仿真实验38-41
• 3.4.1 跟踪圆周运动目标38-39
• 3.4.2 跟踪方形运动目标39-41
• 3.5 本章小结41-42
• 第4章 基于在线支持向量回归的图像雅可比矩阵在线估计方法42-55
• 4.1 引言42-43
• 4.2 在线支持向量回归算法原理43-48
• 4.2.1 支持向量回归43-46
• 4.2.2 基于增量学习的OL-SVR46-48
• 4.3 基于在线支持向量回归的图像雅可比矩阵在线估计48-50
• 4.4 仿真实验50-54
• 4.4.1 定位静止目标50-52
• 4.4.2 跟踪运动目标52-54
• 4.5 本章小结54-55
• 第5章 基于图像雅可比矩阵的无标定视觉伺服实验研究55-69
• 5.1 系统硬件结构55-58
• 5.1.1 工业机器人系统56-57
• 5.1.2 工业相机57-58
• 5.1.3 主控计算机58
• 5.2 系统软件结构58-62
• 5.2.1 图像采集处理与图像特征提取59-60
• 5.2.2 机器人控制60
• 5.2.3 人机交互界面60-62
• 5.3 三自由度无标定视觉定位实验62-68
• 5.3.1 基于平方根无迹卡尔曼滤波的无标定视觉定位实验62-65
• 5.3.2 基于在线支持向量回归的无标定视觉定位实验65-68
• 5.4 本章小结68-69
• 结论与展望69-71
• 论文总结69-70
• 论文不足及展望70-71
• 参考文献71-75
• 致谢75-76
• 附录A 攻读学位期间所发表的学术成果76

【相似文献】

中国期刊全文数据库 前10条

1 高振东;苏剑波;;带有时延补偿的图像雅可比矩阵估计方法[J];控制理论与应用;2009年01期

2 钟春敏,华文林;2R-1P3R双臂雕刻机器人操作手雅可比矩阵的建立[J];黄石高等专科学校学报;2000年04期

3 钱江;苏剑波;;基于图像雅可比矩阵的无标定二维运动跟踪[J];模式识别与人工智能;2003年03期

4 张捷;刘丁;;基于鲁棒信息滤波器的图像雅可比矩阵在线估计[J];西安理工大学学报;2011年02期

5 赵清杰;陈云蛟;张立群;;基于粒子滤波的雅可比矩阵在线估计技术[J];北京理工大学学报;2008年05期

6 陈钢;贾庆轩;孙汉旭;洪磊;;连续三轴平行机器人的避奇异规划[J];北京邮电大学学报;2009年03期

7 王洪斌;李萍;;基于改进的卡尔曼滤波图像雅可比矩阵估计[J];武汉理工大学学报;2009年14期

8 钱瑞明;郑文纬;廖鹏凯;;三指机器人手的雅可比矩阵及条件数[J];东南大学学报;1993年S1期

9 刘文芳;邴志刚;卢胜利;路海龙;;带时延补偿的图像雅可比矩阵在线估计方法[J];计算机工程与应用;2010年21期

10 陈芳芳;吴小锋;;四自由度林业修剪机械臂速度分析及雅可比矩阵推导[J];机电产品开发与创新;2011年02期

中国重要会议论文全文数据库 前2条

1 徐志友;余贻鑫;;潮流雅可比矩阵的对称性指标[A];第十一届全国电工数学学术年会论文集[C];2007年

2 倪受东;文巨峰;颜景平;;四自由度冗余度机器人雅可比矩阵的建立[A];中国仪器仪表学会第三届青年学术会议论文集（下）[C];2001年

中国硕士学位论文全文数据库 前6条

1 樊阳立;机器人视觉伺服系统中图像雅可比矩阵的在线估计方法[D];湖南大学;2016年

2 张捷;机器人图像雅可比矩阵在线估计算法研究[D];西安理工大学;2010年

3 刘毅;一种新型拟人机械腿的性能研究[D];浙江工业大学;2012年

4 郭蓝彬;基于图像雅可比矩阵的无标定工业机器人视觉伺服[D];西安理工大学;2006年

5 贾军艳;机构运动分析与求解雅可比矩阵的计算机模拟法及应用[D];燕山大学;2006年

6 王茹;3-PRRU并联机器人运动学设计[D];浙江理工大学;2011年

  本文关键词：机器人视觉伺服系统中图像雅可比矩阵的在线估计方法，由笔耕文化传播整理发布。

，

本文编号：429930