·112· 智能系统学报 第3卷 制、遗传算法等，引入到视觉伺服系统中，通过智能 及它们之间的一系列中间图像共同构成，这样可以 视觉伺服来提高系统的可靠性.其中，基于神经网络 将大范围的视觉伺服问题分解为若干个小范围的视 的视觉伺服充分利用神经网络对于非线性映射的逼 觉伺服子任务，对每个子任务而言，其目标是控制机 近能力，利用它来建立机器人空间与图像空间的对 器人，使其到达轨迹上的相邻一幅图像；另一方面 应关系，这种方法无需对视觉模型等进行理论分 也可以通过主动视觉等技术来解决特征点偏离视野 析，但是通常需要对网络进行大量训练，并且其外推 的问题.例如，在伺服过程中，根据机器人的运动特 能力不强，因此，对于不同的工作环境，网络需要重 性对下一时刻的图像进行预测，在此基础上，通过云 新学习.基于模糊规则的伺服方法则根据人类视觉 台等来调整摄像机的方向，使参考物体尽可能位于 系统的经验来计算控制信号3，.这种方法对于环 像平面中心 境中的不确定性适应性强，但是伺服的精度一般不 2)高速伺服策略研究.视觉信息非常丰富，但是 高，并且需要较长时间来总结伺服规则 图像采集频率不高.此外，在伺服过程中，一般要通 过特征点提取、匹配、分析、比较等方法来获取机器 3结论与展望 人的位姿以实现反馈控制.整个过程计算量很大，周 综述国内外的研究情况可以看出，视觉伺服是 期较长，上述原因导致常见的伺服系统实时性较差， 一项多学科交叉的新兴研究领域，其研究进展将促 难以满足动态目标体跟踪等场合的需要.为了拓展 进机器人在SLAM(机器人同时定位与地图构建)、 视觉伺服领域的应用前景，必须开展高速视觉伺服 智能搜索等方面的研究，从而为提高机器人的智能 策略研究.一方面，需要研究计算机视觉的有关算 化水平与工作能力，扩展其在家庭服务、反恐防暴等 法，降低特征点提取和匹配等环节的复杂度，从图像 方面的进一步应用提供良好的技术积累， 中快速可靠地获取机器人位姿信息，同时在控制方 作为当前智能机器人领域一个方兴未艾的关键 法上应该通过图像特征预测等措施来降低信息反馈 研究方向，现在世界各国，如法国、日本、美国、意大 的时延；另一方面，可以充分利用其他辅助传感器， 利等发达国家都在大力进行视觉伺服方面的研究， 如移动机器人上广泛配置的光电码盘、声呐等，将视 并取得了较大的进展.但是，现有的各种视觉伺服方 觉和其他传感信号互相融合来提高伺服的速度 法，包括基于图像的视觉伺服、基于位置的视觉伺服 3)鲁棒视觉伺服技术研究.为了使视觉伺服系 以及2.5维视觉伺服，都存在奇异性、局部极小等不 统能够在复杂环境下工作，必须提高它对于各种不 同的缺陷.此外，通常的视觉伺服系统实时性较差， 确定因素的鲁棒性.为此，需要从理论上分析系统中 并且其中的伺服算法都局限于解决问题的某一个方 的各种不确定因素对伺服性能的影响，在此基础上， 面，一般都只能适用于某些特定的理想条件，特别是 采用李雅普诺夫等方法来设计自适应、滑模切换等 当系统中存在各种不确定因素，包括外界光照条件 各种非线性反馈环节，或者采用神经网络等智能控 变化、摄像机参数误差、机器人未知的运动特性、图 制方法，使伺服系统能够适应自身以及环境因素的 像噪声等时，现有的视觉伺服系统很难获得满意的 变化，使之在外界光照条件变化、摄像机参数突变、 伺服性能 存在图像畸变和噪声等情况下，仍然能够获得满意 为了将视觉伺服技术真正应用于机器人系统， 的伺服性能 必须提高视觉伺服系统的速度和精确度、鲁棒性、可 参考文献： 靠性以及智能化程度，使其在具有各种不确定因素 的复杂环境下能够可靠地工作.根据上述目标，视觉 [1]CHAUMETTE F,HUTCHINSON S.Visual servo com 伺服将可能在以下几个方面进行重点研究： trol part I:basic approaches[J ]IEEE Robotics &Au 1)确保伺服过程中参考物体始终位于摄像机视 tomation Magazine,2006(12):82-90. [2]CHAUMETTE F,HUTCHINSON S.Visual servo con 野之内.对于现有的视觉伺服系统而言，当机器人的 起始位姿与目标位姿相差较远时，在伺服过程中，参 trol part II:advanced approaches[J].IEEE Robotics& Automation Magazine,2007(3):109-118. 考物体经常偏离于摄像机视野之外，致使伺服失败 [3]王麟琨，徐德，谭民.机器人视觉伺服研究进展 这种缺陷严重地阻碍了视觉伺服技术的进一步应 [U].机器人，2004,26(3)：277-282. 用.为了解决上述问题以提高伺服系统的可靠性，一 WANG Linkun,XU De,TAN Min.Survey of research 方面，可以采用图像平面路径规划方法，即在图像平 on robotic visual servoing[J ]Robot,2004,26(3):277- 面上构造一条目标路径，它由起始图像、目标图像以 282 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.htp://www.cnki.net制、遗传算法等 ,引入到视觉伺服系统中 ,通过智能 视觉伺服来提高系统的可靠性. 其中 ,基于神经网络 的视觉伺服充分利用神经网络对于非线性映射的逼 近能力 ,利用它来建立机器人空间与图像空间的对 应关系[37 ] . 这种方法无需对视觉模型等进行理论分 析 ,但是通常需要对网络进行大量训练 ,并且其外推 能力不强 ,因此 ,对于不同的工作环境 ,网络需要重 新学习. 基于模糊规则的伺服方法则根据人类视觉 系统的经验来计算控制信号[38239 ] . 这种方法对于环 境中的不确定性适应性强 ,但是伺服的精度一般不 高 ,并且需要较长时间来总结伺服规则. 3 结论与展望 综述国内外的研究情况可以看出 ,视觉伺服是 一项多学科交叉的新兴研究领域 ,其研究进展将促 进机器人在 SLAM (机器人同时定位与地图构建) 、 智能搜索等方面的研究 ,从而为提高机器人的智能 化水平与工作能力 ,扩展其在家庭服务、反恐防暴等 方面的进一步应用提供良好的技术积累. 作为当前智能机器人领域一个方兴未艾的关键 研究方向 ,现在世界各国 ,如法国、日本、美国、意大 利等发达国家都在大力进行视觉伺服方面的研究 , 并取得了较大的进展. 但是 ,现有的各种视觉伺服方 法 ,包括基于图像的视觉伺服、基于位置的视觉伺服 以及 2. 5 维视觉伺服 ,都存在奇异性、局部极小等不 同的缺陷. 此外 ,通常的视觉伺服系统实时性较差 , 并且其中的伺服算法都局限于解决问题的某一个方 面 ,一般都只能适用于某些特定的理想条件 ,特别是 当系统中存在各种不确定因素 ,包括外界光照条件 变化、摄像机参数误差、机器人未知的运动特性、图 像噪声等时 ,现有的视觉伺服系统很难获得满意的 伺服性能. 为了将视觉伺服技术真正应用于机器人系统 , 必须提高视觉伺服系统的速度和精确度、鲁棒性、可 靠性以及智能化程度 ,使其在具有各种不确定因素 的复杂环境下能够可靠地工作. 根据上述目标 ,视觉 伺服将可能在以下几个方面进行重点研究 : 1) 确保伺服过程中参考物体始终位于摄像机视 野之内. 对于现有的视觉伺服系统而言 ,当机器人的 起始位姿与目标位姿相差较远时 ,在伺服过程中 ,参 考物体经常偏离于摄像机视野之外 ,致使伺服失败. 这种缺陷严重地阻碍了视觉伺服技术的进一步应 用. 为了解决上述问题以提高伺服系统的可靠性 ,一 方面 ,可以采用图像平面路径规划方法 ,即在图像平 面上构造一条目标路径 ,它由起始图像、目标图像以 及它们之间的一系列中间图像共同构成 ,这样可以 将大范围的视觉伺服问题分解为若干个小范围的视 觉伺服子任务 ,对每个子任务而言 ,其目标是控制机 器人 ,使其到达轨迹上的相邻一幅图像 ;另一方面 , 也可以通过主动视觉等技术来解决特征点偏离视野 的问题. 例如 ,在伺服过程中 ,根据机器人的运动特 性对下一时刻的图像进行预测 ,在此基础上 ,通过云 台等来调整摄像机的方向 ,使参考物体尽可能位于 像平面中心. 2) 高速伺服策略研究. 视觉信息非常丰富 ,但是 图像采集频率不高. 此外 ,在伺服过程中 ,一般要通 过特征点提取、匹配、分析、比较等方法来获取机器 人的位姿以实现反馈控制. 整个过程计算量很大 ,周 期较长. 上述原因导致常见的伺服系统实时性较差 , 难以满足动态目标体跟踪等场合的需要. 为了拓展 视觉伺服领域的应用前景 ,必须开展高速视觉伺服 策略研究. 一方面 ,需要研究计算机视觉的有关算 法 ,降低特征点提取和匹配等环节的复杂度 ,从图像 中快速可靠地获取机器人位姿信息 ,同时在控制方 法上应该通过图像特征预测等措施来降低信息反馈 的时延 ;另一方面 ,可以充分利用其他辅助传感器 , 如移动机器人上广泛配置的光电码盘、声呐等 ,将视 觉和其他传感信号互相融合来提高伺服的速度. 3) 鲁棒视觉伺服技术研究. 为了使视觉伺服系 统能够在复杂环境下工作 ,必须提高它对于各种不 确定因素的鲁棒性. 为此 ,需要从理论上分析系统中 的各种不确定因素对伺服性能的影响 ,在此基础上 , 采用李雅普诺夫等方法来设计自适应、滑模切换等 各种非线性反馈环节 ,或者采用神经网络等智能控 制方法 ,使伺服系统能够适应自身以及环境因素的 变化 ,使之在外界光照条件变化、摄像机参数突变、 存在图像畸变和噪声等情况下 ,仍然能够获得满意 的伺服性能. 参考文献 : [ 1 ]CHAUMETTE F , HU TCHINSON S. Visual servo con2 trol part I: basic approaches[J ]. IEEE Robotics & Au2 tomation Magazine , 2006 (12) : 82290. [ 2 ]CHAUMETTE F , HU TCHINSON S. Visual servo con2 trol part II: advanced approaches[J ]. IEEE Robotics & Automation Magazine , 2007 (3) : 1092118. [3 ]王麟琨 , 徐 德 , 谭 民. 机器人视觉伺服研究进展 [J ]. 机器人 , 2004 , 26 (3) : 2772282. WAN G Linkun , XU De , TAN Min. Survey of research on robotic visual servoing[J ]. Robot , 2004 , 26 (3) : 2772 282. ·112 · 智 能 系 统 学 报 第 3 卷 © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net