《基於狀態空間的視覺伺服系統參數估計方法研究及套用》是依託山東科技大學，由王海霞擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於狀態空間的視覺伺服系統參數估計方法研究及套用
- 項目類別：青年科學基金項目
- 項目負責人：王海霞
- 依託單位：山東科技大學
項目摘要,結題摘要,
項目摘要
雅可比矩陣的參數估計精度是決定視覺伺服系統控制精度的一個關鍵因素。目前很多估計方法為避免對攝像機標定的依賴，採用線上疊代估計方法，但它們受初值和感測器時延影響較大，而且隨著機器人關節數量增多，計算量增大、估計精度降低。本項目以手眼式雙目6自由度串在線上器人為研究對象，擬探索一種新的雅可比矩陣參數估計方法。首先建立整體系統標定模型，並同時考慮雙目攝像機引起的時延效應，建立含當前觀測和時延觀測狀態空間模型；其次，利用一種簡單靈活的SAI整體標定方法實現攝像機和機器人本體同時標定，得到雅可比矩陣初值；然後，對雙觀測模型，基於觀測重組方法給出最優估計器，並進一步針對部分噪聲統計特性未知的情況給出雅可比矩陣魯棒估計方法；最後將上述結果套用在視覺伺服系統中。本研究在保證控制精度的前提下可望減小對系統標定誤差的依賴性，有效提高系統的魯棒性，進而可以初步建立新型雅可比矩陣估計理論，具有重要的理論和實際意義。
結題摘要
針對視覺伺服系統中雅可比矩陣估計精度低、速度慢的問題，本項目主要研究了有標定和無標定的視覺伺服系統，將求解機器人雅可比矩陣的問題轉化為基於圖像誤差的狀態估計問題，並將有標定和無標定方法相結合進行雅可比矩陣的估計。本項目首先利用扭軸識別（SAI）的標定方法獲得雅可比矩陣的初值，然後重新定義基於圖像誤差的控制規律，構建視覺伺服系統。其次，針對傳統估計方法無時延增加了補償環節，並首次提出將容積卡爾曼濾波（CKF）套用於圖像雅可比矩陣的線上估計中，將標準非線性CKF改進後，使之適用於運動突變環境，結果證明改進後的CKF效果優於標準卡爾曼濾波算法。其中，在圖像特徵提取過程中，採用光度矩定義工作空間中目標物體，簡化圖像處理、特徵提取、邊緣擬合等過程，由此改進和設計了一組多特徵融合的圖像特徵代替傳統點特徵，實現了對圖像雅可比矩陣的位姿解耦。最後，在MOTOMAN-SV3X型機器人平台上實現了基於狀態估計的定位和的跟蹤伺服任務，得到了有效的結果。 三年來共發表相關論文17篇，其中SCI論文11篇，EI論文6篇，申請發明專利7項，其中授權5項，受理2項，申請軟體著作權1項，獲得山東省高等學校科學技術獎三等獎 1 項，山東省教學成果二等獎1項，已培養研究生9人，其中6人畢業，3人在讀。
