機器人視覺伺服控制外文文獻翻譯、中英文翻譯

《機器人視覺伺服控制外文文獻翻譯、中英文翻譯》由會員分享，可在線閱讀，更多相關(guān)《機器人視覺伺服控制外文文獻翻譯、中英文翻譯（23頁珍藏版）》請在裝配圖網(wǎng)上搜索。

附錄 1：外文翻譯 摘要 本文介紹了機器人視覺伺服控制的入門教程，由于該課題涉及許多學(xué)科，我們的目標僅限于提供一個基本的概念框架工作。首先，我們從機器人學(xué)和計算機視覺的前提條件，包括坐標變換，速度表示，以及圖像形成過程的幾何方面的描述進行簡要回顧。然后，我們提出了視覺伺服控制系統(tǒng)的分類。然后詳細討論了基于位置和基于圖像的系統(tǒng)的兩大類。由于任何視覺伺服系統(tǒng)必須能夠跟蹤圖像序列中的圖像特征，所以我們還包括基于特征和基于相關(guān)性的跟蹤方法的概述。我們結(jié)束了教程與一些服務(wù)的當前方向的研究領(lǐng)域的視覺伺服控制 當今絕大多數(shù)增長的機器人人口都在工廠里工作，在那里工廠可以制造出適合機器人的環(huán)境。在工作環(huán)境和物體放置不能精確控制的應(yīng)用中，機器人的影響要小得多。這種局限性很大程度上是由于現(xiàn)代商業(yè)機器人系統(tǒng)固有的感覺能力不足。人們早已認識到，傳感器集成是提高機器人的通用性和應(yīng)用領(lǐng)域的基礎(chǔ)，但迄今為止，這還沒有證明在制造業(yè)中大量的機器人應(yīng)用是有效的。 機器人在日常生活中的“前沿”為這項研究提供了新的動力。與制造業(yè)的應(yīng)用不同，重新設(shè)計“我們的世界”并不適合于機器人。視覺是一種有用的機器人傳感器，因為它模仿人類的視覺，并允許對環(huán)境進行非接觸測量。自從 Shirai 和伊努埃（1）的早期工作（誰描述了如何使用視覺反饋回路來校正機器人的位置以提高任務(wù)精度），大量的 EORT 一直致力于機器人的視覺控制。機器人控制器完全集成的視覺系統(tǒng)現(xiàn)在可以從多個供應(yīng)商獲得。通常，視覺感知和操作以開環(huán)的方式組合，“看”然后“移動”。所得到的操作的精度直接取決于視覺傳感器和機器人末端 Ecter 的精度。增加這些子系統(tǒng)的精度的一個替代方法是使用視覺反饋控制回路，這將增加系統(tǒng)的整體精度，這是大多數(shù)應(yīng)用中的一個主要問題。極端地，機器視覺可以為機器人端部控制器提供閉環(huán)位置控制。這被稱為視覺伺服。這個詞似乎已經(jīng)被 RHT 和 Park（2）在 1979 中介紹了，以區(qū)別他們的方法與先前的“塊世界”實驗，其中系統(tǒng)在拍照和移動之間交替。在引入這個術(shù)語之前， 一般使用較少的視覺術(shù)語視覺反饋。為了這篇文章的目的，視覺伺服中的任務(wù)是使用視覺信息來控制機器人的末端 ECT 相對于目標對象或一組目標特征的姿態(tài)。該任務(wù)也可用于移動機器人，其中，它成為控制車輛的姿態(tài)相對于一些地標。 視覺伺服是融合許多領(lǐng)域的結(jié)果，包括高速圖像處理、運動學(xué)、動力學(xué)、控制理論和實時計算。它與主動視覺和運動結(jié)構(gòu)的研究有很多共同點，但與在分層任務(wù)級機器人控制系統(tǒng)中經(jīng)常使用的視覺非常不同。許多控制和視覺問題類似于那些正在建造“機器人頭”的主動視覺研究者所反對的。然而，視覺伺服中的任務(wù)是控制機器人利用視覺來操縱環(huán)境，而不是僅僅觀察環(huán)境。 本課程的教程介紹。我們的目標是幫助其他人通過提供一致的術(shù)語和術(shù)語來 創(chuàng)建視覺伺服系統(tǒng)，并欣賞可能的應(yīng)用。為了幫助新手到領(lǐng)域，我們將描述的技術(shù)，只需要簡單的視覺硬件（只是數(shù)字化儀），自由可用的 Visio 假設(shè)關(guān)于機器人及其控制系統(tǒng)。這是對許多不需要高控制和/或視覺性能的應(yīng)用程序的開始調(diào)查。在這樣一篇文章中的一個難點是該主題跨越許多不能在單個文章中得到充分解 決的學(xué)科。例如，底層控制問題從根本上來說是非線性的，視覺識別、跟蹤和重構(gòu)本身就是 ELD。因此，我們專注于每個學(xué)科的某些基本方面，并提供了廣泛的書目，以幫助讀者尋求更詳細的比這里可以提供。我們的偏好總是呈現(xiàn)那些我們已經(jīng)發(fā)現(xiàn)在實踐中很好地發(fā)揮作用并且具有某種通用適用性的想法和技術(shù)。另一個 DICTY 是基于視覺的運動控制文獻的當前快速增長，它包含許多涉及的理論和技術(shù)問題的解決方案和有前途的方法。我們再一次擁有 提出了我們認為是最基本的概念，并再次參考讀者的書目。 本文的其余部分結(jié)構(gòu)如下。第 2 節(jié)回顧了坐標變形、姿態(tài)表示和圖像形成的 相關(guān)基礎(chǔ)。在第 3 節(jié)中，我們提出了視覺伺服控制系統(tǒng)的分類（改編自[ 5 ]）。在 第4 和第5 節(jié)中分別討論了基于位置視覺伺服系統(tǒng)和基于圖像的視覺伺服系統(tǒng)的 兩大類。由于任何視覺伺服系統(tǒng)必須能夠跟蹤圖像序列中的圖像特征，所以第 6 節(jié)描述了視覺跟蹤的一些方法，這些方法具有廣泛的適用性，并且可以使用最少的專用硬件來實現(xiàn)。最后，第 7 節(jié)給出了關(guān)于視覺伺服控制研究領(lǐng)域的當前方向的大量觀測結(jié)果。 2 背景 在本節(jié)中，我們提供了一些與機器人視覺伺服控制相關(guān)的機器人和計算機視覺的簡要概述。我們首先從術(shù)語和符號來表示坐標變換和通過工作空間移動的剛性物體的速度（第 2.1 和 2.2 節(jié)）。在此之后，我們討論了與圖像形成有關(guān)的幾個 問題（第 2.3 和 2.4 節(jié)），以及可能的相機/機器人擁塞（第 2.5 節(jié)）。熟悉這些主 題的讀者可能希望直接進行第 3 節(jié)。 3 文以機器人的任務(wù)空間為例，以 T 為代表的機器人的任務(wù)空間，是機器人所能達到的一組位置和方位。由于任務(wù)空間僅僅是 RooTooTo 工具的配置空間，任務(wù)空間是平滑的 M 流形（見，例如，6）。如果工具是在三維工作空間中任意移動的單個剛體，則 t= SE＝R SO，并且 M- 6，任務(wù)空間可以被限制為 SE 的子空間。例如，對于拾取和放置，我們可以考慮純平移（t= r，對于 m -3），而對于跟蹤對象并保持它在視圖中，我們可能只考慮旋轉(zhuǎn)（t＝SO，M＝3），通常，相對于一個或多個坐標幀指定機器人任務(wù)。例如，攝像機可以提供關(guān)于攝像機相對于攝像機的位置的信息，而用于抓取物體的配置可以相對于附著在物體上的坐標框架來指定。我們用非 P. Given 兩幀表示點 P 相對于坐標系 A 的坐標。A 和 U 表示幀 Y 相對于幀 A 的方向的旋轉(zhuǎn)矩陣表示為＝R，。幀 Y 的原點相對于幀的位置由向量 T 表示。位置和方向框架一起指定一個姿勢，我們用一個“X”表示。如果主標上標 R 不是指定的，則世界坐標系被保證，我們也可以使用姿態(tài)來指定坐標變換。我們使用函數(shù)表示一個點的坐標變化。特別地，如果我們給出 p（坐標 p 相對于框架 y）的坐標，和 x，則通過應(yīng)用坐標變換規(guī)則得到 p 與坐標 A 的坐標。 續(xù)集中，我們將使用符號-X 來表示坐標變換或 TOA 姿態(tài)，它們分別由旋轉(zhuǎn)矩陣和平移、R 和 T 指定。同樣，我們將使用術(shù)語姿勢和協(xié)調(diào) TMNSechange 互換。一般來說，在“X”的兩種解釋之間不存在歧義，通常，我們必須組成多個坐標變換以獲得期望的坐標變化。例如，假設(shè)我們給出姿勢 X，ANX，。如果我們給出 p，并且希望計算＝p，我們可以使用坐標變換的組成。 如圖所示，我們表示坐標變換的組成，并用 對點 p 進行相應(yīng)的坐標變換。對應(yīng)矩陣和平移由 需要經(jīng)常使用的一些坐標框架由下列上標/下標引用 e 附著在機器人末端執(zhí)行器上的坐標系T 坐 標 系 附 于 目 標0 機器人的底架 攝像機的坐標系 SE，我們將使用符號 x.e t 來表示端效坐標系相對于世界框架的姿態(tài)。在這種情況下，我們通常喜歡使用平移向量和三個角度（例如，滾動、俯仰和偏航 7） 來參數(shù)化 APOSE。雖然 SUCH 參數(shù)化本質(zhì)上是局部的，但是通常用向量 R E 來表 示姿態(tài)，而不是由 X。E 表示。例如，當 t= r 時，我們將通過 r＝x，y，21 來參數(shù)化任務(wù)空間。在續(xù)篇中，如果我們考慮一個特定的任務(wù)，我們將假設(shè) RE。 通過注意交叉乘積可以用斜對稱矩陣表示，這可以用矩陣形式簡潔地寫出 2。攝像機保護模型 利用計算機視覺系統(tǒng)提供的信息來控制機器人是必要的，要了解 HE 成像過程的幾何方面，每個攝像機都包含一個透鏡，該透鏡在傳感器所在的圖像平面上形成并保護場景。這種保護導(dǎo)致直接信息丟失，使得圖像平面上的每個點對應(yīng)于射線。 在三維空間中。因此，需要一些附加信息來確定對應(yīng)于圖像平面點的 3D 坐標。該信息可以來自多個攝像機、多個攝像機和多個目標點上的幾何關(guān)系之間的幾何關(guān)系。在這一部分中，我們描述了三種已經(jīng)被廣泛用于建模圖像形成過程的投影模型：透視投影、比例正交投影和仿射投影。雖然我們簡要地描述了這些投影模型中的每一個，但在本教程的其余部分中，我們將假定使用透視投影。對于三個投影模型中的每一個，我們分配相機坐標系，其中 A 軸和 Y 軸形成圖像平面的基礎(chǔ)，即軸。垂直于圖像平面（沿著光軸），并且原點位于圖像平面后面的距離 A 處，其中 A 是相機鏡頭的焦距。如圖 1 所示。 在文獻中，圖像特征是任何結(jié)構(gòu)特征，而不是提取圖像（E.GeeGe－Cern），圖像特征將對應(yīng)于某物體（例如，機器人工具）的物理特征投影到攝像機圖像平面上的良好特征點是一個。可以在場景的不同視圖中明確地定位，例如墊圈 10 中的孔或設(shè)計圖案 11, 12。我們將圖像特征參數(shù)定義為可以從一個或多個圖像特 征中計算出來的任何實值量，用于視覺伺服控制的一些特征參數(shù)包括圖像 11, 14, 15、16, 17, 18、19 中的點的圖像平面坐標，距離為在圖像平面中的兩點和連接兩個點 10, 20 的線的方向，投影表面的感知邊緣長度 21a 和兩個投影表面的相對面積 21，投影表面的質(zhì)心和階次矩。Ne 11，以及圖像平面 11 中的橢圓的參數(shù)。在本課題中，我們將限的點特征，其參數(shù)是它們的圖像平面坐標。 可以使用攝像機的投影幾何來計算從末端執(zhí)行器的位置和方向到相應(yīng)的圖像特征參數(shù)的映射。我們將用 F 來對他的映射進行降噪，其中 例如，如果 是 U，Y 圖像平面坐標的空間，用于投影到圖像平面上， 那么，假設(shè)透視投影 ，其中 u 和 ube 由（16）給出。（19）的精確形式將部分取決于下一節(jié)中討論的 THM 相機和端部執(zhí)行器的相對配置。 2.5 相機配置 視覺伺服系統(tǒng)通常使用兩種相機配置中的一種：末端執(zhí)行器安裝或固定工作 空間。第一種，通常稱為手眼配置，攝像機安裝在機器人末端執(zhí)行器上。在這里， 存在一個已知的，往往是恒定的關(guān)系之間的相機的姿勢（砂的姿勢的末端執(zhí)行器）。我們通過 ARGET 的姿勢來表示這種關(guān)系：相對于相機框架用 X 表示。這些姿態(tài)之間的關(guān)系如圖 2 中所示，第二種配置有固定在工作空間中的攝像機。在這種情 況下，攝像機（X）與 X 的機器人的基本坐標系相關(guān)，而 X 則與目標有關(guān)。當然， 在該攝像機中，目標的攝像機圖像與機器人運動無關(guān)（除非目標 ISED 執(zhí)行器本身）。一種變體是為了使相機靈活，安裝在另一個機器人平移/傾斜頭上，以便從最佳攝像機 25 觀察視覺控制的機器人，以供選擇攝像機配置，在執(zhí)行視覺伺服任務(wù)之前，必須按順序執(zhí)行攝像機標定。確定攝像機內(nèi)部參數(shù)如焦距 必須建立坐標系，并將其封裝在外部參數(shù)確定 CAMELL 校準過程中。對于手眼的情況，必須考慮相對姿勢 X，這就是手/EVE 校準問題。校準是計算機視覺界的一個長期的研究（在許多參考文獻中可以找到校準問題的良好解決方案，例如 （, 27, 28）。 因此，由此產(chǎn)生的分類學(xué)有四大類，我們現(xiàn)在來描述。這些基本結(jié)構(gòu)在圖 3 至 6 中示意性地示出，如果控制體系結(jié)構(gòu)是分層的，并且使用視覺系統(tǒng)來提供關(guān)節(jié)點控制器的設(shè)置點輸入，從而利用聯(lián)合反饋來將機器人穩(wěn)定在內(nèi)部稱為動態(tài)觀察 A。ND 移動系統(tǒng)。相反，直接智能伺服消除機器人控制器完全取代它與視覺伺服控制器，直接計算聯(lián)合輸入，從而利用視覺單獨穩(wěn)定機制有以下幾個原因， 幾乎所有實現(xiàn)的系統(tǒng)采用動態(tài)外觀和移動近似然而，從視覺上獲得的相對較低的采樣率使得機器人末端控制器具有復(fù)雜的非線性動力學(xué)的直接控制，這是一個極具挑戰(zhàn)性的控制問題。使用具有高采樣率的內(nèi)部反饋一般呈現(xiàn)具有理想化軸動力 學(xué) 29 的視覺控制器。其次，許多機器人已經(jīng)有一個接口接受笛卡爾速度或增量位置命令。這簡化了視覺伺服系統(tǒng)的構(gòu)造，并且使方法更加便攜。第三，從視覺控制器看機構(gòu)的運動奇異性。允許機器人被認為是理想的笛卡爾運動裝置。由于許多解決速率 30 控制器具有專門處理運動學(xué)奇異性的機制 31），所以系統(tǒng)設(shè)計又被大大簡化。在本文中，我們將專門使用外觀和移動模型。系統(tǒng)的第二大分類將基于位置的控制與基于圖像的控制區(qū)分開來。在基于位置的控制中，從圖像中提取特征并結(jié)合目標的幾何模型和已知的攝像機模型來估計相對于攝像機的姿 態(tài)的姿態(tài)。通過減少估計的 POSEE 中的誤差來計算反饋。在基于圖像的伺服控制中，直接基于圖像特征來計算控制值?；趫D像的方法可以減少計算延遲，消除圖像解釋的必要性，并消除由于傳感器建模和攝像機標定造成的誤差。然而，它對控制器設(shè)計提出了一個重大的挑戰(zhàn)，因為該設(shè)備是非線性的和高度的 附錄 2：外文原文 ,