视觉伺服控制方法、装置和无人设备制造方法及图纸

本公开提供了一种视觉伺服控制方法、装置和无人设备，涉及无人控制领域。该方法包括：获取无人设备的视觉传感器在当前位置拍摄的地面标识图像；基于地面标识图像确定当前视觉特征点坐标；利用预测时域内各个时刻的视觉特征点坐标和期望视觉特征点坐标的差值，以及控制时域内各个时刻的无人设备的运行参数，构建模型预测控制器的代价函数，其中，根据当前视觉特征点坐标以及对应的运行参数，获得预测时域内各个时刻的视觉特征点坐标；通过最小化模型预测控制器的代价函数，预测得到控制时域内各个时刻的无人设备的运行参数；将控制时域内第一个时刻的运行参数作为目标运行参数，对无人设备进行视觉伺服控制，能够提高无人设备的运行控制的性能。

【技术实现步骤摘要】
视觉伺服控制方法、装置和无人设备
本公开涉及无人控制领域，尤其涉及一种视觉伺服控制方法、装置和无人设备。
技术介绍
基于机器人或者无人机的视觉伺服算法得到广泛研究，视觉伺服系统就是利用一个或者多个相机来感知机器人或者无人机的位置姿态，从而对其位置方向进行精确控制。根据反馈信息构造误差量的形式，视觉伺服控制系统可以分为基于位置的视觉伺服控制(PBVS)、基于图像的视觉伺服控制(IBVS)以及混合的视觉伺服控制。近年来基于图像的视觉伺服控制在无人机上得到了应用，但基于图像的视觉伺服控制的关键问题是如何得到反映图像特征与无人机位置姿态之间的图像雅可比矩阵，并且，基于图像的视觉伺服控制对系统的约束问题难以处理，可能导致总体飞行控制系统的性能下降。
技术实现思路
本公开要解决的一个技术问题是，提供一种视觉伺服控制方法、装置和无人设备，能够提高无人设备的运行控制性能。根据本公开一方面，提出一种视觉伺服控制方法，包括：获取无人设备的视觉传感器在当前位置拍摄的地面标识图像；基于地面标识图像确定当前视觉特征点坐标；利用预测时域内各个时刻的视觉特征点坐标和期望视觉特征点坐标的差值，以及控制时域内各个时刻的无人设备的运行参数，构建模型预测控制器的代价函数，其中，根据当前视觉特征点坐标以及对应的运行参数，获得预测时域内各个时刻的视觉特征点坐标；通过最小化模型预测控制器的代价函数，预测得到控制时域内各个时刻的无人设备的运行参数；将控制时域内第一个时刻的运行参数作为目标运行参数，对无人设备进行视觉伺服控制，以使无人设备运行到期望位置。在一个实施例中，该方法还包括：对模型预测控制器的代价函数进行约束，获得满足无人设备的视场约束条件和运行约束条件的目标运行参数。在一个实施例中，构建模型预测控制器的代价函数包括：根据预测时域内各个时刻的视觉特征点坐标和期望视觉特征点坐标的差值确定预测时域内各个时刻的视觉特征点误差；根据预测时域内各个时刻的视觉特征点误差，确定视觉特征点误差的二次型函数；根据控制时域内各个时刻的无人设备的运行参数，确定运行参数的二次型函数；基于视觉特征点误差的二次型函数与运行参数的二次型函数之和，确定模型预测控制器的代价函数。在一个实施例中，获得预测时域内各个时刻的视觉特征点坐标包括：根据当前视觉特征坐标和无人设备在当前时刻的运行参数，预测无人设备在下一时刻的视觉特征点坐标；重复执行预测无人设备在下一时刻的视觉特征点坐标，直到预测出无人设备在预测时域内最后一个时刻的视觉特征点坐标。在一个实施例中，预测无人设备在下一时刻的视觉特征点坐标包括：获取视觉特征点在当前时刻对应的图像雅可比矩阵；对无人设备在当前时刻的运行参数、图像雅可比矩阵、与视觉传感器采样周期，进行求积运算；根据求积运算的结果和当前视觉特征坐标，预测无人设备在下一时刻的视觉特征点坐标。在一个实施例中，对无人设备进行视觉伺服控制包括：将目标运行参数输入至串联的位置控制器和姿态控制器，其中，位置控制器和姿态控制器具有比例、积分、微分控制功能；将通过串联的位置控制器和姿态控制器输出的位置信息反馈至位置控制器，将输出的姿态信息反馈至姿态控制器。在一个实施例中，运行参数为能够反映无人设备的位置和姿态的速度信息。根据本公开的另一方面，还提出一种视觉伺服控制装置，包括：地面标识图像获取单元，被配置为获取无人设备的视觉传感器在当前位置拍摄的地面标识图像；特征点坐标确定单元，被配置为基于地面标识图像确定当前视觉特征点坐标；运行参数预测单元，被配置为利用预测时域内各个时刻的视觉特征点坐标和期望视觉特征点坐标的差值，以及控制时域内各个时刻的无人设备的运行参数，构建模型预测控制器的代价函数，其中，根据当前视觉特征点坐标以及对应的运行参数，获得预测时域内各个时刻的视觉特征点坐标；通过最小化模型预测控制器的代价函数，预测得到控制时域内各个时刻的无人设备的运行参数；视觉伺服控制单元，被配置为将控制时域内第一个时刻的运行参数作为目标运行参数，对无人设备进行视觉伺服控制，以使无人设备运行到期望位置。在一个实施例中，运行参数预测单元还被配置为对模型预测控制器的代价函数进行约束，获得满足无人设备的视场约束条件和运行约束条件的目标运行参数。根据本公开的另一方面，还提出一种视觉伺服控制装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行如上述的视觉伺服控制方法。根据本公开的另一方面，还提出一种无人设备，包括上述的视觉伺服控制装置。在一个实施例中，该无人设备还包括：视觉传感器，被配置为拍摄地面标识图像。根据本公开的另一方面，还提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述的视觉伺服控制方法的步骤。与相关技术相比，本公开实施例通过构建模型预测控制器的代价函数，最小化代价函数后，可以预测出控制时域内各个时刻的无人设备的运行参数，将控制时域内第一个时刻的运行参数作为目标运行参数，对无人设备进行视觉伺服控制，即将模型预测控制算法与基于图像的视觉伺服控制相结合，使得无人设备的运行不再依赖于GPS信号，并且能够克服传统基于图像的视觉伺服控制算法存在调节参数困难的问题，提高无人设备的运行控制性能。通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。附图说明构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：图1为本公开视觉伺服控制方法的一个实施例的流程示意图。图2为本公开视觉伺服控制方法的另一个实施例的流程示意图。图3为本公开视觉伺服控制方法中模型预测控制框架示意图。图4为本公开模型预测控制器输出的预测时域内无人机的运行参数示意图。图5为本公开串级PID速度跟踪控制器的示意图。图6为本公开视觉伺服控制装置的一个实施例的结构示意图。图7为本公开视觉伺服控制装置的另一个实施例的结构示意图。图8为本公开视觉伺服控制装置的再一个实施例的结构示意图。图9为本公开无人设备的一个实施例的结构示意图。具体实施方式现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其本文档来自技高网...

【技术保护点】
1.一种视觉伺服控制方法，包括：/n获取无人设备的视觉传感器在当前位置拍摄的地面标识图像；/n基于所述地面标识图像确定当前视觉特征点坐标；/n利用预测时域内各个时刻的视觉特征点坐标和期望视觉特征点坐标的差值，以及控制时域内各个时刻的所述无人设备的运行参数，构建模型预测控制器的代价函数，其中，根据所述当前视觉特征点坐标以及对应的运行参数，获得所述预测时域内各个时刻的视觉特征点坐标；/n通过最小化所述模型预测控制器的代价函数，预测得到所述控制时域内各个时刻的所述无人设备的运行参数；/n将控制时域内第一个时刻的运行参数作为目标运行参数，对所述无人设备进行视觉伺服控制，以使所述无人设备运行到期望位置。/n

【技术特征摘要】
1.一种视觉伺服控制方法，包括：
获取无人设备的视觉传感器在当前位置拍摄的地面标识图像；
基于所述地面标识图像确定当前视觉特征点坐标；
利用预测时域内各个时刻的视觉特征点坐标和期望视觉特征点坐标的差值，以及控制时域内各个时刻的所述无人设备的运行参数，构建模型预测控制器的代价函数，其中，根据所述当前视觉特征点坐标以及对应的运行参数，获得所述预测时域内各个时刻的视觉特征点坐标；
通过最小化所述模型预测控制器的代价函数，预测得到所述控制时域内各个时刻的所述无人设备的运行参数；
将控制时域内第一个时刻的运行参数作为目标运行参数，对所述无人设备进行视觉伺服控制，以使所述无人设备运行到期望位置。


2.根据权利要求1所述的视觉伺服控制方法，还包括：
对所述模型预测控制器的代价函数进行约束，获得满足无人设备的视场约束条件和运行约束条件的目标运行参数。


3.根据权利要求1所述的视觉伺服控制方法，其中，构建模型预测控制器的代价函数包括：
根据预测时域内各个时刻的视觉特征点坐标和所述期望视觉特征点坐标的差值确定预测时域内各个时刻的视觉特征点误差；
根据所述预测时域内各个时刻的视觉特征点误差，确定视觉特征点误差的二次型函数；
根据所述控制时域内各个时刻的所述无人设备的运行参数，确定运行参数的二次型函数；
基于所述视觉特征点误差的二次型函数与所述运行参数的二次型函数之和，确定所述模型预测控制器的代价函数。


4.根据权利要求1所述的视觉伺服控制方法，其中，获得预测时域内各个时刻的视觉特征点坐标包括：
根据当前视觉特征坐标和所述无人设备在当前时刻的运行参数，预测所述无人设备在下一时刻的视觉特征点坐标；
重复执行预测所述无人设备在下一时刻的视觉特征点坐标，直到预测出所述无人设备在预测时域内最后一个时刻的视觉特征点坐标。


5.根据权利要求4所述的视觉伺服控制方法，其中，预测所述无人设备在下一时刻的视觉特征点坐标包括：
获取视觉特征点在当前时刻对应的图像雅可比矩阵；
对所述无人设备在当前时刻的运行参数、所述图像雅可比矩阵、与所述视觉传感器采样周期，进行求积运算；
根据求积运算的结果和当前视觉特征坐标，预测所述无人设备在下一时刻的视觉特征点坐...

【专利技术属性】
技术研发人员：李梅，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11