【技术实现步骤摘要】
本专利技术涉及一种基于张量积模型变换的移动机器人控制方法，属于移动机器人控制领域。
技术介绍
观察近几年国内外关于基于图像的移动机器人视觉伺服控制方法的特点，主要集中在对图像雅可比矩阵的在线估计。曾祥进，黄心汉等人运用Broyden动态法在线估计雅可比矩阵，从而控制机器人运动。该方法具有自适应性，但当无法识别机器人运动参数或图像中出现较大偏差时，无法保证该视觉伺服控制算法的稳定性。高振东等人采用局部拟合的方法来估计图像雅可比矩阵，可得到更加准确的图像雅可比矩阵的值，并能补偿处理图像带来的时延。但这些研究工作都没有考虑到内在的约束，包括驱动器饱和、最大速度、以及一些机器人动力学的状态变量的约束。因此需要一种能够实时在线应用于移动机器人这种快速变化的动态系统。为了解决这一问题，优化问题必须在系统规定采样时间内得以解决。
技术实现思路
目的：为解决上述不足，本专利技术提供一种基于张量积模型变换的移动机器人控制方法，在图像的视觉伺服在图像特征点和离散的雅可比矩阵基础上设计一种控制方法，将张量积模型变换引入优化控制，并将此方法应用于移动机器人。本专利技术的技术方案如下：一种基于张量积模型变换的移动机器人控制方法，所述移动机器人包括一台网络摄像机、PC机、视觉传感器、预测控制器和双轮驱动机器人车体，所述移动机器人的具体控制步骤如下：步骤1)：首先在PC机设定机器人初始位姿，并根据移动机器人运动模型以及摄像机参数矩阵获得具体视觉特征点在图像平面的期望特征数据；步骤2):根据步骤1中所述的移动机器人运动模型以及摄像机小孔模型原理，通过坐标转换得到相应的图像雅可比矩阵，并将雅...
【技术保护点】
一种基于张量积模型变换的移动机器人控制方法，所述移动机器人包括一台网络摄像机、PC机、视觉传感器、预测控制器和双轮驱动机器人车体，其特征在于，所述移动机器人的具体控制步骤如下：步骤1)：首先在PC机设定机器人初始位姿，并根据移动机器人运动模型以及摄像机参数矩阵获得具体视觉特征点在图像平面的期望特征数据；步骤2):根据步骤1中所述的移动机器人运动模型以及摄像机小孔模型原理，通过坐标转换得到相应的图像雅可比矩阵，并将雅可比矩阵离散化以张量形式存储；步骤3):将步骤2中离线所得张量执行高阶奇异值分解，提取图像雅可比矩阵的顶点张量以及各时变参数对应的权值函数，并对权值函数进行归一化，得到雅可比顶点矩阵；步骤4)：所述网络摄像机将拍摄到的图像传输至PC机处理，得到当前图像特征点在摄像机图像平面的坐标信息；步骤5)：根据步骤3中所得的雅可比顶点矩阵和步骤4中得到的当前图像特征点在摄像机图像平面的坐标信息，通过线性矩阵不等式求解凸最优问题，得到当前时刻系统最优控制输入vc(k)，将此控制输入vc(k)传给电机驱动移动机器人运动；步骤6)：在下一采样时刻重复上述步骤1‑5的过程，直到满足摄像机拍到的图...
【技术特征摘要】
1.一种基于张量积模型变换的移动机器人控制方法，所述移动机器人包括一台网络摄像机、PC机、视觉传感器、预测控制器和双轮驱动机器人车体，其特征在于，所述移动机器人的具体控制步骤如下：步骤1)：首先在PC机设定机器人初始位姿，并根据移动机器人运动模型以及摄像机参数矩阵获得具体视觉特征点在图像平面的期望特征数据；步骤2):根据步骤1中所述的移动机器人运动模型以及摄像机小孔模型原理，通过坐标转换得到相应的图像雅可比矩阵，并将雅可比矩阵离散化以张量形式存储；步骤3):将步骤2中离线所得张量执行高阶奇异值分解，提取图像雅可比矩阵的顶点张量以及各时变参数对应的权值函数，并对权值函数进行归一化，得到雅可比顶点矩阵；步骤4)：所述网络摄像机将拍摄到的图像传输至PC机处理，得到当前图像特征点在摄像机图像平面的坐标信息；步骤5)：根据步骤3中所得的雅可比顶点矩阵和步骤4中得到的当前图像特征点在摄像机图像平面的坐标信息，通过线性矩阵不等式求解凸最优问题，得到当前时刻系统最优控制输入vc(k)，将此控制输入vc(k)传给电机驱动移动机器人运动；步骤6)：在下一采样时刻重复上述步骤1-5的过程，直到满足摄像机拍到的图像特征误差e(k)小于设定阈值。2.根据权利要求1所述的一种基于张量积模型变换的移动机器人控制方法，其特征在于，所述步骤1中移动机器人运动模型如下：x·R=vRcosθRy·R=vRsinθRθ·R=ωR--...
【专利技术属性】
技术研发人员：王婷婷，韩雪，张驰，张杰，马霰，庄兴昌，杨雨，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。