一种机器人视觉控制系统及方法
本发明涉及机器人控制领域,尤其涉及一种机器人视觉控制系统及方法。
背景技术:
1、基于图像的视觉伺服(ibvs)是机器人视觉控制领域的主流方法。其基本思路是:利用相机实时采集的图像中目标特征点(如角点、边缘或sift特征)的像素坐标与期望图像中对应特征点坐标之间的偏差,通过交互矩阵(interaction matrix)将该2d图像偏差映射为机器人的6自由度速度指令,形成一个闭环控制系统。与基于位置的视觉伺服(pbvs)相比,ibvs无需对目标进行精确的三维重建,对标定误差具有较好的鲁棒性,因此在实际工程中被广泛采用。
2、然而,ibvs存在一个本质性的缺陷:在机器人执行大范围运动的过程中,特征点容易移出相机视野,导致图像偏差无法计算、交互矩阵退化为奇异状态,进而使整个控制系统发散失效。在诸如机械臂进行大姿态调整、移动机器人大角度转向等典型场景中,该问题尤为突出。
3、针对上述视野约束问题,现有技术尝试了多种应对策略:一是采用路径规划方法,在笛卡尔空间预先规划一条确保特征始终可见的无碰撞轨迹,但该方法计算开销大,不适用于动态环境;二是在特征点临近图像边界时强制切换到pbvs模式,然而频繁的模式切换会引入控制不连续和抖振问题;三是采用启发式后退策略,检测到特征即将丢失时暂停伺服并执行后退运动,但这会大幅延长任务执行时间,且缺乏收敛性保障。
4、因此,如何在保证闭环收敛性的前提下,从根本上避免视觉伺服过程中特征点移出相机视野,是本领域亟待解决的技术问题。
技术实现思路
1、本发明的目的在于公开一种机器人视觉控制系统及方法,以解决现有技术中的不足。
2、为了达到上述目的,本发明提供如下技术方案:
3、一方面,本发明提供了一种机器人视觉控制方法,包括:
4、s1,获取安装于机器人的相机采集的当前图像,从所述当前图像中提取至少一个特征点的当前图像坐标;
5、s2,根据所述至少一个特征点的当前图像坐标与对应的期望图像坐标,计算图像特征误差;
6、s3,基于所述图像特征误差和由所述至少一个特征点的各交互矩阵组合而成的组合交互矩阵,生成名义视觉伺服速度指令;其中,所述名义视觉伺服速度指令为在无视野约束条件下驱动所述图像特征误差收敛至零的机器人速度指令;
7、s4,根据所述相机的视野边界,为所述至少一个特征点构建至少一个控制障碍函数;其中,所述控制障碍函数的函数值反映对应特征点与所述相机的视野边界之间的距离;
8、s5,以所述名义视觉伺服速度指令为基准,以所述至少一个控制障碍函数作为约束,构建二次规划问题;所述二次规划问题的目标函数为最小化所述二次规划问题的待求解变量与所述名义视觉伺服速度指令之间的偏差;所述二次规划问题的约束条件为:各所述控制障碍函数在所述待求解变量作用下的时间导数与所述控制障碍函数的当前函数值与对应的预设正系数的乘积之和大于或等于零;
9、s6,求解所述二次规划问题,得到修正视觉伺服速度指令;
10、s7,以所述修正视觉伺服速度指令控制所述机器人的运动。
11、可选的,所述当前图像坐标的提取过程包括:
12、s11,获取所述相机采集的所述当前图像,利用特征检测算法从所述当前图像中提取候选特征点;
13、s12,将所述候选特征点与所述期望图像坐标对应的期望特征点进行特征匹配,获得匹配特征点;
14、s13,对所述匹配特征点采用随机抽样一致性算法剔除误匹配点,将剔除误匹配点后保留的匹配特征点作为所述至少一个特征点,并获取该至少一个特征点的所述当前图像坐标。
15、可选的,所述图像特征误差按下式计算,
16、
17、其中,为t时刻的所述图像特征误差,为所述至少一个特征点在t时刻的所述当前图像坐标构成的向量,为所述对应的期望图像坐标构成的向量。
18、可选的,所述名义视觉伺服速度指令按下式生成,
19、
20、其中,为t时刻的所述名义视觉伺服速度指令,为预设正常数增益,为所述交互矩阵的伪逆,为所述图像特征误差,为所述至少一个特征点在t时刻的所述当前图像坐标构成的向量,为所述至少一个特征点的深度值。
21、可选的,所述相机的视野边界为定义在图像坐标空间中的一个凸多边形区域,所述控制障碍函数为反映对应特征点与该凸多边形区域的每条边之间带符号距离的函数;s4中,对任一特征点,取该特征点与所述凸多边形区域的各条边之间的带符号距离的最小值,作为该特征点对应的所述控制障碍函数的函数值。
22、可选的,所述构建所述二次规划问题,包括,
23、s51,将所述待求解变量设定为与所述名义视觉伺服速度指令同维度的速度变量v;
24、s52,以最小化作为所述目标函数,其中为t时刻的所述名义视觉伺服速度指令;
25、s53,对各所述控制障碍函数,计算其相对于所述至少一个特征点的当前图像坐标的偏导数,并利用所述交互矩阵将该偏导数转换为相对于所述待求解变量v的梯度,由此将所述约束条件表达为关于v的线性不等式约束;
26、s54,将所述目标函数与全部所述线性不等式约束组合为所述二次规划问题。
27、可选的,s52中的采用加权二范数形式:
28、
29、其中,为预设的正定权重矩阵,用于对各速度分量施以不同的修正代价权重。
30、可选的,所述s53中对于任意第i个所述控制障碍函数,所述线性不等式约束按如下方式表达:
31、
32、其中,为第i个所述控制障碍函数相对于第i个特征点的当前图像坐标的偏导数向量,为该第i个特征点的所述交互矩阵,为该第i个特征点的深度值,为所述待求解变量,为所述预设正系数,为该第i个所述控制障碍函数的当前函数值。
33、可选的,所述s7包括,
34、s71,根据所述修正视觉伺服速度指令和预设控制周期,对所述修正视觉伺服速度指令进行积分,获得所述机器人在当前控制周期内的期望位姿增量;
35、s72,通过所述机器人的逆运动学模型将所述期望位姿增量转换为所述机器人的各关节的关节角位移指令;
36、s73,将所述关节角位移指令发送至所述机器人的底层控制器,驱动所述机器人运动至下一时刻的位姿。
37、另一方面,本发明提供了一种机器人视觉控制系统,包括:
38、提取模块,用于获取安装于机器人的相机采集的当前图像,从所述当前图像中提取至少一个特征点的当前图像坐标;
39、计算模块,用于根据所述至少一个特征点的当前图像坐标与对应的期望图像坐标,计算图像特征误差;
40、生成模块,用于基于所述图像特征误差和由所述至少一个特征点的各交互矩阵组合而成的组合交互矩阵,生成名义视觉伺服速度指令;其中,所述名义视觉伺服速度指令为在无视野约束条件下驱动所述图像特征误差收敛至零的机器人速度指令;
41、构建模块,用于根据所述相机的视野边界,为所述至少一个特征点构建至少一个控制障碍函数;其中,所述控制障碍函数的函数值反映对应特征点与所述相机的视野边界之间的距离;
42、所述构建模块还用于以所述名义视觉伺服速度指令为基准,以所述至少一个控制障碍函数作为约束,构建二次规划问题;所述二次规划问题的目标函数为最小化所述二次规划问题的待求解变量与所述名义视觉伺服速度指令之间的偏差;所述二次规划问题的约束条件为:各所述控制障碍函数在所述待求解变量作用下的时间导数与所述控制障碍函数的当前函数值与对应的预设正系数的乘积之和大于或等于零;
43、求解模块,用于求解所述二次规划问题,得到修正视觉伺服速度指令;
44、控制模块,用于以所述修正视觉伺服速度指令控制所述机器人的运动。
45、本技术的技术方案通过引入控制障碍函数(cbf)和二次规划(qp)约束优化框架,从而解决了背景技术中所述的技术问题。其核心机理和有益效果如下:
46、与现有技术中事后补救的思路(如检测到特征点临近边界后被动执行后退或切换控制模式)不同,本技术将相机的视野边界编码为控制障碍函数,并将该控制障碍函数作为约束嵌入控制律的逐时刻求解过程。s5中构造的约束条件“各控制障碍函数在待求解变量作用下的时间导数与该控制障碍函数的当前函数值与预设正系数的乘积之和大于或等于零”严格保证了:只要当前特征点位于视野边界内,在qp求解所得修正视觉伺服速度指令的作用下,特征点在下一时刻必然仍保持在视野边界内。这一性质不依赖于运动路径的长短或初始位姿的优劣,实现了从被动应对视野越界到主动预防视野越界的根本性转变。
47、本技术通过目标函数的设计“最小化待求解变量与名义视觉伺服速度指令之间的偏差”实现了在保证视野安全的前提下,最小程度偏离名义视觉伺服目的的效果。当特征点远离视野边界时,约束条件自然满足,求解结果几乎等同于名义视觉伺服速度指令,系统以最高效率执行伺服任务;只有当特征点迫近视野边界时,约束条件才开始主动介入并对速度指令进行修正,且修正量仅为满足约束条件所必需的最小量。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com