第2期 方勇纯：机器人视觉伺服研究综述 ·111- 器人视觉伺服策略没有综合考虑系统中的各种不确 参数的标定误差，机器人动、静态特性中的不确定因 定因素，如摄像机内/外参数的标定误差、图像信号 素，以及工作环境中地面平滑程度的差异等等.为了 中的噪声等，致使所设计的系统精度和可靠性不高， 提高机器人伺服系统的精度和可靠性，机器人领域 对于环境因素的变化缺乏鲁棒性 的许多学者对上述不确定因素进行了深入研究.他 因此，如何有机地将各种先进控制方法应用于 们将非线性控制理论应用于机器人视觉伺服系统， 视觉伺服系统，解决系统中存在的图像偏离摄像机 分别采用自适应控制和鲁棒控制等方法来提高机器 视野、图像误差、摄像机参数不确定性等问题，进一 人视觉伺服系统对于这些不确定因素的适应能力 步提高视觉伺服系统的精度、效率和可靠性，是当前 很多专家针对视觉伺服系统中摄像机内外参数 机器人视觉伺服的研究热点 的不确定性进行了深入研究2*0).其中，方勇纯等人 2.1从图像中获取机器人位姿方法研究 采用李雅普诺夫方法设计了一系列视觉伺服策略 视觉伺服需要实现关于机器人位置和姿态的控 分别实现了机器手臂和直角坐标式机器人对于摄像 制目标，为此，必须从图像中提取位姿信息来实现反 机内外参数的鲁棒和自适应控制26]，Y.Liu等人 馈控制近年来，很多专家就如何从二维图像中尽可 设计了一种基于图像的动态视觉伺服策略，它可以 能准确地得到机器人位姿信息进行了研究，所采用通过自适应算法来在线估计未知的摄像机内/外参 的主要方法是特征点匹配和图像比较，即对当前图 数，在图像信号畸变与存在噪声等情况下实现了位 像和目标图像进行分析和对比，从中获得机器人位 置误差的渐近收敛2).而文献[30]中，G.L.Mari 姿与目标值之间的偏差，具体算法包括单应矩阵计 ottini等人所设计的基于图像的视觉伺服算法对于 算和分解51、本质矩阵分解等16川.另外，在视觉 摄像机的部分内参数，如摄像机焦距等具有较强的 伺服过程中，当参考物体全部或者部分偏离于摄像 鲁棒性 机的视野之外，或者出现自遮挡(self-occlusion)等 在视觉伺服过程中，机器人工作环境的地理特 现象时，通常需要结合图像轨迹的特点来估计单应 性以及地面的光滑程度等都会影响到伺服的精度， 矩阵或者本质矩阵，在此基础上，计算得到摄像机的 因此一些专家对此进行了研究3r1.例如，Kag 位姿信号 nemma等人设计了一种实时观测算法来估计地面 另一方面，为了从二维图像信号中提取机器人 的主要特性参数，并根据估计结果进行路径规划，寻 的位置/姿态信息，可以利用深度传感器，如激光等， 找到合适的路径以使机器人顺利达到目标点B」 来测量深度信号，并通过传感器之间的融合来获取 2.3视觉伺服路径规划研究 位姿信息：或者是采用多个摄像机，通过立体视觉方 为了提高伺服系统的效率，在保证参考物体位 法来获取三维信息].这些方法具有较高的精度， 于摄像机视野的同时，应该尽可能地实现直线或者 但是会提高系统设计与分析的复杂度.基于这种原 准直线伺服，使机器人快速准确地达到期望位置与 因，一些机器人领域的专家采用软测量的方法来在 姿态3).为了实现上述目标，很多视觉伺服系统预 线估计深度信息.他们通过对视觉系统的动态特性 先在机器人起始位姿和目标位姿之间进行路径规 进行详细分析，在此基础上，利用二维图像信号，并 划，并设计合适的控制器使机器人沿规划好的路径 结合其动态特性以及其他有关信号来设计观测器， 运动.为此，通常是将势场(potential field)和导航函 渐近估计伺服过程中的深度信息，并进而计算得到 数(navigation function)等方法应用于视觉伺服系 参考点的三维笛卡儿坐标以及机器人的位姿信 统来规划图像平面的路径.例如，Y.Mezouar等人 息202！.如W.Dixon和方勇纯等人采用李雅普诺 应用势场方法在图像空间构造了一条路径，并利用 夫方法构造了一种具有滑模结构的非线性观测器， 二维视觉伺服使机器人跟踪这条路径435)，此外， 这种观测器可以在线估计视觉系统中的深度信号， 也可以利用几何方法，根据视觉图像的运动特点来 并实现三维直角坐标估计误差的渐近收敛2].而 规划伺服路径.例如，Hashimoto等人在摄像机初 Y.Chen等人则通过将非线性视觉系统近似为一组 始位置与目标位置之间规划了一条近似于圆周运动 线性时变系统，然后采用标准的线性观测器来估计 的轨迹361，以确保伺服过程中，参照物体始终位于 得到深度信息2] 摄像机的视野之内」 2.2视觉伺服的鲁棒性和自适应性研究 2.4智能视觉伺服方法研究 视觉伺服是一个具有非线性特性的复杂过程， 为了处理视觉同服系统中存在的各种不确定 并且伺服过程中存在各种不确定因素，例如摄像机 性，许多专家将各种智能算法，如神经网络、模糊控 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved http://www.cnki.net器人视觉伺服策略没有综合考虑系统中的各种不确 定因素 ,如摄像机内/ 外参数的标定误差、图像信号 中的噪声等 ,致使所设计的系统精度和可靠性不高 , 对于环境因素的变化缺乏鲁棒性. 因此 ,如何有机地将各种先进控制方法应用于 视觉伺服系统 ,解决系统中存在的图像偏离摄像机 视野、图像误差、摄像机参数不确定性等问题 ,进一 步提高视觉伺服系统的精度、效率和可靠性 ,是当前 机器人视觉伺服的研究热点. 2. 1 从图像中获取机器人位姿方法研究 视觉伺服需要实现关于机器人位置和姿态的控 制目标 ,为此 ,必须从图像中提取位姿信息来实现反 馈控制. 近年来 ,很多专家就如何从二维图像中尽可 能准确地得到机器人位姿信息进行了研究 ,所采用 的主要方法是特征点匹配和图像比较 ,即对当前图 像和目标图像进行分析和对比 ,从中获得机器人位 姿与目标值之间的偏差 ,具体算法包括单应矩阵计 算和分解[14215 ] 、本质矩阵分解等[16217 ] . 另外 ,在视觉 伺服过程中 ,当参考物体全部或者部分偏离于摄像 机的视野之外 ,或者出现自遮挡 (self2occlusion) 等 现象时 ,通常需要结合图像轨迹的特点来估计单应 矩阵或者本质矩阵 ,在此基础上 ,计算得到摄像机的 位姿信号[18 ] . 另一方面 ,为了从二维图像信号中提取机器人 的位置/ 姿态信息 ,可以利用深度传感器 ,如激光等 , 来测量深度信号 ,并通过传感器之间的融合来获取 位姿信息 ;或者是采用多个摄像机 ,通过立体视觉方 法来获取三维信息[19 ] . 这些方法具有较高的精度 , 但是会提高系统设计与分析的复杂度. 基于这种原 因 ,一些机器人领域的专家采用软测量的方法来在 线估计深度信息. 他们通过对视觉系统的动态特性 进行详细分析 ,在此基础上 ,利用二维图像信号 ,并 结合其动态特性以及其他有关信号来设计观测器 , 渐近估计伺服过程中的深度信息 ,并进而计算得到 参考点的三维笛卡儿坐标以及机器人的位姿信 息[20223 ] . 如 W. Dixon 和方勇纯等人采用李雅普诺 夫方法构造了一种具有滑模结构的非线性观测器 , 这种观测器可以在线估计视觉系统中的深度信号 , 并实现三维直角坐标估计误差的渐近收敛[20 ] . 而 Y. Chen 等人则通过将非线性视觉系统近似为一组 线性时变系统 ,然后采用标准的线性观测器来估计 得到深度信息[23 ] . 2. 2 视觉伺服的鲁棒性和自适应性研究 视觉伺服是一个具有非线性特性的复杂过程 , 并且伺服过程中存在各种不确定因素 ,例如摄像机 参数的标定误差 ,机器人动、静态特性中的不确定因 素 ,以及工作环境中地面平滑程度的差异等等. 为了 提高机器人伺服系统的精度和可靠性 ,机器人领域 的许多学者对上述不确定因素进行了深入研究. 他 们将非线性控制理论应用于机器人视觉伺服系统 , 分别采用自适应控制和鲁棒控制等方法来提高机器 人视觉伺服系统对于这些不确定因素的适应能力. 很多专家针对视觉伺服系统中摄像机内外参数 的不确定性进行了深入研究[24230 ] . 其中 ,方勇纯等人 采用李雅普诺夫方法设计了一系列视觉伺服策略 , 分别实现了机器手臂和直角坐标式机器人对于摄像 机内外参数的鲁棒和自适应控制[26228 ] . Y. Liu 等人 设计了一种基于图像的动态视觉伺服策略 ,它可以 通过自适应算法来在线估计未知的摄像机内/ 外参 数 ,在图像信号畸变与存在噪声等情况下实现了位 置误差的渐近收敛[ 29 ] . 而文献[ 30 ]中 , G. L . Mari2 ottini 等人所设计的基于图像的视觉伺服算法对于 摄像机的部分内参数 ,如摄像机焦距等具有较强的 鲁棒性. 在视觉伺服过程中 ,机器人工作环境的地理特 性以及地面的光滑程度等都会影响到伺服的精度 , 因此一些专家对此进行了研究[31232 ] . 例如 , K. Iag2 nemma 等人设计了一种实时观测算法来估计地面 的主要特性参数 ,并根据估计结果进行路径规划 ,寻 找到合适的路径以使机器人顺利达到目标点[31 ] . 2. 3 视觉伺服路径规划研究 为了提高伺服系统的效率 ,在保证参考物体位 于摄像机视野的同时 ,应该尽可能地实现直线或者 准直线伺服 ,使机器人快速准确地达到期望位置与 姿态[33 ] . 为了实现上述目标 ,很多视觉伺服系统预 先在机器人起始位姿和目标位姿之间进行路径规 划 ,并设计合适的控制器使机器人沿规划好的路径 运动. 为此 ,通常是将势场(potential field) 和导航函 数(navigation f unction) 等方法应用于视觉伺服系 统来规划图像平面的路径. 例如 , Y. Mezouar 等人 应用势场方法在图像空间构造了一条路径 ,并利用 二维视觉伺服使机器人跟踪这条路径[342 35 ] . 此外 , 也可以利用几何方法 ,根据视觉图像的运动特点来 规划伺服路径. 例如 , Hashimoto 等人在摄像机初 始位置与目标位置之间规划了一条近似于圆周运动 的轨迹[ 36 ] ,以确保伺服过程中 ,参照物体始终位于 摄像机的视野之内. 2. 4 智能视觉伺服方法研究 为了处理视觉伺服系统中存在的各种不确定 性 ,许多专家将各种智能算法 ,如神经网络、模糊控 第 2 期 方勇纯 :机器人视觉伺服研究综述 ·111 · © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net