一种在线深度估计的QMM-MPC水下机器人视觉对接控制方法技术

本发明专利技术提供一种在线深度估计的QMM

【技术实现步骤摘要】
一种在线深度估计的QMM
‑
MPC水下机器人视觉对接控制方法


[0001]本专利技术涉及水下机器人视觉对接领域，具体而言，尤其涉及一种在线深度估计的QMM
‑
MPC水下机器人视觉对接控制方法。

技术介绍

[0002]在过去的几十年中，自主水下机器人(Autonomous Underwater Vehicle，AUV)在测深测绘、检查、维修、探雷、环境监测、监视和干预等方面的应用取得了突飞猛进的发展，凭借其在复杂的水下环境中大幅提高作业效率的潜力，吸引了越来越多的学术界和工业界研究团队的高度关注。AUV的主要特点是在执行任务过程中自主应对变化，保持其稳定控制性能，而不需要人的操作。考虑AUV自身的复杂动力学特点、任务复杂性和环境的危险性，目前复杂环境下AUV的控制问题成为热点研究领域之一。因此，近年来在水下设置回收平台实现AUV的自主式回收成为一个重要的研究方向。截止目前，国内外针对AUV的特点和回收平台的类型已设计了多种水下回收对接系统。但无论何种对接方式在最后进行近距离对接操作时的高精度要求始终是一个研究难点。
[0003]考虑当前的研究工作大都依赖于视觉伺服对AUV的位姿进行估计来完成对接任务，但是水下环境复杂能见度低、光线折射、吸收和散射的严重影响视觉摄像头的深度信息，针对这个问题有学者提出了一种基于图像的视觉伺服，完全依赖于特征在图像平面上的运动，但是其技术手段只是将深度信息设为恒定值，并未彻底解决深度不确定问题，可能导致水下对接任务失败；以及传统基于图像的视觉伺服，大都是将深度值确定为恒值，已有研究表明假设深度信息为恒定值，导致对接任务失败率较高；还有由于传统QMM
‑
MPC控制器仅设计一个李雅普诺夫上界，对于六自由度AUV水下视觉对接等高精度、高实时性要求的任务保守性太强，从而导致任务失败。

技术实现思路

[0004]根据上述提出现有AUV水下对接任务环境复杂，深度不确定性等问题使得AUV无法有效执行对接任务的技术问题，本专利技术提供本专利技术采用的技术方案是：
[0005]一种在线深度估计的QMM
‑
MPC水下机器人视觉对接控制方法，包括以下步骤：
[0006]建立弱光工况下及深度信息不确定影响下的六自由度AUV视觉伺服模型；
[0007]基于六自由度AUV视觉伺服模型，结合AUV和对接站特征点在图像平面上的运动测量数据，建立用于对水下机器人与对接站之间实时深度信息进行估计的在线深度估计器，并将实时深度估计值并入模型，得到带有在线深度估计器的AUV视觉伺服模型；
[0008]根据控制目标，建立目标函数以及优化问题；
[0009]结合改进的QMM
‑
MPC算法设计控制器，更新目标函数，建立总的LMIS，求解得到水下机器人视觉对接控制系统，实现水下机器人与对接站的对接。
[0010]进一步地，所述建立弱光工况下及深度信息不确定影响下的六自由度AUV视觉伺服模型，包括如下步骤：
[0011]通过世界坐标系、AUV局部坐标系、摄像机坐标系和图像平面坐标系的转换关系建立相机透视模型；
[0012]基于相机透视模型，建立弱光工况下及深度信息不确定影响下的六自由度AUV视觉伺服模型。
[0013]进一步地，所述带有在线深度估计器的AUV视觉伺服模型表达式如下：
[0014][0015]其中：
[0016][0017][0018]e
i
(k)表示第i个特征点的图像平面坐标与期望图像平面坐标的横向差值m
ie
(k)，纵向差值n
ie
(k)；T为采样时间，v为水下机器人总速度向量，包括对各轴的线速度和角速度，给出第i个特征点在视觉伺服误差系统中的雅可比矩阵如下：
[0019][0020]其中，f为摄像机焦距，为第i个特征点在图像平面上的期望坐标，表示第i个特征点估计的深度值，表达式如下：
[0021][0022]其中，v1＝[u,v,w]T
，v2＝[p,q,r]T
分别代表AUV在三坐标轴的线速度和角速度。最终可由最小二乘法求解并得到估计的深度值。
[0023]进一步地，其特征在于，所述根据控制目标，建立目标函数以及优化问题，包括如下步骤，包括如下步骤：
[0024]求取凸多面体，根据摄像机的分辨率可确定图像坐标m
ie
(k)和n
ie
(k)的变化范围为：将其变化边界带入雅可比矩阵L(p(k))，将L(p(k))分解为已知顶点矩阵的凸组合形式，使得任意采样时刻k，L(p(k))在顶点矩阵L
r
(r＝1,2,
…
,R)组成的凸多面体Ω中变化，即：L(p(k))∈Ω＝C
o
{L1,L2,
…
,L
R
}；
[0025]利用min
‑
max控制策略对目标函数优化，得到优化问题。
[0026]进一步地，所述优化问题如下:
[0027][0028]其中：e(0|k)＝e(k)，为k+1时刻到无穷时刻的目标函数值，Q
e
和Q
u
分别为状态和控制输入加权矩阵。
[0029]进一步地，所述凸多面体中不同顶点构成的视觉系统模态，为每个顶点设计李雅普诺夫函数，的具体过程如下；
[0030]为凸面体的每个顶点设计李雅普诺夫函数如下：
[0031]V
r
(e(i|k))＝e(i|k)
T
P
r
(k)e(i|k),r＝1,
…
,R
ꢀꢀꢀ
(25)
[0032]其中，P
r
(k)为待求的对称正定矩阵，若使闭环系统渐近稳定，则V
r
(e(i|k))需满足：
[0033]V
r
(e(i+1|k))
‑
V
r
(e(i|k))≤
‑
[e(i|k)
T
Q
e
e(i|k)+u(i|k)
T
Q
u
u(i|k)]ꢀꢀꢀ
(26)
[0034]将式(26)左端从i＝1累加到∞可得：
[0035][0036]闭环系统的渐近稳定性V
r
(e(∞|k))＝0，上式化简可得到针对不同顶点所构成的系统模态中的上界：
[0037][0038]将状态反馈控制器u(i|k)＝F(k)e(i|k)代入递减性约束(26)可得：
[0039]e(i|k)
T
{(I+L(i|k)F(k))
T
P(k)(I+L(i|k)F(k))
‑
P(k)+Q
e
+F(k)
T
Q
u
F本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种在线深度估计的QMM
‑
MPC水下机器人视觉对接控制方法，其特征在于，包括以下步骤：建立弱光工况下及深度信息不确定影响下的六自由度AUV视觉伺服模型；基于六自由度AUV视觉伺服模型，结合AUV和对接站特征点在图像平面上的运动测量数据，建立用于对水下机器人与对接站之间实时深度信息进行估计的在线深度估计器，并将实时深度估计值并入模型，得到带有在线深度估计器的AUV视觉伺服模型；根据控制目标，建立目标函数以及优化问题；结合改进的QMM
‑
MPC算法设计控制器，更新目标函数，建立总的LMIS，求解得到水下机器人视觉对接控制系统，实现水下机器人与对接站的对接。2.根据权利要求1所述的一种在线深度估计的QMM
‑
MPC水下机器人视觉对接控制方法，其特征在于，所述建立弱光工况下及深度信息不确定影响下的六自由度AUV视觉伺服模型，包括如下步骤：通过世界坐标系、AUV局部坐标系、摄像机坐标系和图像平面坐标系的转换关系建立相机透视模型；基于相机透视模型，建立弱光工况下及深度信息不确定影响下的六自由度AUV视觉伺服模型。3.根据权利要求1所述的一种在线深度估计的QMM
‑
MPC水下机器人视觉对接控制方法，其特征在于，所述带有在线深度估计器的AUV视觉伺服模型表达式如下：其中：e(k)＝[e1(k),
…
,e
i
(k),
…
,e
N
(k)]
T
＝[m
1e
(k),n
1e
(k),
…
,m
Ne
(k),n
Ne
(k)]
T
e
i
(k)表示第i个特征点的图像平面坐标与期望图像平面坐标的横向差值m
ie
(k)，纵向差值n
ie
(k)；T为采样时间，v为水下机器人总速度向量，包括对各轴的线速度和角速度，给出第i个特征点在视觉伺服误差系统中的雅可比矩阵如下：其中，f为摄像机焦距，为第i个特征点在图像平面上的期望坐标，表示第i个特征点估计的深度值，表达式如下：
其中，v1＝[u,v,w]
T
，v2＝[p,q,r]
T
分别代表AUV在三坐标轴的线速度和角速度。最终可由最小二乘法求解并得到估计的深度值。4.根据权利要求1所述的一种基于改进的带有在线深度估计器的QMM
‑
MPC控制方法，其特征在于，所述根据控制目标，建立目标函数以及优化问题，包括如下步骤，包括如下步骤：求取凸多面体，根据摄像机的分辨率可确定图像坐标m
ie
(k)和n
ie
(k)的变化范围为：将其变化边界带入雅可比矩阵L(p(k))，将L(p(k))分解为已知顶点矩阵的凸组合形式，使得任意采样时刻k，L(p(k))在顶点矩阵L
r
(r＝1,2,
…
,R)组成的凸多面体Ω中变化，即：L(p(k))∈Ω＝C
o
{L1,L2,
…
,L
R
}；利用min
‑
max控制策略对目标函数优化，得到优化问题。5.根据权利要求1所述的一种基于改进的带有在线深度估计器的QMM
‑
MPC控制方法，其特征在于，所述优化问题如下:其中：e(0|k)＝e(k)，为k+1时刻到无穷时刻的目标函数值，Q
e
和Q
u
分别为状态和控制输入加权矩阵。6.根据权利要求4所述的一种基于改进的带有在线深度估计器的QMM
‑
MPC控制方法，其特征在于，所述凸多面体中不同顶点构成的视觉系统模态，为每个顶点设计李雅普诺夫函数，的具体过程如下；为凸面体的每个顶点设计李雅普诺夫函数如下：V
r
(e(i|k))＝e(i|k)
T
P
r
(k)e(i|k),r＝1,
…
,R
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(25)其中，P
r
(k)为待求的对称正定矩阵，若使闭环系统渐近稳定，则V
r
(e(i|k))需满足：将式(26)左端从i＝1累加到∞可得：闭环系统的渐近稳定性V
r
(e(∞|k))＝0，上式化简可得到针对不同顶点所构成的系统模态中的上界：将状态反馈控制器u(i|k)＝F(k)e(i|k)代入递减性约束(26)可得：e(i...

【专利技术属性】
技术研发人员：岳伟，季嘉诚，邹存名，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：