一种面向机械臂的视觉伺服轨迹跟踪控制方法及系统技术方案

本发明专利技术公开了一种面向机械臂的视觉伺服轨迹跟踪控制方法及系统，该方法包括：获取轨迹信息和像素位置信息,得到第一误差函数；与第一模型结合，得到机械臂关节角度的方程；获取特征点的实际像素变化率和像素变化率，得到第二误差函数；与第二模型结合，得到复合雅可比的方程；求解角度信息；对机械臂进行运动控制和轨迹跟踪。该系统包括：第一误差函数模块、机械臂关节角度方程模块、第二误差函数模块、复合雅可比方程模块、求解模块和控制跟踪模块。通过使用本发明专利技术，能够在机械臂的运动学模型参数未知和摄像机参数未知的情况下实现机器臂的追踪控制。本发明专利技术作为一种面向机械臂的视觉伺服轨迹跟踪控制方法及系统，可广泛应用于机械臂控制领域。于机械臂控制领域。于机械臂控制领域。

【技术实现步骤摘要】
一种面向机械臂的视觉伺服轨迹跟踪控制方法及系统


[0001]本专利技术涉及机械臂控制领域，尤其涉及一种面向机械臂的视觉伺服轨迹跟踪控制方法及系统。

技术介绍

[0002]机器人视觉伺服是指利用从图像中提取的视觉信息作为反馈传感信号，进行机器人末端执行器闭环控制，在工业搬运、自动化装配等应用领域具有广泛的应用前景。机器人视觉伺服系统种类繁多，存在多种控制方式。但是目前的控制方法每次都需要为不同的机械臂建立一个运动学模型，在不同机器人上的可移植性较差，由于相机的参数引起的雅可比矩阵计算过程的不同，同样，在具有不同参数的摄像机上的可移植性也较差。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的是提供一种面向机械臂的视觉伺服轨迹跟踪控制方法及系统，能够在机械臂的运动学模型参数未知和摄像机参数未知的情况下，求解机械臂视觉伺服的逆运动学问题，实现机器臂的追踪控制。
[0004]本专利技术所采用的第一技术方案是：一种面向机械臂的视觉伺服轨迹跟踪控制方法，包括以下步骤：
[0005]获取机械臂的期望像素轨迹信息和机械臂特征点的像素位置信息,并计算得到第一误差函数；
[0006]将像素位置信息对时间求导并结合第一误差函数和第一递归神经网络模型，变换得到关于机械臂关节角度的微分方程；
[0007]将特征点的图像雅可比、机械臂雅可比与关节角速度相乘得到实际像素变化率；
[0008]将复合雅可比与关节角速度相乘得到像素变化率并结合实际像素变化率计算，得到第二误差函数；
[0009]将第二误差函数与第二递归神经网络模型结合，变换得到关于复合雅可比的微分方程；
[0010]将关于机械臂关节角度的微分方程和关于复合雅可比的微分方程联合求解得到角度信息；
[0011]根据角度信息对机械臂进行运动控制和轨迹跟踪。
[0012]进一步，所述获取机械臂的期望像素轨迹信息和机械臂特征点的像素位置信息,并计算得到第一误差函数这一步骤，其具体包括：
[0013]获取机械臂t时刻二维像素坐标系中的期望像素轨迹信息
[0014]获取摄像机投影下机械臂特征点的像素位置信息
[0015]根据机械臂t时刻二维像素坐标系中的期望像素轨迹信息和摄像机投影下机械臂特征点的像素位置信息计算得到第一误差函数e(t)。
[0016]进一步，所述第一误差函数e(t)的表达式如下：
[0017]e(t)＝p
d
(t)
‑
p
a
(t)
[0018]上式中，p
d
(t)表示机械臂t时刻二维像素坐标系中的期望像素轨迹信息，p
a
(t)表示摄像机投影下机械臂特征点的像素位置信息。
[0019]进一步，所述将像素位置信息对时间求导并结合第一误差函数和第一递归神经网络模型，变换得到关于机械臂关节角度的微分方程这一步骤，其具体包括：
[0020]将像素位置信息对时间求导，得到求导后的像素位置方程；
[0021]将第一误差函数、第一递归神经网络模型和求导后的像素位置方程结合，得到第一微分方程；
[0022]对第一微分方程进行变换，得到关于机械臂关节角度的微分方程。
[0023]进一步，所述一递归神经网络模型的表达式如下：
[0024][0025]上式中，表示e(t)的时间导数，常数γ是递归神经网络模型的设计参数，设为γ＝100。
[0026]进一步，所述求导后的像素位置方程的表达式如下：
[0027][0028]上式中，表示复合雅可比与机械臂关节角速度相乘得到的像素变化率。
[0029]进一步，所述关于机械臂关节角度的微分方程表达式如下：
[0030][0031]上式中，表示复合雅可比矩阵的伪逆，是p
d
(t)的时间导数，表示期望像素轨迹信息。
[0032]进一步，所述将第二误差函数与第二递归神经网络模型结合，变换得到关于复合雅可比的微分方程这一步骤，其具体包括：
[0033]将第二误差函数与第二递归神经网络模型结合，得到第二微分方程；
[0034]对第二微分方程进行变换，得到关于复合雅可比的微分方程。
[0035]进一步，所述关于复合雅可比的微分方程表达式如下：
[0036][0037]上式中，表示复合雅可比矩阵的时间导数，J(t)表示复合雅可比矩阵，表示机械臂关节角速度，是表示的时间导数，是机械臂关节转动的加速度，表示的时间导数，是实际像素变化率，表示向量的伪逆，常数μ是第二递归神经网络模型的设计参数，μ＝100。
[0038]本专利技术所采用的第二技术方案是：一种面向机械臂的视觉伺服轨迹跟踪控制系统，包括：
[0039]第一误差函数模块，用于获取机械臂的期望像素轨迹信息和机械臂特征点的像素位置信息,并计算得到第一误差函数；
[0040]机械臂关节角度方程模块，将像素位置信息对时间求导并结合第一误差函数和第一递归神经网络模型，变换得到关于机械臂关节角度的微分方程；
[0041]第二误差函数模块，用于将此时特征点的图像雅可比、机械臂雅可比与关节角速度相乘得到实际像素变化率，复合雅可比与关节角速度相乘得到像素变化率，这两者联合计算得到第二误差函数；
[0042]复合雅可比方程模块，用于将第二误差函数与第二递归神经网络模型结合，变换得到关于复合雅可比的微分方程；
[0043]求解模块，用于将关于机械臂关节角度的微分方程和关于复合雅可比的微分方程联合求解得到角度信息；
[0044]控制跟踪模块，用于根据角度信息对机械臂进行运动控制和轨迹跟踪。
[0045]本专利技术方法及系统的有益效果是：本专利技术通过递归神经网络模型来求解运动学模型未知的机械臂基于图像的视觉伺服的逆运动学问题、估算运动学模型未知的机械臂和未知参数的摄像机的复合雅可比矩阵，实现在机械臂的运动学模型参数未知和摄像机参数未知的情况下完成机器臂的追踪控制。
附图说明
[0046]图1是本专利技术一种面向机械臂的视觉伺服轨迹跟踪控制方法的步骤流程图；
[0047]图2是本专利技术一种面向机械臂的视觉伺服轨迹跟踪控制系统的结构框图；
[0048]图3是本专利技术具体实施例所使用的PUMA560机械臂三维模型图；
[0049]图4是本专利技术具体实施例任务空间中特征点在摄像机投影下的目标轨迹和实际轨迹；
[0050]图5是本专利技术具体实施例随时间变化的期待轨迹与实际轨迹之间的(u，v)像素误差。
具体实施方式
[0051]下面结合附图和具体实施例对本专利技术做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
[0052]本专利技术基于图像的视觉伺服的机械臂提出了一种无模型的追踪控制方案，即在机械臂本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向机械臂的视觉伺服轨迹跟踪控制方法，其特征在于，包括以下步骤：获取机械臂的期望像素轨迹信息和机械臂特征点的像素位置信息，并计算得到第一误差函数；将像素位置信息对时间求导并结合第一误差函数和第一递归神经网络模型，变换得到关于机械臂关节角度的微分方程；将特征点的图像雅可比、机械臂雅可比与关节角速度相乘得到实际像素变化率；将复合雅可比与关节角速度相乘得到像素变化率并结合实际像素变化率计算，得到第二误差函数；将第二误差函数与第二递归神经网络模型结合，变换得到关于复合雅可比的微分方程；将关于机械臂关节角度的微分方程和关于复合雅可比的微分方程联合求解得到角度信息；根据角度信息对机械臂进行运动控制和轨迹跟踪。2.根据权利要求1所述一种面向机械臂的视觉伺服轨迹跟踪控制方法，其特征在于，所述获取机械臂的期望像素轨迹信息和机械臂特征点的像素位置信息，并计算得到第一误差函数这一步骤，其具体包括：获取机械臂t时刻二维像素坐标系中的期望像素轨迹信息获取摄像机投影下机械臂特征点的像素位置信息根据机械臂t时刻二维像素坐标系中的期望像素轨迹信息和摄像机投影下机械臂特征点的像素位置信息计算得到第一误差函数e(t)。3.根据权利要求2所述一种面向机械臂的视觉伺服轨迹跟踪控制方法，其特征在于，所述第一误差函数e(t)的表达式如下：e(t)＝p
d
(t)
‑
p
a
(t)上式中，p
d
(t)表示机械臂t时刻二维像素坐标系中的期望像素轨迹信息，p
a
(t)表示摄像机投影下机械臂特征点的像素位置信息。4.根据权利要求3所述一种面向机械臂的视觉伺服轨迹跟踪控制方法，其特征在于，所述将像素位置信息对时间求导并结合第一误差函数和第一递归神经网络模型，变换得到关于机械臂关节角度的微分方程这一步骤，其具体包括：将像素位置信息对时间求导，得到求导后的像素位置方程；将第一误差函数、第一递归神经网络模型和求导后的像素位置方程结合，得到第一微分方程；对第一微分方程进行变换，得到关于机械臂关节角度的微分方程。5.根据权利要求4所述一种面向机械臂的视觉伺服轨迹跟踪控制方法，其特征在于，所述第一递归神...

【专利技术属性】
技术研发人员：谭宁，郑文卡，余鹏，
申请(专利权)人：中山大学，
类型：发明
国别省市：