機器人視覺伺服係統分類

目前，機器人視覺伺服控製係統有以下幾種分類方式：
●按照攝像機的數目的不同，可分為(wei) 單目視覺伺服係統、雙目視覺伺服係統以及多目視覺伺服係統
單目視覺係統隻能得到二維平麵圖像，無法直接得到目標的深度信息;多目視覺伺服係統可以獲取目標多方向的圖像，得到的信息豐(feng) 富，但圖像的信息處理量大，且攝像機越多越難以保證係統的穩定性。當前的視覺伺服係統主要采用雙目視覺。
●按照攝像機放置位置的不同，可以分為(wei) 手眼係統(eyeinhand)和固定攝像機係統(eyetohand或standalone)
在理論上手眼係統能夠實現精確控製，但對係統的標定誤差和機器人運動誤差敏感;固定攝像機係統對機器人的運動學誤差不敏感，但同等情況下得到的目標位姿信息的精度不如手眼係統，所以控製精度相對也低。
●按照機器人的空間位置或圖像特征，視覺伺服係統分為(wei) 基於(yu) 位置的視覺伺服係統和基於(yu) 圖像的視覺伺服係統
在基於(yu) 位置的視覺伺服係統中，對圖像進行處理後計算出目標相對於(yu) 攝像機和機器人的位姿，所以這就要求對攝像機、目標和機器人的模型進行校準，校準精度影響控製精度，這是這種方法的難點。控製時將需要變化的位姿轉化成機器人關(guan) 節轉動的角度，由關(guan) 節控製器來控製機器人關(guan) 節轉動。
在基於(yu) 圖像的視覺伺服係統中，控製誤差信息來自於(yu) 目標圖像特征與(yu) 期望圖像特征之間的差異。對於(yu) 這種控製方法，關(guan) 鍵的問題是如何建立反映圖像差異變化與(yu) 機器手位姿速度變化之間關(guan) 係的圖像雅可比矩陣；另外一個(ge) 問題是，圖像是二維的，計算圖像雅可比矩陣需要估計目標深度(三維信息)，而深度估計一直是計算機視覺中的難點。
雅可比矩陣的計算方法有公式推導法、標定法、估計方法以及學習(xi) 方法等，前者可以根據模型推導或標定得到，後者可以在線估計，學習(xi) 方法主要利用神經網絡方法。
●按照采用閉環關(guan) 節控製器的機器人，視覺伺服係統分為(wei) 動態觀察-移動係統和直接視覺伺服
前者采用機器人關(guan) 節反饋內(nei) 環穩定機械臂，由圖像處理模塊計算出攝像機應具有的速度或位置增量，反饋至機器人關(guan) 節控製器；後者則由圖像處理模塊直接計算機器人手臂各關(guan) 節運動的控製量。 

本文鏈接：https://www.kjddy.com/Read/58.html 轉載需授權！