机械手控制一个通过视觉伺服

通过视觉伺服系统的机械手控制文摘:在本文中,我们提出一个方法通过传感器来控制机器人手臂位移。

因为该机械手通常是开环控制关节定位是无法利用的,所以为了获得更有效的控制界面,我们还提出了一种闭环系统的基础在一个眼对手视觉伺服方法。

我们发现通过使用这样的一个方法,就是测量机械手的运动传感器的下意识不能精确控制机器人末端执行器运动。

我们提出的解决方案,就是控制基础位置的机械手的速度控制。

为了保持最后控制装置的视觉领域,相机方向也要被控制，其结果表明了该算法的有效性和效率的方法。

关键词:眼，手视觉伺服;无本体传感器;构成的计算;1介绍视觉伺服【哈钦森96】长期以来被证明是一种在恶劣的环境中非常有效地来控制机械手方法（核环境、空间、水下机器人等）。

在本文中我们提出了一个通用的框架来控制一个大致的模型和使用一个眼对手视觉伺服系统校准机械手【艾伦93年,黑格95年,Horaud 98】。

推动力是维克多6000机械手的控制。

维克多6000[诺金 97]是一个深海远程操作工具,通过法国海洋研究所建造和营运,被用来探索海洋的地板。

这是一个可以用船控制的海底车,目的是进行光学调查,进行局部作业、执行仪器仪表控制和样品水、沉积物或岩石鉴定采集。

维克多6000配备两臂：6自由度机械手叫迈斯卓，一个四自由度的机械手叫夏尔巴人。

在这个水下环境，眼对手视觉伺服已经用来控制远程操作工具（如【河流 97 地段 00 地段 01 范德荷兰尼克森 01】）。

正如已经开始的，目标不止是控制远程操作工具本身,而是利用由一个相机提供的信息来控制机械手的运动。

这台相机是安装在一个带有掀动头效果水下机器人上并遵守机械手的末端手爪控制。

为了降低成本，这机械手并不灵敏，没有加装某些装置。

并且由于缺乏本体感受的传感器，在量距和一些个别关节位置并不适合有效的，所以机器人通常是通过操纵杆开环控制着。

因此如果没有外部传感器是用来提供的一个闭环系统是没有办法衡量机械手，并且任何运动控制将会是不精确的。

这更促进一种通过在视觉伺服的框架下的移动相机到一个通用的框架来控制移动机械的方法引入。

该基准方法的几种主要利益特征和贡献。

恶劣的环境（如，深海压力条件）在这种情况下的传感器可能会有剧烈损耗。

我们在本文中说明的这些传感器使用方法是不需要精准的控制一个手末端爪的。

事实上，控制环路是被相机“封闭”的，现在由有效的传感器代替。

这个控治可以被实现，即使相机本身就是运动。

最后,这个方法能很好地抑制坏/粗略校准系统。

此外，一个主要的利处是决定于手臂所达到的独立的位置以及不同建模和校准的错误,还有手臂上的的传感器，它有可能通机械手传达所指派的工作，由传感器直接在空间进行测量。

在该系统中，机械手用一个眼对手视觉伺服系统的三维可视化方法来控制，而相机运动本身也是由视觉伺服控制的。

我们将考虑一个粗糙的校准相机。

事实上，由于闭环用于控制，视觉伺服技术被认为在对校正误差方面是稳定的。

该系统包括几个主要功能:姿势控制和速度控制。

在控制模式的基本姿势下,机械手必须达到一个指定的位移。

在实施这种转移之前, 一个必要步骤是计算在摄影机框架显示下相应的满意机械手的位置。

当预期的机械手位置被计算时，那么你可以用传统的视觉伺服技术来实现的定位的任务。

所提出的控制策略表现了基础控制优势（优化轨迹：旋转线，转化直线），另外由于照相机的控制，通过确保目标仍然是在像机的视场内避免它的主要缺点。

这一阶段的控制需要利用逆机械手‘雅克宾‘，其取决于机械手关节的重要性。

因为这些价值是未知的，在摄影机框架下手的位置使用一个姿态计算算法来估计每个获得图像。

机械手关节的标准然后通过求解反机器人几何模型方程计算。

接下来，这方法被扩展到允许速率控制模式。

从一个特定的位移表示为一个速度，控制问题,在于确定的轨道，机器人末端执行器轨道和提出一种控制律能够遵循这一轨道，同时使跟踪误差最小化。

最后，控制摄像机的镜头摇晃和倾斜是很重要的, 它确保机械手的末段无论什么指定位移仍在像机的视场内。

虽然控制这台相机从视觉伺服的观点来说是一个微不足道的问题，但它的运动诱发更复杂的眼对手机械手的控制建模。

提醒本文组织如下; 下个章节,我们将展示如何通过到位的视觉伺服系统来控制机械手的运动（达到操作者指定的一个位移）和速度（在那种情况下, 操作者指定的速度），然后进行描述图像处理算法; 最后我们展示在多方面的实验结果,所提方法的有效性。

2．影像基准控制2.1符号和定义让我们注意a M b在坐标Ra和坐标R b下的变换关系。

a M b作为一个齐次矩阵定义为:a R和a T b分别表示两个坐标中的旋转矩阵和平移向量。

如果(x b, y b, z b, 1)T是在坐标中表示一b个点的坐标(x a, y a, z a, 1)T，那么在坐标R a中也表示了这样一个相同点的坐标(x a, y a, z a, 1)T= a M b(x b, y b, z b, 1)T本文用图2表示。

第一个字母代表坐标原点(c是指摄像机，e是指控制器，o是指被摄像机观察并和控制器连接的物体，第二个字母在坐标中的位置如下（i为初始位置，c为当前位置，d为需要移动到的位置）. 最后, Fm代表底座机械手而F pt代表底座倾斜的单位。

例如ci M表示物体在初始摄影机位下的理想位置。

od图2：不同坐标的综述本文在提醒我们, 我们将会参考许多坐标变换，而这些变化必须是对摄像机和系统本身提供的粗糙信息标准进行进一步估计。

•F ptM F m是一个常数，需要手动测量。

ei Moi =ec Moc =ed Mod =e Mo是一个常数，需要手动测量。

F ptM用测量头倾斜测量。

c2.2 视觉伺服: 概述视觉伺服技术【艾斯帕 92，哈钦森 96，桥本 93，帕艾尼克斯 93】允许一个机器人关于它的环境运用视觉的数据自动定位，它包括指定的任务如监管的一组信息，提取图像【艾斯帕 92，桥本 93】。

通常，一个基准的任务’e’定义为【艾斯帕 92，萨姆森 91】：e = J+(P − P d)‘P’表示用于视觉伺服的任务选择的该套视觉标准，’P d’它们的期望值。

’J+’是关于机械手的操作空间和形象的雅可比矩阵的拟逆。

使’e’减少指数, 表现得像个一阶解耦系统, 机器人末端机械手的速率 T = (V T, ΩT)T,控制器的输入为：’V’λ是一个比例系数Ω!= −λe2.3控制机械手的位置2.3.1整体的算法任务规格任务的目标是使机械手通过远程操作到达指定位移。

两种方法可用来完成目标: 一·直接定义机械手理想的位移，∆T , ∆R，三个不同的帧，R c(初始的摄影机框架)，R oi（初始对象框架），R F m（末端执行器框架）。

二．在图像空间中定义，它所对应到在离线时已被了解的又一个位置，从先前的图象，所需的姿势，ci Mod能被直接计算。

这个过程会在2.3.3部分详细描述。

机械手控制一个经典基础位置控制法则被认为来实现位移。

目的是用来减小理想与当前抓取物体表达参考帧位置的误差。

因此在这个框架下的理想与当前位置必须知道。

由于机器人没有下意识传感器，当前位置无法知道，必须用外部传感器计算。

让我们了解一下，这是为了知道物体在框架下的位置，并运用一些帧变换（在2.3.3给出）。

现在我们提出一个概要，关于基于视觉伺服能实现任务控制算法。

获得图像,并跟踪对象(看3.1)。

计算当前姿势cc M oc和理想cc M od(看3.1)，确定物体在机械手参考系下的理想与当前位置(看2.3.2)，表现在相关框架中的控制法则被给出。

由于机器人在关节空间的控制，我们需要计算关节接头位置’q’,着用来知道物体位置和反机械手的几何模型，这时在关节空间的规则能简单算出并输入机器人。

因为位移很重要，我们控制相机方向使物体始终在相机框架下。

我们考虑一个视觉伺服来控制镜头摇晃和倾斜。

这个方法现在详细介绍。

2.3.2 视觉特征和产生的控制律视觉标准的选择（例如,的矢量P）对于系统要求是很重要的：稳定性，稳健性，在两个图像和关节空间缺乏奇异点与最小点，足够的轨迹。

在模态计算后可能用到2维数据【艾斯帕 92，哈钦森 96】（说, 提取分坐标的分提取图像）（例如，获得3维数据或获得6个代表位移的参数【威尔逊 96】）。

最后，可能结合2维和3维的特点：这是2维 1/2视觉伺服【卡梅特 00】。

在我们的情况中，因为我们用控制方向的相机使物体集中在图像内，最佳方法是视觉特点P = (F m T T oc, θu T )T ，od T oc 是物体已经实现的转移（表达在最终框架中），θ和u 分别是角度和od R oc 的旋转轴。

在这情况下，我们有P d = (F m T T od ,0T 3)T 。

旋转轴运动转化因此完全不挂钩。

而且，如果没错误发生（措施和校准），物体运动轨迹就像在空间坐标系中一样是条纯粹直线。

我们因此能获得比视觉图像更好的反应。

关于变化’p ’的方程式：视觉特点’p ’关于物体在相应框架下的速率为：F m T˙ocθ˙u !=II 033??330J 3?ω3! V Ω!Jω=Lωoc R F m ，‘Lw ’是L−w 1θu = θu 【马里 99，卡梅特 00】我们得到以下法则：V= −λII 3?303?3 Ω! R F m=−λF m Rocθu od M oc 和oc M F m 的变量可用于计算所有控制法则的标准运算：oc M F m =oc M cc cc M F pt F pt M F mF m M od =F mM F pt F ptM ci ci M odod M oc =od M cc cc M oc在这些方程式中:oc M cc 是在每个迭代用图像进程运算的模态。

od M cc 也是通过模态计算估计的。

我们的目的是在关节上控制机器，我们最后得到J F −m 1(q)II 3?3 mR ec II e ˜T o ec R F mJ F −m 1是关于机械手的操作空间和形象的雅可比矩阵的拟逆。

T˜是T 倾斜相关向量呢。

2.3.3 定义期望的位置如前文所述,四种方法都能定义期望的位置.运用者能在最初的框架中定义位移，在相应的框架中，最终作为要求的图像。

让我们检查头三个方法，我们定义∆T, ∆R 分别为平移，旋转变量，运用提出的方法，我们必须计算在当前框架下的要求点的平移量ccM od 。

作为最初和当前的相机位置，它的相应框架Fpt 被知道，物体在当前相机框架下的理想位置右下式获得：cc M od =cc M F pt F pt M ci ci M od .然后我们必须计算ci M od ，如果位移在最初框架下被给出，这种情况下，我们有：ci T od =ci T oi + ∆Tci R od = ∆R ci R oi在参考的框架这种情况下，我们有：ci T od =ci T oi +ci R F m ∆Tci R od =ci R F m ∆R F mR oi在最初物体参考系这种情况下，我们有：ci M od =ci Moi∆M∆M = (∆R, ∆T )处理最后的情况，理想位置是在理想图像中能达到的位置。