機器人視覺伺服的發展現狀

四川大學錦城學院智能制造學院 丁漁慶

本文介紹了視覺伺服系統的基本結構和3種機器人視覺伺服策略，本文對機器人視覺伺服的主要問題進行了分析和探討，并對機器人視覺伺服的未來研究方向進行了展望。

隨著機器人技術的持續發展，機器人在眾多領域發揮作用，為了探索變化的環境，確定自身定位、地圖構建、獨自搜索等任務，通常把傳感器安裝于機器人身上，以便快速獲取外部信息。視覺傳感器具有信息量豐富、尺寸小、功能齊全等優點，常適用于機器人控制系統中。視覺伺服便成為現在機器人領域的研究重點。機器人視覺伺服是用傳感器來探測和感知機器人目前位置或其與目標物體之間的相對位置，對機器人實現精準控制或軌跡跟蹤，這是一個集機器視覺、運動學、自動控制、實時系統分析于一體的新興交叉學科。視覺伺服系統由視覺系統、控制策略和機器人系統組成。視覺系統經過圖像采集和視覺處理得到視覺反饋信息，控制器便得到機器人的控制輸入。針對具體情況，根據實際需求設計了視覺伺服系統的實現策略。

1 機器人伺服系統

1.1 機器人視覺控制系統分類

目前，機器人伺服系統按照功能和性質的不同，有如下幾種分類：由于攝像機數量不同，經常分為單目視覺伺服系統、雙目視覺伺服系統和以及多目視覺伺服系統。單目視覺只能獲得二維圖像，通過平移獲得深度信息。單目視覺系統適用于深度要求簡單的工作環境。多目視覺伺服能夠獲取目標多維度的信息，由于信息量大，很難保證系統的穩定性。目前，人們通常采用雙目視覺伺服系統來理解深度信息。根據攝像機安裝位置的不同，可分為手眼系統和固定攝像機系統。在手眼系統中，能獲得目標的精準位置，計算出目標的絕對誤差也較低；但手眼系統不能感知機器人的末端，通常采用固定運動模型來計算目標與機器人末端的位置關系；實際上，手眼系統常丟失目標。為了可以同時觀察目標和機器人末端，通常采用固定攝像機系統。但機械臂進行工作時，會遮擋目標，由于機械臂在移動過程時，攝像機位置固定，攝像機測量結果不變，當攝像機精度不高時，會造成較大的絕對誤差。因此造成機械臂無法到達目標。為了克服兩種系統的不足，當前的一種解決方法是兩種方式的協作工作。

按照反饋信息的不同種類，分為基于位置的視覺伺服系統和基于圖像的視覺伺服系統。由于這2種伺服系統都存在不同的缺陷，因此，在此基礎上提出一種2.5維視覺伺服方法。

1.2 基于位置的視覺伺服

基于位置的視覺伺服利用圖像信息來得到機器人與目標之間的位姿誤差，把計算的誤差指令反饋給機器人關節控制器，最后實現機器人運動，這種方法成功與否依賴于從圖像到位姿的估計精度，除了確保攝像機參數的準確和噪聲的大小外，對于這種方法而言，還存在目標隨時可能脫離視場等問題。

1.3 基于圖像的視覺伺服

基于圖像的視覺伺服系統是把將捕獲的圖像參數與開始采集到的目標信息對比，計算的圖像誤差直接用于反饋。

圖像雅克比定義如下：

設s=[s1,s2,...sp]T為三維坐標系下的末端位姿，q=[q1,q2,...qn]T為關節坐標，f=[f1,f2,...fm]T為特征的空間坐標；為末端的速度矢量，為關節速度矢量，f為圖像特征的變化速度。與之間的表達式為其中j1叫機器人雅克比矩陣，表示向量s對向量q的導數。任務空間速度與對應的圖像特征的變化速度f之間的關系是，其中j2稱為Local Jacobian，也有人稱為圖像雅克比。圖像特征的變化速度f與對應的關節速度之間的關系為，其中j=j2j1。一般把j稱為圖像雅克比矩陣，圖像雅克比表示了在某個關節角附近圖像特征變化與機器人關節角變化之間的關系。計算雅克比矩陣有多種方法。基于圖像的伺服系統，不需要三維重建；對攝像機模型的偏差具有較好的魯棒性，可以保證機器人或目標始終處于視場中。但這種方法存在雅克比矩陣的奇異性和局部發散等問題。

1.4 2.5D視覺伺服策略

上述兩種方法都存在各自的問題，在此基礎上Malis等人提出的2.5D被廣泛運用，通過把平移與旋轉分量解耦，反饋信號由三維坐標和二維圖像空間坐標表示。增強了系統的穩定性，擴大了收斂域。Hashimoto和Morel此外，還介紹了放大圖像特征收斂區間的方法。采用2.5D視覺伺服策略可以很好地解決系統的魯棒性、奇異性、局部極小問題；但也存在如下缺點。①需要進行特征點匹配。②在分解單應矩陣時，有時存在解不惟一的問題。③解H矩陣計算復雜且需要多次迭代。④2.5D視覺伺服系統對噪聲魯棒性不強。⑤不能保證目標總是在攝像機的視野內。

2 視覺伺服領域主要存在的問題

2.1 深度信息缺失的問題

當攝像機成像時，物體被映射到二維平面上，造成深度信息丟失的問題。由于深度信息未知，導致視覺伺服控制器的設計非常困難。許多學者采用Lyapunov非線性控制方法進行研究。方純勇等人提出了一種新的方法來解決機器人伺服系統在未知深度信息條件下的穩定控制問題。張雪波等人開發了一種具有指數收斂性的視覺伺服系統控制器。用一種特殊的方法，讓未知深度信息不影響系統其他參數的條件下，只改變控制器的收斂速度。Luca等人利用機器人在線估計深度的方法以及圖像中特征點的變化規律獲得雅克比矩陣。在此基礎上，為了滿足伺服任務，運用Lyapunov方法設計了一種非線性控制器。以上大多采用犧牲機器人的三維路徑的方式來彌補深度信息不足的問題。對此，一些學者利用機器人在歐式空間中的運動與特征點在圖像平面上的運動間的動態關系；即深度識別技術，能實現目標未知深度信息的在線估計。但是如何提高深度信息在線識別的魯棒性仍是待解決的問題。

2.2 攝像機內外參數與圖像噪聲問題

攝像機內外參數的標定誤差和噪聲對伺服精度有很大干擾。因此，在攝像機參數未知和存在標定誤差的情況下，一些學者提出了一些未標定的、魯棒的視覺伺服算法。蘇劍波等人提出了一種無標定的視覺伺服算法，采用有效的基于圖像雅克比在線估計的方法，并將其與自抗擾控制技術結合。方純勇等人設計了一種基于經驗在未知的攝像機內外參數矩陣下粗略估計的視覺伺服系統的方法。當估計誤差在一定范圍內，該算法能實現誤差成指數衰減。然而，這些方法一般都是以機器人手臂為對象，忽略了移動機器人的非完整性約束以及標定誤差的存在對這些系統的影響。因此，如何提高視覺伺服對標定誤差和圖像噪聲等問題的魯棒性，特別是存在非完整性約束的機器人，如何實現高精度伺服控制是待解決的問題。

2.3 目標特征出離視野范圍的問題

為了保證視覺伺服的順利進行，通常將感應器置于機器人身上。利用目標特征圖像進行視覺反饋控制。如果目標突然消失在攝像機的視野中，伺服任務將直接失敗。因此，許多學者對怎么保證目標特征的可控性做了大量的研究。通常分為基于圖像平面的軌跡規劃以及基于三維運動空間的路徑規劃兩種研究方法。對于有更多自由度的六自由度機械手，Mezouar等人把基于圖像的視覺控制和勢場分析結合，為了保證目標始終處于攝像機視野內，采用在圖像平面上進行勢函數軌跡的方式。但是，該方法會導致機器人陷入勢場的局部極小值，且對攝像機和參數信息精度要求嚴格。另外，為了滿足視野范圍內的限制，一些學者在三維空間中規劃特定的軌跡。Chesi等人為了保證六自由度機械手的大范圍伺服任務，設計了一種圓形軌跡。為了優化路徑效率，G.Chesi等人提出了一種基于位置的視覺伺服和后向運動融合伺服策略，為了保證攝像機視場約束以及伺服效率，設計了相應的切換控制器。但是，該方法對目標特征以及攝像機參數精度要求很高。因此，在六自由度機械手視覺伺服過程中，目標特征在視覺范圍內的提取仍然是個待解決的問題。

3 總結與展望

視覺伺服的發展，像2.5D的視覺伺服策略，基本源自于從三維到二維之間的投影關系的深入研究，2.5D的視覺伺服策略的優點在于控制不單建立在圖像空間或三維空間上。在以后的研究過程中。從圖像空間與三維空間統一的角度考慮問題，對圖像空間與三維空間之間的投影關系再深入研究，都能有助于視覺伺服的發展。該系統存在深度信息不足、攝像機參數和噪聲干擾、目標逃離視野等問題。為了視覺伺服發展，上述不足都必須解決。