[发明专利]一种时变性能边界约束的视觉伺服自适应跟踪控制方法

说明书

本发明涉及一种时变性能边界约束的视觉伺服自适应跟踪控制方法；包括：获取期望目标图像的特征向量s_d，根据摄像头的位置，获取当前目标图像的特征向量s，若||s‑s_d||小于预设值，则完成任务，否则计算图像雅可比矩阵，并利用具有时变性能边界约束控制器采用自适应跟踪控制方法计算摄像头的空间速度V_c，更新机械臂位置，重新获取目标物体当前图像特征，直至||s‑s_d||小于预设值；本发明适合长距离的视觉伺服任务，同时考虑了标定误差和深度误差，并引入具有时变性能边界约束抑制了图像平面特征轨迹的冗余运动，降低视觉伺服期间特征点离开视觉区域的风险，具有良好的实时性，为机器人视觉伺服控制等问题提供了一种新的解决思路。

技术领域

本发明涉及视觉伺服技术领域，尤其涉及一种时变性能边界约束的视觉伺服自适应跟踪控制方法。

背景技术

视觉伺服(VS)是机器人的一种重要反馈方式，极大地提高了机器人的智能性和鲁棒性。它广泛应用于机器人的各个领域，例如机械臂、移动机器人、无人驾驶飞行器、水下机器人等。目前，视觉伺服控制分为三类：第一类是基于位置的视觉伺服(PBVS)；第二类是基于图像的视觉伺服(IBVS)；第三类是混合视觉伺服。PBVS系统利用观察到的视觉特征、标定的摄像头和已知的目标物体几何模型获得目标物体相对于摄像头的位姿，最大限度地减小位姿误差是PBVS系统的主要任务，因此PBVS系统的性能受到目标的几何模型和摄像头标定精度的影响。与PBVS系统相比，IBVS系统中图像数据直接用于控制机器人，所以IBVS系统不需要任何的位姿估计而且它对相机和手眼标定误差具有鲁棒性。

目前，在第二类的IBVS系统中较为常见的算法包括：(1)比例控制器，该算法为了使图像特征点误差以指数形式收敛；(2)模型预测控制器，该算法能够处理机器人在运动过程中的系统约束，例如图像边界约束和机器人关节约束；(3)增广的基于图像视觉伺服控制器，该方法将加速度作为控制指令，提高了系统的收敛速度等；(4)卡尔曼滤波神经网络，该算法被应用于无标定视觉伺服环境中的机械臂控制；很多自适应方法有能力处理系统的未知和不确定参数，但是对于具有空间速度耦合的视觉伺服系统，这些自适应方法不能较好的抑制在图像平面的图像轨迹冗余运动；很多自适应方法有能力处理系统的未知和不确定参数，但是对于具有空间速度耦合的视觉伺服系统，这些自适应方法不能较好的抑制在图像平面的图像轨迹冗余运动。

此外，具有时变性能边界约束的自适应跟踪控制方法很少被应用于视觉伺服控制领域；此方法不仅可以补偿参数不确定性，而且可以保证跟踪误差的范数小于自己定义的性能边界；一些文章针对不确定系统提出了自适应跟踪控制策略来保证自定义的性能界限；不同于这些文章，另一些文章提出的一种控制策略能够实现自定义的时变性能界限而不是自定义的常值性能界限；对于复杂的多输入多输出(MIMO)视觉伺服非线性系统，现有的具有时变性能约束的单输入单输出(SISO)系统的控制技术不能直接应用于VS控制中，并且在这个问题上的实验结果很少。因此，有必要找到一种具有时变性能约束的自适应跟踪技术可以应用于这种多输入多输出的模型中。

发明内容

(一)要解决的技术问题

为了解决现有技术的上述问题，本发明提供一种时变性能边界约束的视觉伺服自适应跟踪控制方法。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

所应用的IBVS系统包括主控单元、机械臂和设置在机械臂执行器末端的摄像头，主控单元根据摄像头获取的图像特征信息生成控制指令驱动机械臂运动，摄像头随机械臂运动后再次获取图像，形成运动-反馈-运动的循环，其特征在于，运动-反馈-运动的循环包括以下步骤：

101、预先确定摄像头和目标物体的相对位姿，获取此时的目标物体的图像作为期望目标图像，获取期望目标图像的特征向量s_d；