CN111931387B - 一种面向移动柱状组合体的视觉伺服趋近方法 - Google Patents
一种面向移动柱状组合体的视觉伺服趋近方法 Download PDFInfo
- Publication number
- CN111931387B CN111931387B CN202011009179.9A CN202011009179A CN111931387B CN 111931387 B CN111931387 B CN 111931387B CN 202011009179 A CN202011009179 A CN 202011009179A CN 111931387 B CN111931387 B CN 111931387B
- Authority
- CN
- China
- Prior art keywords
- visual
- control input
- visual servo
- vector
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 171
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000013459 approach Methods 0.000 title claims abstract description 46
- 239000013598 vector Substances 0.000 claims abstract description 75
- 239000011159 matrix material Substances 0.000 claims abstract description 58
- 238000003384 imaging method Methods 0.000 claims abstract description 52
- 230000009466 transformation Effects 0.000 claims abstract description 52
- 230000033001 locomotion Effects 0.000 claims abstract description 38
- 230000006798 recombination Effects 0.000 claims abstract description 13
- 238000005215 recombination Methods 0.000 claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims description 27
- 239000000126 substance Substances 0.000 claims description 21
- 238000012937 correction Methods 0.000 claims description 6
- 238000012804 iterative process Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000005094 computer simulation Methods 0.000 claims description 2
- 230000003068 static effect Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本申请公开了一种面向移动柱状组合体的视觉伺服趋近方法,包括:建立柱状组合体目标的视觉信息、目标模型参数和成像模型之间的关系;在成像视角范围内至少提取四个像素点坐标,构建面向柱状组合体目标的视觉伺服控制输入特征向量以及与其对应的雅可比转换矩阵;在视角约束时,对构建的控制输入特征向量和参照特征向量进行自适应重组,并得到与其对应的特征雅可比转换矩阵;对视觉伺服控制器的输出进行调校补偿,使视觉伺服系统趋近移动中的柱状组合体目标。这样充分利用柱状组合体目标成像的冗余视觉信息,可提高伺服系统针对图像噪声的鲁棒性,针对视角约束的自适应性和面向柱状组合体移动的适用性,促进视觉伺服控制面向移动目标时的全局收敛。
Description
技术领域
本发明涉及视觉伺服控制技术领域,特别是涉及一种面向移动柱状组合体的视觉伺服趋近方法。
背景技术
视觉特征,包括视觉信息获取、匹配、跟踪和据此构建的控制输入特征一直以来都是制约视觉伺服控制技术的瓶颈之一。控制输入特征的构造及其对应的雅可比转换矩阵决定了相机运动控制的解耦程度,笛卡尔速率与特征误差之间变换的近似线性特性,伺服系统针对图像噪声与相机标定误差的鲁棒性等等;特征构造引入的噪声过大可引起伺服过程中雅可比转换矩阵计算的近似奇异化、完全不收敛或局部收敛等问题,尤其当距离期望位姿的旋转量较大时。当目标物移动时,还可导致伺服过程中的目标物超出相机的成像视角范围,从而中断有用视觉信息的提取和伺服控制输入特征的实时计算;与此同时,还可不断带来较大的特征误差,致使经典视觉伺服控制器失效。
面对工业过程中呈现的产品形态多样化及其动态特性,现代工业对机器人视觉伺服控制提出了高要求,如控制机械臂手眼系统自远处任意位姿迅速趋近观测到的动态目标物,进而对目标实施动态中的相关操作等。将视觉伺服控制技术运用于相关工业过程,仍需解决与应用环境有关的核心技术难题,包括环境条件、成像约束、目标形态多异和目标动态特性等。
柱状组合体,作为特殊形态中的一类,目前已有相关研究,但是面向的都是静态柱状目标,尚未考虑面向动态柱状目标的伺服趋近方式,未考虑在相机伺服运动和目标移动的过程中,提取视觉信息超出成像视角范围的应对处理技术。
发明内容
有鉴于此,本发明的目的在于提供一种面向移动柱状组合体的视觉伺服趋近方法,可以解决现有技术中针对特殊柱状组合体及其移动性的视觉伺服趋近问题。其具体方案如下:
一种面向移动柱状组合体的视觉伺服趋近方法,包括:
建立柱状组合体目标的视觉信息、目标模型参数和成像模型之间的关系;
根据建立的所述关系,在成像视角范围内至少提取四个像素点的坐标,构建面向柱状组合体目标的视觉伺服控制输入特征向量以及与构建的所述控制输入特征向量对应的雅可比转换矩阵;
在视角约束时,对构建的所述控制输入特征向量和参照特征向量进行自适应重组,并得到与重组后的所述控制输入特征向量对应的特征雅可比转换矩阵;
根据重组后的所述控制输入特征向量和所述参照特征向量以及得到的所述特征雅可比转换矩阵,对视觉伺服控制器的输出进行调校补偿,使视觉伺服系统趋近移动中的柱状组合体目标。
优选地,在本发明实施例提供的上述面向移动柱状组合体的视觉伺服趋近方法中,建立的柱状组合体目标的视觉信息、目标模型参数和成像模型之间的关系包括:
且有,
其中,为特征对应的雅可比转换向量,是雅可比转换矩阵中的第一个行向量,为特征对应的雅可比转换向量,是雅可比转换矩阵中的第二个行向量,为特征对应的雅可比转换矩阵中的其余分项,和分别为特征和对应的雅可比转换向量。
优选地,在本发明实施例提供的上述面向移动柱状组合体的视觉伺服趋近方法中,在构建与所述控制输入特征向量对应的雅可比转换矩阵之前,还包括:
建立像素点坐标与成像焦点空间运动速率之间的转换关系;所述转换关系如下:
优选地,在本发明实施例提供的上述面向移动柱状组合体的视觉伺服趋近方法中,对构建的所述控制输入特征向量进行自适应重组,具体包括:
得到重组后的特征向量如下:
优选地,在本发明实施例提供的上述面向移动柱状组合体的视觉伺服趋近方法中,采用下列公式得到与重组后的所述控制输入特征向量对应的特征雅可比转换矩阵:
优选地,在本发明实施例提供的上述面向移动柱状组合体的视觉伺服趋近方法中,根据重组后的所述控制输入特征向量和所述参照特征向量以及得到的所述特征雅可比转换矩阵,对视觉伺服控制器的输出进行调校补偿,具体包括:
在动态环境下,通过在视觉伺服控制器中引入参照特征的校正量和视觉伺服控制器输出的动态补偿量,结合重组后的所述控制输入特征向量和所述参照特征向量以及得到的所述特征雅可比转换矩阵,对视觉伺服控制器的输出进行调校补偿。
其中,为控制器增益,是雅可比转换矩阵的广义逆估计,表示相机运动至姿态的时间距离当前时间的时间间隔,记录了机械臂手持相机运动的中间节点位姿,表示视觉伺服的起始位姿, 包含目标沿期望相机位姿坐标系中的轴的移动速率,表示目标物的三维坐标,表示相机在任意两个位姿之间做机械运动需要的时间间隔;为参照特征的校正量,取决于相机内部参数、目标所在位置、目标移动方向和速率和伺服输入特征的计算模型;为视觉伺服控制器输出的动态补偿量,取决于相机姿态、相机机械运动时间间隔和目标移动方向和速率。
从上述技术方案可以看出,本发明所提供的一种面向移动柱状组合体的视觉伺服趋近方法,包括:建立柱状组合体目标的视觉信息、目标模型参数和成像模型之间的关系;根据建立的关系,在成像视角范围内至少提取四个像素点的坐标,构建面向柱状组合体目标的视觉伺服控制输入特征向量以及与构建的控制输入特征向量对应的雅可比转换矩阵;在视角约束时,对构建的控制输入特征向量和参照特征向量进行自适应重组,并得到与重组后的控制输入特征向量对应的特征雅可比转换矩阵;根据重组后的控制输入特征向量和参照特征向量以及得到的特征雅可比转换矩阵,对视觉伺服控制器的输出进行调校补偿,使视觉伺服系统趋近移动中的柱状组合体目标。
本发明充分利用柱状组合体目标成像的冗余视觉信息,构建新的伺服控制输入特征向量及其在部分视觉信息缺失情形下的特征输入自适应重组方式,可以提高伺服系统针对图像噪声的鲁棒性,针对视角约束的自适应性和面向柱状组合体移动的适用性,促进视觉伺服控制面向移动柱状组合体目标时的全局收敛,降低了视觉伺服系统对整体目标全程可视的视角约束依赖。
附图说明
为了更清楚地说明本发明实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的面向移动柱状组合体的视觉伺服趋近方法的流程图;
图2为本发明实施例提供的移动柱状组合体视觉信息示意图;
图3为本发明实施例提供的视觉伺服控制输入特征向量示意图;
图4为本发明实施例提供的视觉伺服控制输入特征向量自适应重组示意图;
图5为本发明实施例提供的面向移动柱状组合体的视觉伺服趋近流程框架示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种面向移动柱状组合体的视觉伺服趋近方法,如图1所示,包括以下步骤:
S101、建立柱状组合体目标的视觉信息、目标模型参数和成像模型之间的关系;
S102、根据建立的关系,在成像视角范围内至少提取四个像素点的坐标,构建面向柱状组合体目标的视觉伺服控制输入特征向量以及与构建的控制输入特征向量对应的雅可比转换矩阵;
具体地,利用柱状组合体成像的冗余视觉信息,提出新的伺服控制输入特征向量,构建与特征向量相关联的雅可比转换矩阵,可以提升视觉伺服系统的抗噪性;
S103、在视角约束时(即在部分视觉信息缺失情形下),对构建的控制输入特征向量和参照特征向量进行自适应重组,并得到与重组后的控制输入特征向量对应的特征雅可比转换矩阵;
上述自适应重组的变更方式,可以降低视觉伺服系统对趋近目标的整体全程可视化要求;
S104、根据重组后的控制输入特征向量和参照特征向量以及得到的特征雅可比转换矩阵,对视觉伺服控制器的输出进行调校补偿,使视觉伺服系统趋近移动中的柱状组合体目标;
需要说明的是,上述面向移动柱状组合体的视觉伺服控制调校补偿方式,可以使得视觉伺服系统得以趋近移动中的柱状组合体目标,收敛到期望特征值的同时,收敛到相对目标移动不变的期望相机位姿;该方式有利于视觉伺服技术面向特殊形态组合体处于静动态环境中的应用。
在本发明实施例提供的上述面向移动柱状组合体的视觉伺服趋近方法中,采用新的控制输入及其雅可比转换矩阵,充分利用到柱状组合目标成像面映射整体带来的视觉冗余信息,为特征向量及其雅可比在缺失部分信息情形下的自适应重组方法提供了先决条件;降低了视觉伺服系统对整体目标全程可视的视角约束依赖,利于静态环境下的视觉伺服全局收敛,也利于适用于趋近移动中的目标。
在具体实施时,在本发明实施例提供的上述面向移动柱状组合体的视觉伺服趋近方法中,如图2所示,步骤S101建立的柱状组合体目标的视觉信息与目标模型参数和成像模型之间的关系可以包括:
且有,
其中,如图3和图4所示,为可视范围内像素坐标的均值,为可视范围内像素坐标的均值,描述的是像素点到像素点的方向,也即由像素点出发经过像素点的射线与成像面轴之间的夹角,符号表示任意向量或者矩阵的转置运算。作为视觉伺服控制器的输入特征向量,至少需要四对在成像视角范围内可提取,从而确保特征向量中含有至少六个元素,避免特征相关雅可比转换矩阵可能的奇异化问题。
进一步地,在具体实施时,在本发明实施例提供的上述面向移动柱状组合体的视觉伺服趋近方法中,在已知特征相对应的雅可比矩阵构造前提下,首先建立像素点坐标与成像焦点空间运动速率之间的转换关系,即建立成像面特征到成像焦点笛卡尔空间坐标之间的转换关系;转换关系如下:
其中,雅可比转换矩阵模型为:
需要说明的是,上述圆柱体在图像面投影的两条直线可以推导为:
另外,需要说明的是,是的系数,、、、、、、也可以作为矩阵,单个特征对应的是向量,多个特征叠加的时候,雅可比转换向量也相应叠加成了矩阵,而和的计算是、、、、、的线性叠加。每一个特征对应的雅可比转换向量都乘以了相应的系数(比例)再做叠加运算。
其中,为特征对应的雅可比转换向量,是雅可比转换矩阵中的第一个行向量,为特征对应的雅可比转换向量,是雅可比转换矩阵中的第二个行向量,为特征对应的雅可比转换矩阵中的其余分项,和分别为特征和对应的雅可比转换向量。
在具体实施时,在本发明实施例提供的上述面向移动柱状组合体的视觉伺服趋近方法中,在执行步骤103中,对构建的控制输入特征向量进行自适应重组,具体可以包括:
得到重组后的特征向量如下:
可以理解的是,如图2所示,i的取值有1,2,3; j的取值有1和2。因此图2上面标明的柱状组合体特征点有3*2=6个,分别是(X11,Y11), (X12,Y12), (X21,Y21), (X22,Y22), (X31,Y31), (X32,Y32);按照构建的视觉伺服控制输入特征向量,相当于s1=,s2=, s3中的3是由的下标计算而来。例如i=1, j=1, 那么的下标由2i+j=2+1=3; i=1, j=2, 那么的下标由2i+j=2+2=4, 即s4对应于的,i=1,j=2。
需要注意的是,视觉伺服控制相机/机械臂运动的过程中,不一定六个特征点(X11,Y11), (X12,Y12), (X21,Y21), (X22,Y22), (X31,Y31), (X32,Y32)都一直处在相机的成像视角范围内。如果中途,某个点接近了视角边缘,即将超出成像视角范围,则设置标识量。
如果根据标识量,判断某个i, j取值对应的特征点满足视角约束(也即在成像面上可以提取到该特征点的像素坐标),则记录该i, j值。如果六个特征点都在视角范围内,那么i和j的取值组合有6个,也就是G最多有6行,n最多取到6, n<=6。、用于记录满足的i, j取值。例如,如果(X11,Y11)在成像视角范围内,则,则i1=1, j1=1, g1=3; 如果(X12,Y12)不满足视角约束,, 但是(X21,Y21)满足,,那么i2=2, j2=1,g2=5; 以此类推。
进一步地,在具体实施时,在本发明实施例提供的上述面向移动柱状组合体的视觉伺服趋近方法中,采用下列公式得到与重组后的控制输入特征向量对应的特征雅可比转换矩阵:
需要说明的是,视觉伺服控制应用中,根据式(1)和式(2),实时更新控制输入特征向量和雅可比转换矩阵,实现控制输入的重组,适应于视觉伺服技术对信息的视角约束要求。
在实际应用中,静态环境下的视觉伺服全局收敛,是视觉伺服系统适用于移动目标的前提。如图5所示,在静态环境中,瞬时特征变化量仅仅源于机械臂末端相机的运动,需根据实时提取的视觉信息与式(1)计算现有特征向量;此时的参照特征值固定不变,但参照特征向量的结构需根据视觉约束条件下重组的结构进行相似的重组更新得到,再根据式(2)得到实时重组的代入视觉伺服控制器:
其中,为控制器增益,是雅可比转换矩阵的广义逆估计,估计值包含了深度估计误差,相机标定误差,图像噪声的影响等。静态环境下的视觉伺服趋近过程,也可能出现所采用的视觉信息短时脱离视角约束范围的情况。在本发明中,通过特征向量及其相关雅可比矩阵的自适应重组方法,可以应对部分视觉信息缺失的情形,促进视觉伺服系统的全局收敛,为适用于动态环境下的移动目标创造更好的条件。
其中,为控制器增益, 是雅可比转换矩阵的广义逆估计, 表示相机运动至姿态的时间距离当前时间的时间间隔,记录了机械臂手持相机运动的中间节点位姿, 表示视觉伺服的起始位姿(对应于起始时间=0),包含目标沿期望相机位姿坐标系中的轴的移动速率, 表示目标物的三维坐标,表示相机在任意两个位姿之间做机械运动需要的时间间隔;为参照特征的校正量,取决于相机内部参数、目标所在位置、目标移动方向和速率和伺服输入特征的计算模型等;为视觉伺服控制器输出的动态补偿量,取决于相机姿态、相机机械运动时间间隔和目标移动方向和速率等。
专业人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本发明实施例提供的一种面向移动柱状组合体的视觉伺服趋近方法,包括:建立柱状组合体目标的视觉信息、目标模型参数和成像模型之间的关系;根据建立的关系,在成像视角范围内至少提取四个像素点的坐标,构建面向柱状组合体目标的视觉伺服控制输入特征向量以及与构建的控制输入特征向量对应的雅可比转换矩阵;在视角约束时,对构建的控制输入特征向量和参照特征向量进行自适应重组,并得到与重组后的控制输入特征向量对应的特征雅可比转换矩阵;根据重组后的控制输入特征向量和参照特征向量以及得到的特征雅可比转换矩阵,对视觉伺服控制器的输出进行调校补偿,使视觉伺服系统趋近移动中的柱状组合体目标。这样充分利用柱状组合体目标成像的冗余视觉信息,提出新的伺服控制输入特征向量及其在部分视觉信息缺失情形下的特征输入自适应重组方式,旨在提高伺服系统针对图像噪声的鲁棒性,针对视角约束的自适应性和面向柱状组合体移动的适用性,促进视觉伺服控制面向移动柱状组合体目标时的全局收敛,降低了视觉伺服系统对整体目标全程可视的视角约束依赖,利于静态环境下的视觉伺服全局收敛,也利于适用于趋近移动中的目标。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的面向移动柱状组合体的视觉伺服趋近方法进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种面向移动柱状组合体的视觉伺服趋近方法,其特征在于,包括:
建立柱状组合体目标的视觉信息、目标模型参数和成像模型之间的关系;
根据建立的所述关系,在成像视角范围内至少提取四个像素点的坐标,构建面向柱状组合体目标的视觉伺服控制输入特征向量以及与构建的所述控制输入特征向量对应的雅可比转换矩阵;
在视角约束时,对构建的所述控制输入特征向量和参照特征向量进行自适应重组,并得到与重组后的所述控制输入特征向量对应的特征雅可比转换矩阵;
根据重组后的所述控制输入特征向量和所述参照特征向量以及得到的所述特征雅可比转换矩阵,对视觉伺服控制器的输出进行调校补偿,使视觉伺服系统趋近移动中的柱状组合体目标。
9.根据权利要求8所述的面向移动柱状组合体的视觉伺服趋近方法,其特征在于,根据重组后的所述控制输入特征向量和所述参照特征向量以及得到的所述特征雅可比转换矩阵,对视觉伺服控制器的输出进行调校补偿,具体包括:
在动态环境下,通过在视觉伺服控制器中引入参照特征的校正量和视觉伺服控制器输出的动态补偿量,结合重组后的所述控制输入特征向量和所述参照特征向量以及得到的所述特征雅可比转换矩阵,对视觉伺服控制器的输出进行调校补偿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011009179.9A CN111931387B (zh) | 2020-09-23 | 2020-09-23 | 一种面向移动柱状组合体的视觉伺服趋近方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011009179.9A CN111931387B (zh) | 2020-09-23 | 2020-09-23 | 一种面向移动柱状组合体的视觉伺服趋近方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111931387A CN111931387A (zh) | 2020-11-13 |
CN111931387B true CN111931387B (zh) | 2020-12-22 |
Family
ID=73335065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011009179.9A Active CN111931387B (zh) | 2020-09-23 | 2020-09-23 | 一种面向移动柱状组合体的视觉伺服趋近方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111931387B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112947569B (zh) * | 2021-03-09 | 2022-08-12 | 中南大学 | 基于预设性能四旋翼无人机视觉伺服目标跟踪控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105856201A (zh) * | 2016-05-25 | 2016-08-17 | 华南理工大学 | 一种三自由度的机器人视觉伺服平台 |
CN106774309A (zh) * | 2016-12-01 | 2017-05-31 | 天津工业大学 | 一种移动机器人同时视觉伺服与自适应深度辨识方法 |
CN107943102A (zh) * | 2017-12-28 | 2018-04-20 | 南京工程学院 | 一种基于视觉伺服的飞行器及其自主追踪系统 |
CN108614560A (zh) * | 2018-05-31 | 2018-10-02 | 浙江工业大学 | 一种移动机器人视觉伺服保性能跟踪控制方法 |
CN108839026A (zh) * | 2018-07-19 | 2018-11-20 | 浙江工业大学 | 一种移动机器人视觉伺服跟踪预测控制方法 |
CN111283683A (zh) * | 2020-03-04 | 2020-06-16 | 湖南师范大学 | 一种机器人视觉特征规划轨迹的伺服跟踪加速收敛方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11358290B2 (en) * | 2017-10-19 | 2022-06-14 | Canon Kabushiki Kaisha | Control apparatus, robot system, method for operating control apparatus, and storage medium |
CN111494853B (zh) * | 2020-04-10 | 2021-05-11 | 中国矿业大学 | 一种多模式视觉伺服控制消防系统及其工作方法 |
CN111469427B (zh) * | 2020-04-22 | 2024-06-11 | 合肥研泰自动化设备有限公司 | 一种视觉伺服装配机 |
-
2020
- 2020-09-23 CN CN202011009179.9A patent/CN111931387B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105856201A (zh) * | 2016-05-25 | 2016-08-17 | 华南理工大学 | 一种三自由度的机器人视觉伺服平台 |
CN106774309A (zh) * | 2016-12-01 | 2017-05-31 | 天津工业大学 | 一种移动机器人同时视觉伺服与自适应深度辨识方法 |
CN107943102A (zh) * | 2017-12-28 | 2018-04-20 | 南京工程学院 | 一种基于视觉伺服的飞行器及其自主追踪系统 |
CN108614560A (zh) * | 2018-05-31 | 2018-10-02 | 浙江工业大学 | 一种移动机器人视觉伺服保性能跟踪控制方法 |
CN108839026A (zh) * | 2018-07-19 | 2018-11-20 | 浙江工业大学 | 一种移动机器人视觉伺服跟踪预测控制方法 |
CN111283683A (zh) * | 2020-03-04 | 2020-06-16 | 湖南师范大学 | 一种机器人视觉特征规划轨迹的伺服跟踪加速收敛方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111931387A (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu | A review of solutions for perspective-n-point problem in camera pose estimation | |
CN110116407A (zh) | 柔性机器人位姿测量方法及装置 | |
CN109064516B (zh) | 一种基于绝对二次曲线像的相机自标定方法 | |
CN110900598A (zh) | 机器人三维运动空间动作模仿学习方法和系统 | |
Kumar et al. | Visual motor control of a 7DOF redundant manipulator using redundancy preserving learning network | |
Schramm et al. | Ensuring visibility in calibration-free path planning for image-based visual servoing | |
CN111652941B (zh) | 基于自适应变异的天牛群优化算法的相机内参校准方法 | |
Tahri et al. | Robust image-based visual servoing using invariant visual information | |
CN108805987A (zh) | 基于深度学习的混合跟踪方法及装置 | |
CN111931387B (zh) | 一种面向移动柱状组合体的视觉伺服趋近方法 | |
CN109048918A (zh) | 一种轮椅机械臂机器人的视觉引导方法 | |
CN110068326A (zh) | 姿态计算方法、装置、电子设备以及存储介质 | |
CN110793526A (zh) | 基于可穿戴单目视觉和惯性传感器融合的行人导航方法及系统 | |
CN117381800B (zh) | 一种手眼标定方法及系统 | |
Schramm et al. | Extended-2d visual servoing | |
CN110570473A (zh) | 一种基于点线融合的权重自适应位姿估计方法 | |
CN116681733B (zh) | 一种空间非合作目标近距离实时位姿跟踪方法 | |
CN109785393B (zh) | 一种基于平面运动约束的相机自标定方法 | |
CN117340879A (zh) | 一种基于图优化模型的工业机器人参数辨识方法和系统 | |
Mansard et al. | Jacobian learning methods for tasks sequencing in visual servoing | |
Bourquardez et al. | Stability and performance of image based visual servo control using first order spherical image moments | |
Tahri et al. | Visual servoing and pose estimation with cameras obeying the unified model | |
Lee et al. | Adaptive visual servo control for a quadrotor helicopter | |
CN115294280A (zh) | 三维重建方法、装置、设备、存储介质和程序产品 | |
CN114434441A (zh) | 基于自适应动态规划的移动机器人视觉伺服跟踪控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240104 Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee after: Dragon totem Technology (Hefei) Co.,Ltd. Address before: No. 36, Yuelu District Lu Mountain Road, Changsha, Hunan Patentee before: HUNAN NORMAL University |
|
TR01 | Transfer of patent right |