視覺伺服系統

霍敬軒+馬小康+張愛萍

摘 要：伺服系統又稱隨動系統，是用來精確地跟隨或復現某個過程的反饋控制系統。伺服系統使物體的位置、方位、狀態等輸出被控量能夠跟隨輸入目標（或給定值）的任意變化的自動控制系統。

關鍵詞：視覺伺服；分類；分析

1 視覺伺服系統的分類介紹

視覺伺服系統一般可以根據反饋、攝像頭位置、視覺控制方式和攝像頭數量的差異進行分類：

（1）與工業控制系統一樣根據有無反饋可分為兩類：開環體系和閉環體系。閉環體系這種視覺伺服系統的主要優點是，攝像頭對機器人的標定不必非常精確，系統就可以控制機器人按照預先的規劃進行運動。

（2）根據攝像頭位置的不同來分類：一般攝像頭在視覺伺服系統中被稱為機器人的“眼睛”，而執行體系如機械卡爪等被稱為機器人的“手”。另一種是攝像頭安裝在執行系統之外，通常叫為“眼在手外”。

（3）當使用閉環控制體系來控制機器人的運動狀態時按照視覺控制方式的差異可以分為兩類：一種為基于位置的視覺伺服系統，第二種為基于圖像的視覺伺服系統：在該種視覺伺服體系中偏差的主要來源為圖像，它是直接利用圖像的特征來進行系統反饋的。圖2為這種視覺伺服體系的工作原理圖。

（4）按攝像頭數目分類：不同的視覺伺服體系中安放的攝像頭數量不同，所以對視覺伺服體系可以按照攝像頭數量進行分類，當具有一個攝像頭時稱為單目系統，具有兩個攝像頭時稱為雙目系統，攝像頭數量在兩個以上時稱為多目系統。

2 視覺系統的研究現狀

視覺系統的研究現狀主要包括攝像頭標定技術的研究現狀，邊緣檢測技術的研究現狀，特征提取算法的研究現狀。

2.1 攝像頭標定技術研究現狀

一般情況下，系統需要通過建立攝像頭成像的幾何模型來確定空間物體表面某點的笛卡爾空間坐標與其在圖像中對應點之間的幾何關系，這些幾何模型的參數就是攝像頭參數，而這些參數大多數是通過多次實驗與計算才能夠得到，這個求解參數的過程就稱之為攝像頭標定（或攝像機標定）。攝像頭標定技術一般有以下三種方法：（1）一般標定方法。（2）主動視覺標定方法（3）自標定方法。

2.2 邊緣檢測算法研究現狀

邊緣檢測是視覺系統中數字圖像處理與分析的基礎內容，在圖像處理中起著非常重要的作用，邊緣檢測算法的好壞直接影響圖像處理的結果進而影響系統的精度與穩定性。綜合已有的邊緣檢測技術，其算法主要有分為三類，第一種為微分算子方法。第二種方法為基于局部圖像的方法。第三種方法為基于全局的邊緣檢測方法

現在，邊緣檢測的主要研究重點是尋找灰度值強度的非連續性、抑制噪聲和保持邊緣定位精度等三個內容。因此要求不同，采取的邊緣檢測方法也不相同，甚至會采用幾種方法相互結合的手段進行檢測。

2.3 特征提取算法研究現狀

圖像的特征檢測最基本的有直線檢測、圓檢測和橢圓檢測等。

（1）直線檢測研究現狀。當前在直線檢測領域，使用最為廣泛的為霍夫算法和Randon算法。霍夫算法是霍夫在1962 年提出的一種在直角坐標系下檢測直線的方法通常稱為霍夫變換，隨后在1972年Duda改進了霍夫變換，通過極坐標系解決了圖像的90度死角問題。

（2）圓檢測算法研究現狀。上述的這些直線檢測算法主要針對的直線為直線的變量數減少的情況，但是對直線的變量數增加的情況，其檢測效果就不是很明顯。因此，在對圓進行檢測時，就需要對霍夫算法進行改進，使其能夠對變量增多的圓進行檢測。

（3）橢圓檢測算法研究現狀。在檢測橢圓圖像的算法中，有兩種算法應用最為廣泛，一種為霍夫變換的改進算法聚類算法，這種算法主要是根據橢圓的幾何性質，使其降維，再通過霍夫算法進行檢測。屈穩太提出的基于弦中點霍夫變換，就是此類算法。首先是計算出對橢圓的切點方向，然后計算出橢圓的切線方程，最后確定橢圓的方程。另一種算法為最優化算法，例如最小二乘法以及遺傳算法等。這些算法都是由下向上的檢測算法，都是直接對圖像數據進行檢查。

3 結束語

本文主要論述了視覺伺服系統分類和研究現狀。首先介紹了視覺伺服系統的分類包括四種不同的分類方法，詳細敘述了攝像頭現階段主流的的三種標定技術，邊緣檢測主流的三種檢測算法，最后論述了直線、圓、橢圓等三種特征的提取算法。

參考文獻

[1]楊楠.PUMA560機械臂視覺伺服系統設計[D].哈爾濱工業大學，2013.

[2]王鵬飛.基于RM-501機械臂視覺伺服系統的研究[D].哈爾濱工業大學，2009.

[3]王麟琨，徐德，譚民.機器人視覺伺服研究進展[J].機器人，2004，03：277-282.

[4]Chaumette F， Malis E. 2 1/2 D visual servoing： a possible solution to improve image-based and position-based visual servoings[C]//Robotics and Automation， 2000. Proceedings. ICRA'00. IEEE International Conference on. IEEE， 2000， 1： 630-635.

[5]Tsai R Y. An efficient and accurate camera calibration technique for 3D machine vision[C]//Proc. IEEE Conf. on Computer Vision and Pattern Recognition， 1986.