导读:本文包含了视觉伺服控制论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:视觉,机器人,图像,特征,矩阵,机械,手眼。
视觉伺服控制论文文献综述
王腾飞,王牛[1]（2019）在《月面车载机械臂的无标定视觉伺服控制方法》一文中研究指出针对月面车载机械臂存在的鲁棒性和空间运动轨迹较差的问题,提出了月面车载机械臂的无标定视觉伺服控制方法。对无标定视觉伺服控制系统的控制原理和控制方法进行了分析,提出了双目双轴平行视觉配置方法,选取图像特征空间的点特征和线特征设计控制器,并基于卡尔曼滤波算法实时在线估计机械臂的手眼映射关系。通过仿真试验与基于六轴机械臂无标定视觉伺服平台的地面空间定位模拟实验,验证了该方法的有效性。(本文来源于《载人航天》期刊2019年05期）
梁喜凤,彭明,路杰,秦超[2]（2019）在《基于自适应无迹卡尔曼滤波的采摘机械手视觉伺服控制方法》一文中研究指出为解决未知统计特性下的系统噪声对图像雅克比矩阵估计精度的影响问题,提高视觉伺服定位精度,在卡尔曼滤波(lalman filter, KF)法以及无迹卡尔曼滤波(unscented kalman filter, UKF)法的基础上,引入自适应噪声统计估计器,提出自适应无迹卡尔曼滤波(adaptive unscented kalman Filter, AUKF)法估计图像雅克比矩阵,并构造了视觉伺服控制系统。仿真试验结果表明,基于自适应无迹卡尔曼滤波法估计图像雅克比矩阵的视觉伺服控制系统的图像特征最大误差值为10.2像素,机械手末端与目标点叁维坐标最大误差值为4.19 mm,响应时间为1.2 s。搭建了七自由度采摘机械手视觉伺服试验平台进行采摘试验,试验结果表明,基于AUKF法估计图像雅克比矩阵的视觉伺服系统对静态目标的采摘成功率为90%,对动态目标的采摘成功率为83%,相比于KF法与UKF法,采摘静态目标试验成功率分别提高了17与10个百分点,动态采摘试验成功率分别提高了16%与10%。基于AUKF法估计图像雅克比矩阵的视觉伺服系统对静态与动态目标的采摘平均时间分别为18和22 s,相比于KF法与UKF法,静态采摘用时分别减少了10和6 s,动态采摘用时分别减少了12和8 s。AUKF法与KF法以及UKF法估计的图像雅克比矩阵相比,AUKF法估计的图像雅克比矩阵减小了采摘机械手视觉伺服控制系统过程噪声的干扰,使采摘机械手视觉伺服控制系统过程噪声适应视觉伺服系统的变化,采摘机械手视觉伺服控制系统定位精度更高。(本文来源于《农业工程学报》期刊2019年19期）
徐德刚,周雷,沈添天[3]（2019）在《基于线特征与内区域特征的视觉伺服解耦控制》一文中研究指出针对多自由度机械臂快速趋近任意四边形态目标的视觉伺服控制难题,提出了结合线特征与内区域特征的机器人视觉伺服解耦控制方法.构建了目标内区域特征以指导相机的平移运动速率,利用目标的线特征给出相机的旋转角速率,并通过引入内区域特征的矢量补偿和质心坐标的位置补偿,实现了平移和旋转控制的部分解耦.最后,对机器人视觉伺服控制系统进行了稳定性分析.仿真验证结果表明所提方法能控制相机以较快而平滑的动作收敛到期望位姿,且在相机光轴与目标平面近似垂直的条件下能较好地克服深度估计造成的不确定性问题.(本文来源于《信息与控制》期刊2019年04期）
周小娟[4]（2019）在《高压带电作业机器人视觉伺服控制系统》一文中研究指出为了提升机器人在进行高压带电作业及辅助工作时的精准度,针对当前控制系统的不足,构建了一种基于雅克比矩阵的高压带电作业机器人视觉伺服控制系统。首先构造机器人视觉伺服控制系统的雅可比矩阵,利用雅克比矩阵计算出作业机器人执行器操作的空间速度和关节速度之间的关系,并利用图像雅克比矩阵计算出机器人作业过程中末端执行器执行速度和视觉图像特征变化之间的关系,将得到的两种关系矩阵相结合,给出复合雅克比矩阵,结合PID控制器建立机器人视觉伺服控制系统,通过PID控制参数自适应调整,实现控制。实验结果表明,机器人主关节点的实际运行路径与预设路径之间的误差仅为0～2 cm,且控制响应时间少于实验对比的其他控制系统,说明所构建的机器人视觉伺服控制系统能够实现有效控制,且控制性能较好。(本文来源于《自动化与仪器仪表》期刊2019年07期）
彭伟星,王耀南,曾凯,吴昊天[5]（2019）在《复杂异形曲面自动建模图像矩视觉伺服定位控制》一文中研究指出异形曲面目标的表面深度信息无法进行参数化表示,是难以建立矩特征交互矩阵的主要原因。提出一种利用目标轮廓深度信息直接构建矩特征交互矩阵的新方法,推导出传统图像矩交互矩阵的非参数化形式。考虑到传统矩特征视觉伺服定位过程的响应速度慢、收敛范围小,设计一种新型的深度矩作为视觉伺服的图像特征,并推导出其非参数化交互矩阵。采用最速下降法设计视觉伺服控制器,分析并比较两种矩特征视觉伺服控制方法在异形曲面定位过程的动态性能。结果表明,非参数化形式的传统矩交互矩阵和深度矩交互矩阵均有效,两种控制方法在初始偏差较小时是渐近稳定的。提出的深度矩视觉伺服方法与传统的矩特征视觉伺服相比,较为明显地改善了收敛速度和收敛范围。(本文来源于《机械工程学报》期刊2019年14期）
陈梅,车尚岳[6]（2019）在《无标定视觉伺服机器人跟踪控制策略研究》一文中研究指出针对无标定视觉伺服系统,eye-in-hand型结构,提出一种以图像特征为反馈的模糊控制策略,对平面内运动物体进行跟踪。应用Matlab和机器人工具箱RoboticToolbox对控制策略进行仿真,并以叁轴直角坐标系机器人、摄像机、计算机为基础,构建一种无标定视觉伺服机器人的运动跟踪系统。系统的工作原理如下,由摄像机采集图像,经图像处理目标定位,识别出待跟踪物体与当前摄像机末端的相对位置,通过模糊控制器对机器人的动作状态进行控制,实时反馈图像信息,纠正系统误差,最终达到稳定跟踪。仿真与实验验证了系统的可行性与实用性,为提高工业自动化生产线快速抓取提供了新的思路,对后续无标定伺服系统的研究做了铺垫。(本文来源于《控制工程》期刊2019年06期）
张凯祥[7]（2019）在《基于多视图几何的视觉伺服控制》一文中研究指出机器人系统在当下的诸多领域都扮演着重要的角色。在不同应用场景下,需要将机器人与不同传感器相结合以提高整个系统的智能性。视觉传感器由于能提供丰富的感知信息,因而被大量应用于不同机器人平台。随着科学技术的快速发展,众多学者致力于利用视觉信息引导机器人完成定位、导航和控制等不同任务。而在这些任务中,视觉伺服控制是最常被讨论的问题之一。视觉伺服控制旨在通过实时反馈的图像信息驱动机器人实现特定的运动目标。为解决视觉伺服控制问题,首先需要利用计算机视觉的相关技术从二维图像中提取出适宜的特征信息以构造系统反馈误差。紧接着,运用控制理论的相关方法和所构造的误差信号,设计对应控制器以有效完成指定的运动任务。由于视觉伺服系统往往包含有各种模型不确定性和约束,因此针对不同场景提出鲁棒高效的伺服策略是极具挑战的工作。本文结合该领域的最新研究成果,以基于多视图几何的视觉伺服控制为主要研究内容。本文的主要工作和贡献概述如下:·简要回顾了视觉伺服控制的相关研究背景并概述了国内外研究现状。·研究基于单应性的移动物体渐近跟踪。提出了基于单应性的视觉伺服控制器从而驱动机械臂以固定相对姿态跟踪叁维空间中的运动物体。单目相机固定于机械臂上以提供视觉信息,然后利用单应性获得相机的旋转和尺度化平移以便于控制器设计。考虑到未知运动物体的速度和距离信息,设计了鲁棒非线性控制器以完成移动物体跟踪任务。理论分析表明所提出控制器能实现渐近跟踪。仿真结果验证了方法的有效性。·研究基于叁焦张量的六自由度位姿校正。通过构建当前、期望和初始视图之间的叁焦张量模型来描述几何关系。然后,选取部分张量元素以定义视觉反馈,这有效避免了对相机姿态的显示估计。基于提取的张量特征,设计了自适应控制器以将相机驱动到期望姿态并补偿了未知的距离比例因子。此外,利用Lyapunov技术分析了系统稳定性和收敛域。仿真和实验结果验证了对应的理论分析。·研究基于未标定相机的移动机器人一致性控制。针对轮式移动机器人,利用未标定单目相机实现轨迹跟踪和位姿校正的一致性控制。首先基于投影单应技术,提出了在线方法实现对部分相机内参的估计。通过利用所获得的相机内参,从图像中提取出移动机器人的位姿信息以构建误差系统。然后,设计了满足输入饱和约束的自适应连续控制器以解决轨迹跟踪和位姿调节问题。所提出方法充分考虑了与未知距离信息和相机内参相关的系统不确定性以及非完整约束。理论分析证明所提出控制器在存在系统不确定性的情况下能实现渐近跟踪和校正。仿真和实验结果验证了上述方法的有效性。·研究基于视觉的移动机器人轨迹跟踪与深度估计。针对轮式移动机器人的轨迹跟踪控制和深度估计问题提出了相应的视觉伺服策略。通过利用车载相机捕获的多张图像,重建出移动机器人的当前和期望位姿以定义系统错误。然后,提出了一种自适应时变控制器以实现轨迹跟踪任务。大多数已有工作要求测量期望轨迹的速度信息以便于控制器设计,这将导致繁琐的离线计算。为消除该要求,设计了降阶观测器实时估计了所需的期望速度信息。此外,提出了增强更新定律以补偿未知深度参数并识别深度倒数。基于Lyapunov方法证明了所提出控制器能实现渐近跟踪,并且在满足持续激励条件下,深度倒数的估计会收敛于其实际值。随后,引入了鲁棒的数据驱动算法,以确保在宽松的有限激励条件下深度估计的收敛。仿真和实验结果验证了上述方法的有效性。最后对全文进行了总结,并对下一步的研究工作进行了展望。(本文来源于《浙江大学》期刊2019-06-01）
武凡凯[8]（2019）在《基于视觉伺服的板球系统轨迹跟踪控制方法研究》一文中研究指出基于视觉反馈的板球系统,是一个典型的欠驱动系统,并且存在多变量、强耦合、非线性等特点,其控制对象为球盘,此球盘是采用两个伺服电机作为驱动装置,其控制球盘的偏转,带动球盘上的小球产生运动,其目的是为了让小球滚动到球盘的指定位置并趋于稳定状态,或让小球按照一定的轨迹运动。在智能控制理论、现代控制理论、计算机图像处理等其它学科上,板球系统可以作为研究平台,用来检测与研究各种算法,因此对板球系统研究具有一定的意义。本文主要研究工作如下:首先,简要介绍了板球系统的物理模型,根据板球系统的受力分析,采用拉格朗日方程法,对板球系统建立动力学方程。由于板球系统中存在多变量、非线性等特性,并且在此基础上考虑系统还受到很多因素影响,如小球的运动速度,小球与球盘的摩擦以及设备自身的误差等都会对板球系统造成一定的影响。同时针对模型的线性化问题,对板球系统进一步分析与简化。其次,对视觉检测系统进行了研究。先介绍了在摄像机标定过程中的图像坐标系、摄像机坐标系以及世界坐标系叁者之间的转化,通过小孔成像原理对板球系统的内、外部参数进行了标定;再通过对摄像机采集到的小球图像进行处理,采用高斯滤波及边缘检测得到小球的轮廓信息,经过圆的方程可以得到球心的图像坐标,再联立球盘平面方程就可以得到小球的实际位置。最后,对小球的轨迹跟踪控制算法进行了研究,分别设计PID、前馈PID、模糊PID以及模糊前馈PID控制算法,基于本文建立的板球系统数学模型,在仿真软件MATLAB上进行了板球系统的轨迹跟踪仿真控制实验。仿真实验结果表明,在跟踪信号频率较低时,四种算法都具有较好的跟踪效果。当跟踪信号频率增大时,四种算法在跟踪误差与响应速度上存在差异,其中模糊前馈PID控制算法跟踪效果最好,具有较小的跟踪误差和较快的响应速度。(本文来源于《长春工业大学》期刊2019-06-01）
王红旗,吴海波,董浩,茹淑慧[9]（2019）在《工业机器人手眼视觉伺服控制系统设计》一文中研究指出针对手眼视觉伺服系统中,传统图像雅克比矩阵存在参数难确定、目标运动不确定等问题,提出在线估计复合图像雅克比矩阵的视觉伺服方法。通过Kalman滤波器在线估计复合图像雅克比(Jacobian)矩阵,基于Lyapunov原理设计了视觉伺服控制器,实现了图像特征误差渐进收敛和运动目标的稳定跟踪。平面二连杆机器人仿真分析验证了所提算法的有效性。(本文来源于《传感器与微系统》期刊2019年04期）
张兆旭[10]（2019）在《机器人无标定手眼视觉伺服控制系统研究》一文中研究指出近年来,机器人视觉在各个领域的应用逐渐广泛。传统的机器人视觉系统涉及到摄像机标定、手眼标定以及机器人坐标系标定等复杂环节,因此无标定技术在视觉机器人中受到了广泛的关注。本文主要以机械臂无标定视觉伺服系统作为研究对象,对无标定视觉伺服中的关键技术进行研究。针对多自由度机械臂,首先进行了运动学分析,并建立机械臂视觉伺服系统中的多种雅克比矩阵。结合机器人的视觉模型,引入了机械臂视觉伺服控制策略,为无标定视觉伺服(Uncalibrated Visual Servo,UVS)系统的展开奠定了理论基础。在实际的控制系统中,噪声特性的参数通常是未知的,这使得经典Kalman滤波算法的应用受到了限制。本文首先对经典Kalman Filter(KF)进行分析,通过关系推导总结出一种在噪声参数未知条件下通过对噪声参数回归估计实现卡尔曼增益自适应的方法,并作为在线估计算法应用在了基于投影单应性矩阵的无标定视觉伺服(Projective Homography Based UVS,PHUVS)和基于图像的无标定视觉伺服(Image Based UVS,IBUVS),然后在不同的跟踪任务下进行仿真实验。最后得出结论,自适应卡尔曼滤波(Adaptive KF,AKF)结合PHUVS控制策略应用在无标定视觉伺服控制系统中时,图像稳态误差、位置稳态误差和姿态稳态误差叁种评价指标与标定后的系统相应接近,性能优于IBUVS。针对粒子滤波(Particle Filter,PF)在非线性系统中状态估计的优越性,本文结合KL距离(Kullback-Leibler Divergence,KLD)算法,对粒子的数目进行自适应调整,将该自适应粒子滤波(Adaptive PF,APF)作为在线估计算法,应用在了无标定视觉定位系统中,并在常见的高斯噪声和伽马噪声两种噪声作为系统噪声的条件下,对KF、AKF以及PF、APF作为在线估计算法应用在无标定视觉定位时的性能指标进行对比。通过实验分析得出结论,在系统噪声为高斯分布的假设条件下,AKF有较好的系统性能指标,在非高斯噪声条件下APF具有较好的性能。最后分析了光流检测的基本原理,结合光流估计与相机自运动信息的关系,利用卷积神经网络VSFlowNet,对相机自运动信息进行估计的同时采用AKF对手眼雅克比矩阵进行在线估计。采用Gazebo和Moveit!联合实验环境,利用未添加扰动和添加扰动两种实验环境对视觉伺服系统的响应时间和控制的精确性进行验证,最后得到了良好的系统性能。(本文来源于《杭州电子科技大学》期刊2019-03-01）
视觉伺服控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为解决未知统计特性下的系统噪声对图像雅克比矩阵估计精度的影响问题,提高视觉伺服定位精度,在卡尔曼滤波(lalman filter, KF)法以及无迹卡尔曼滤波(unscented kalman filter, UKF)法的基础上,引入自适应噪声统计估计器,提出自适应无迹卡尔曼滤波(adaptive unscented kalman Filter, AUKF)法估计图像雅克比矩阵,并构造了视觉伺服控制系统。仿真试验结果表明,基于自适应无迹卡尔曼滤波法估计图像雅克比矩阵的视觉伺服控制系统的图像特征最大误差值为10.2像素,机械手末端与目标点叁维坐标最大误差值为4.19 mm,响应时间为1.2 s。搭建了七自由度采摘机械手视觉伺服试验平台进行采摘试验,试验结果表明,基于AUKF法估计图像雅克比矩阵的视觉伺服系统对静态目标的采摘成功率为90%,对动态目标的采摘成功率为83%,相比于KF法与UKF法,采摘静态目标试验成功率分别提高了17与10个百分点,动态采摘试验成功率分别提高了16%与10%。基于AUKF法估计图像雅克比矩阵的视觉伺服系统对静态与动态目标的采摘平均时间分别为18和22 s,相比于KF法与UKF法,静态采摘用时分别减少了10和6 s,动态采摘用时分别减少了12和8 s。AUKF法与KF法以及UKF法估计的图像雅克比矩阵相比,AUKF法估计的图像雅克比矩阵减小了采摘机械手视觉伺服控制系统过程噪声的干扰,使采摘机械手视觉伺服控制系统过程噪声适应视觉伺服系统的变化,采摘机械手视觉伺服控制系统定位精度更高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视觉伺服控制论文参考文献
[1].王腾飞,王牛.月面车载机械臂的无标定视觉伺服控制方法[J].载人航天.2019
[2].梁喜凤,彭明,路杰,秦超.基于自适应无迹卡尔曼滤波的采摘机械手视觉伺服控制方法[J].农业工程学报.2019
[3].徐德刚,周雷,沈添天.基于线特征与内区域特征的视觉伺服解耦控制[J].信息与控制.2019
[4].周小娟.高压带电作业机器人视觉伺服控制系统[J].自动化与仪器仪表.2019
[5].彭伟星,王耀南,曾凯,吴昊天.复杂异形曲面自动建模图像矩视觉伺服定位控制[J].机械工程学报.2019
[6].陈梅,车尚岳.无标定视觉伺服机器人跟踪控制策略研究[J].控制工程.2019
[7].张凯祥.基于多视图几何的视觉伺服控制[D].浙江大学.2019
[8].武凡凯.基于视觉伺服的板球系统轨迹跟踪控制方法研究[D].长春工业大学.2019
[9].王红旗,吴海波,董浩,茹淑慧.工业机器人手眼视觉伺服控制系统设计[J].传感器与微系统.2019
[10].张兆旭.机器人无标定手眼视觉伺服控制系统研究[D].杭州电子科技大学.2019
论文知识图
