CN114280925B - 基于单目视觉的可变杆长倒立摆目标捕捉控制方法及系统 - Google Patents

基于单目视觉的可变杆长倒立摆目标捕捉控制方法及系统 Download PDF

Info

Publication number
CN114280925B
CN114280925B CN202111601127.5A CN202111601127A CN114280925B CN 114280925 B CN114280925 B CN 114280925B CN 202111601127 A CN202111601127 A CN 202111601127A CN 114280925 B CN114280925 B CN 114280925B
Authority
CN
China
Prior art keywords
inverted pendulum
rod
length
target
target object
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
Application number
CN202111601127.5A
Other languages
English (en)
Other versions
CN114280925A (zh
Inventor
甄圣超
王君
刘晓黎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202111601127.5A priority Critical patent/CN114280925B/zh
Publication of CN114280925A publication Critical patent/CN114280925A/zh
Application granted granted Critical
Publication of CN114280925B publication Critical patent/CN114280925B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明涉及一种基于单目视觉的可变杆长倒立摆目标捕捉控制方法，包括：当目标物体出现在单目深度视觉广角摄像头上方的工作区域时，单目深度视觉广角摄像头立即捕捉到目标物体的方位，并将采集到的图像信号实时传输至倒立摆的主控制器内；主控制器实时计算出目标物体的坐标位置、速度和加速度；主控制器对倒立摆进行控制，对倒立摆进行目标跟随控制；当倒立摆对目标物体进行捕获时，根据目标物体的相关参数控制倒立摆的四个参数。本发明将人工智能融入传统倒立摆应用，能够根据单目深度视觉广角摄像头所采集到的图像信息，精准捕捉到所投掷的目标物体；本发明中所涉及到的改进LQR算法和目标跟随控制算法能够准确使倒立摆平台接住物体。

Description

基于单目视觉的可变杆长倒立摆目标捕捉控制方法及系统
技术领域
本发明涉及电机控制技术领域，尤其是一种基于单目视觉的可变杆长倒立摆目标捕捉控制方法及系统。
背景技术
倒立摆控制系统是一个复杂的、不稳定的、非线性系统，是进行控制理论教学及开展各种控制实验的理想实验平台。对倒立摆系统的研究能有效的反映控制中的许多典型问题：如非线性问题、鲁棒性问题、镇定问题、随动问题以及跟踪问题等。通过对倒立摆的控制，用来检验新的控制方法是否有较强的处理非线性和不稳定性问题的能力。同时，其控制方法在军工、航天、机器人和一般工业过程领域中都有着广泛的用途，如机器人行走过程中的平衡控制、火箭发射中的垂直度控制和卫星飞行中的姿态控制等。然而，目前的倒立摆产品只是将注意力集中在其基本结构以及简单控制算法上，也只是能实现一些简易的自平衡功能，产品的抗干扰性能并不高，相关于视觉方面的应用领域较少且其智能化程度更是有待提升。
发明内容
本发明的首要目的在于提供一种能够精准捕捉到所投掷的物体，计算出目标物体的位置，速度和加速度，并准确接住目标物体并保持稳定的基于单目视觉的可变杆长倒立摆目标捕捉控制方法。
为实现上述目的，本发明采用了以下技术方案：一种基于单目视觉的可变杆长倒立摆目标捕捉控制方法，该方法包括下列顺序的步骤：
(1)将单目深度视觉广角摄像头安装至倒立摆的顶端，当目标物体出现在单目深度视觉广角摄像头上方的工作区域时，单目深度视觉广角摄像头立即捕捉到目标物体的方位，并将采集到的图像信号实时传输至倒立摆的主控制器内；
(2)所述主控制器根据接收到的图像信号中的阴影面积在图像中所处的位置、每毫秒阴影面积大小变化和每毫秒阴影部分移动的距离实时计算出目标物体在x方向和在y方向的坐标位置、速度和加速度；
(3)主控制器根据目标物体的坐标位置、速度及加速度，通过改进的LQR算法对倒立摆进行控制，包括控制倒立摆左右横移的距离、速度、加速度以及倒立摆伸缩杆的杆长变化幅度，同时通过位置PID算法对倒立摆进行目标跟随控制，准确跟踪目标物体的轨迹并进行捕捉；
(4)当倒立摆对目标物体进行捕获时，目标物体发生弹跳，主控制器根据单目深度视觉广角摄像头采集到的信息来判断目标物体所处的状态是上升还是下降状态，根据目标物体的相关参数控制倒立摆的四个参数：横移距离、速度、加速度以及倒立摆伸缩杆的杆长变化长度，并准备迎接下一次捕捉，直至目标物体平稳降落在单目深度视觉广角摄像头上，并持续保持目标物体及倒立摆摆杆的稳定。
在步骤(3)中，所述改进的LQR算法的公式如下：
其中，J是代价函数；u是一组控制量；x是状态向量；t是时间；Q、R分别为半正定矩阵、正定矩阵；
采用变分法求解得到反馈增益矩阵为：
K＝-R-1BTP
ATP+PA-PBR-1BTP+Q＝0
其中，Q是状态变量的加权矩阵，状态变量的加权矩阵Q＝diag(q1,q2,q3,q4,q5,q6)中的各项系数分别代表其对应指标误差的相对重要程度；R是控制量的加权矩阵；A是系统矩阵，B是前馈矩阵，K、P均为配置反馈矩阵。
在步骤(3)中，所述目标跟随控制具体是指：确定跟踪对象的位置后，采用位置PID算法进行目标跟踪控制，其差分方程如下式所示：
其中，ek为k时刻设置值与实际值的差，uk为计算得到的控制量；kp是比例调节系数；ki是积分调节系数；
所述目标跟随控制包括：
(3a)水平距离的控制：通过控制倒立摆底端的速度来控制倒立摆与目标的水平距离，假设保持的水平距离设置值为d，则标签实际距离和d的偏差为d-y，把d-y代入公式(2)中的ek计算得到水平控制量udk，用udk调整倒立摆底端前进速度，当udk较大时，加快倒立摆底端速度，当udk较小时，减小倒立摆底端速度，当udk<0时，倒立摆底端停止；
(3b)倒立摆杆长的控制：通过控制倒立摆的杆长来控制竖直方向的距离，倒立摆杆长的变化大小用x/y来衡量，其中x为目标物体的竖直高度，y为倒立摆当前时刻杆长，把x/y的值代入到公式(2)中的ek得到杆长控制量uak，用uak控制倒立摆的杆长变化长度，当uak较大时，杆长增加幅度增大；当uak较小时，杆长增加幅度缩小；uak为正，增长；uak为负，缩短；
可变杆长倒立摆系统的拉格朗日方程为：
其中，qi为广义坐标，q0为小车位移x，q1为下摆角位移θ1，q2为上摆角位移θ2，Fi为作用在系统上的广义力，T，V，D分别是系统的总动能，总势能和总耗散能；
取状态向量：
Y＝[x,θ1,θ2-θ1]T
通过推导变换得到二级倒立摆状态方程和输出方程为：
其中，C是一个控制矩阵；
式中：
C＝[E3 O3]
其中：
G(0,0)＝[G0 0 0]T
其中，M为总质量，M0为倒立摆顶端敞口捕捉盒质量，M1为第一杆体质量，M2为伸缩杆质量，l1为第一杆体长度，L1为伸缩杆长度，F1为作用在第一杆体的力，F2为作用在伸缩杆的力，J1为第一杆体的转动惯量，J2为伸缩杆的转动惯量。
在步骤(4)中，所述目标物体所处的状态根据单目深度视觉广角摄像头所采集到的图像中阴影部分所占比例来判断，若相同间隔时间内，检测到的图像中阴影部分的面积逐渐变小，则说明目标物体处于上升状态，倒立摆则转变为待命模式；若检测到图像中阴影部分的面积逐渐变大，则说明目标物体处于下降状态，倒立摆做出调整准备迎接下一次捕捉。
本发明的另一目的在于提供一种基于单目视觉的可变杆长倒立摆目标捕捉控制方法的系统，包括：
透明罩，采用透明薄玻璃罩，罩住整个倒立摆，将目标小球弹跳限制在倒立摆的工作范围之内；
倒立摆，能根据目标小球位置左右横移，同时根据目标高度自动伸缩杆长，确保准确接住物体；
敞口捕捉盒，用于承接目标小球；
单目深度视觉广角摄像头，能够准确采集到目标小球的图像信息；
主控制器，将单目深度视觉广角摄像头采集到的目标物体图像信息进行计算，得到位置、速度、加速度数据，计算得到倒立摆的直线电机所需运行位置，可变杆长摆杆所需伸长长度；
所述倒立摆包括：
可变杆长摆杆，用于根据目标小球的位置自动伸长缩短；
直线电机，用于带动可变杆长摆杆运动到目标小球位置的正下方；
所述倒立摆位于透明罩内，所述可变杆长摆杆为空心杆，且由第一杆体和可伸缩至第一杆体内的伸缩杆组成，所述直线电机的输出轴与第一杆体的一端固定连接，伸缩杆的上端面固设敞口捕捉盒，目标小球位于敞口捕捉盒盒体内，敞口捕捉盒盒体内的中心位置处安装单目深度视觉广角摄像头，单目深度视觉广角摄像头通过CAN总线与主控制器相连，主控制器设置在控制箱内。
所述透明罩的罩体前后宽度为5厘米。
由上述技术方案可知，本发明的有益效果为：第一，本发明将人工智能融入传统倒立摆应用，能够根据单目深度视觉广角摄像头所采集到的图像信息，精准捕捉到所投掷的目标物体；第二，本发明中所涉及到的改进LQR算法和目标跟随控制算法能够准确使倒立摆平台接住物体；第三，本发明中所涉及到的精准捕捉在倒立摆上的应用是全新的功能应用。
附图说明
图1为本发明的方法流程图；
图2为本发明的系统结构图；
图3为目标物体左右方向做正弦运动时倒立摆的速度跟踪捕获实验图；
图4为目标物体左右方向做正弦运动时倒立摆的加速度跟踪捕获实验图；
图5为目标物体上下方向做正弦运动时倒立摆杆长变化跟踪捕获实验图。
具体实施方式
如图1所示，一种基于单目视觉的可变杆长倒立摆目标捕捉控制方法，该方法包括下列顺序的步骤：
(1)将单目深度视觉广角摄像头安装至倒立摆的顶端，当目标物体出现在单目深度视觉广角摄像头上方的工作区域时，单目深度视觉广角摄像头立即捕捉到目标物体的方位，并将采集到的图像信号实时传输至倒立摆的主控制器内；
(2)所述主控制器根据接收到的图像信号中的阴影面积在图像中所处的位置、每毫秒阴影面积大小变化和每毫秒阴影部分移动的距离实时计算出目标物体在x方向和在y方向的坐标位置、速度和加速度；
(3)主控制器根据目标物体的坐标位置、速度及加速度，通过改进的LQR算法对倒立摆进行控制，包括控制倒立摆左右横移的距离、速度、加速度以及倒立摆伸缩杆5的杆长变化幅度，同时通过位置PID算法对倒立摆进行目标跟随控制，准确跟踪目标物体的轨迹并进行捕捉；
(4)当倒立摆对目标物体进行捕获时，目标物体发生弹跳，主控制器根据单目深度视觉广角摄像头采集到的信息来判断目标物体所处的状态是上升还是下降状态，根据目标物体的相关参数控制倒立摆的四个参数：横移距离、速度、加速度以及倒立摆伸缩杆5的杆长变化长度，并准备迎接下一次捕捉，直至目标物体平稳降落在单目深度视觉广角摄像头上，并持续保持目标物体及倒立摆摆杆的稳定。
在步骤(3)中，所述改进的LQR算法的公式如下：
其中，J是代价函数；u是一组控制量；x是状态向量；t是时间；Q、R分别为半正定矩阵、正定矩阵；
采用变分法求解得到反馈增益矩阵为：
K＝-R-1BTP
ATP+PA-PBR-1BTP+Q＝0
其中，Q是状态变量的加权矩阵，状态变量的加权矩阵Q＝diag(q1,q2,q3,q4,q5,q6)中的各项系数分别代表其对应指标误差的相对重要程度；R是控制量的加权矩阵；A是系统矩阵，B是前馈矩阵，K、P均为配置反馈矩阵。
在步骤(3)中，所述目标跟随控制具体是指：确定跟踪对象的位置后，采用位置PID算法进行目标跟踪控制，其差分方程如下式所示：
其中，ek为k时刻设置值与实际值的差，uk为计算得到的控制量；kp是比例调节系数；ki是积分调节系数；
所述目标跟随控制包括：
(3a)水平距离的控制：通过控制倒立摆底端的速度来控制倒立摆与目标的水平距离，假设保持的水平距离设置值为d，则标签实际距离和d的偏差为d-y，把d-y代入公式(2)中的ek计算得到水平控制量udk，用udk调整倒立摆底端前进速度，当udk较大时，加快倒立摆底端速度，当udk较小时，减小倒立摆底端速度，当udk<0时，倒立摆底端停止；
(3b)倒立摆杆长的控制：通过控制倒立摆的杆长来控制竖直方向的距离，倒立摆杆长的变化大小用x/y来衡量，其中x为目标物体的竖直高度，y为倒立摆当前时刻杆长，把x/y的值代入到公式(2)中的ek得到杆长控制量uak，用uak控制倒立摆的杆长变化长度，当uak较大时，杆长增加幅度增大；当uak较小时，杆长增加幅度缩小；uak为正，增长；uak为负，缩短；
可变杆长倒立摆系统的拉格朗日方程为：
其中，qi为广义坐标，q0为小车位移x，q1为下摆角位移θ1，q2为上摆角位移θ2，Fi为作用在系统上的广义力，T，V，D分别是系统的总动能，总势能和总耗散能；
取状态向量：
Y＝[x,θ1,θ2-θ1]T
通过推导变换得到二级倒立摆状态方程和输出方程为：
其中，C是一个控制矩阵；
式中：
C＝[E3 O3]
其中：
G(0,0)＝[G0 00]T
其中，M为总质量，M0为倒立摆顶端敞口捕捉盒3质量，M1为第一杆体4质量，M2为伸缩杆5质量，l1为第一杆体4长度，L1为伸缩杆5长度，F1为作用在第一杆体4的力，F2为作用在伸缩杆5的力，J1为第一杆体4的转动惯量，J2为伸缩杆5的转动惯量。
在步骤(4)中，所述目标物体所处的状态根据单目深度视觉广角摄像头所采集到的图像中阴影部分所占比例来判断，若相同间隔时间内，检测到的图像中阴影部分的面积逐渐变小，则说明目标物体处于上升状态，倒立摆则转变为待命模式；若检测到图像中阴影部分的面积逐渐变大，则说明目标物体处于下降状态，倒立摆做出调整准备迎接下一次捕捉。
如图2所示，本系统包括：
透明罩1，采用透明薄玻璃罩，罩住整个倒立摆，将目标小球6弹跳限制在倒立摆的工作范围之内；所述透明罩1的罩体前后宽度为5厘米。
倒立摆，能根据目标小球6位置左右横移，同时根据目标高度自动伸缩杆5长，确保准确接住物体；
敞口捕捉盒3，用于承接目标小球6；
单目深度视觉广角摄像头，能够准确采集到目标小球6的图像信息；
主控制器，将单目深度视觉广角摄像头采集到的目标物体图像信息进行计算，得到位置、速度、加速度数据，计算得到倒立摆的直线电机2所需运行位置，可变杆长摆杆所需伸长长度；
所述倒立摆包括：
可变杆长摆杆，用于根据目标小球6的位置自动伸长缩短；
直线电机2，用于带动可变杆长摆杆运动到目标小球6位置的正下方；
所述倒立摆位于透明罩1内，所述可变杆长摆杆为空心杆，且由第一杆体4和可伸缩至第一杆体4内的伸缩杆5组成，所述直线电机2的输出轴与第一杆体4的一端固定连接，伸缩杆5的上端面固设敞口捕捉盒3，目标小球6位于敞口捕捉盒3盒体内，敞口捕捉盒3盒体内的中心位置处安装单目深度视觉广角摄像头，单目深度视觉广角摄像头通过CAN总线与主控制器相连，具有极强的实时性，能够将采集到的图像数据快速传输到主控制器内，主控制器设置在控制箱内。
所述主控制器集成了图像识别转化、高速存储计算、实时数据传输、快速原型控制为一体，能根据目标物体的状态做出快速准确的反应。
如图3所示，当目标小球6的速度呈正弦变化时，可以看出本系统能够使可变杆长倒立摆的顶端速度准确跟踪目标小球6的速度，且误差在一个极小的范围内，证明了本方法的稳定性。
如图4所示，当目标小球6的加速度呈正弦变化时，可以看出本系统能够使可变杆长倒立摆的顶端加速度准确跟踪目标物体的加速度，且误差在一个可以接受的范围内，证明了本方法的可靠性。
如图5所示，当目标小球6的移动位置呈正弦变化时，可以看出本系统能够通过改变倒立摆伸缩杆5的杆长来实现顶端准确跟踪目标小球6的位置，且误差几乎为零内，证明了本方法的准确性。
综上所述，本方法能根据倒立摆的顶端的单目深度视觉广角摄像头所采集到的图像信息，精准捕捉到所投掷的目标小球6，计算出目标小球6的位置、速度和加速度，并计算出直线电机2所需要加载的电压电流来调整直线电机2的速度，通过力控制及加速度控制两种方式来驱动倒立摆运动到目标小球6的正下方，准确接住目标小球6。当目标小球6降落到倒立摆顶端即单目深度视觉广角摄像头上时，倒立摆会准确识别出目标小球6是出于上升状态还是下落状态，根据该特征自动调节控制参数。如果目标小球6发生了弹跳，倒立摆平台会随目标小球6进行左右横移，并准备迎接下一次捕捉。

Claims (4)

1.一种基于单目视觉的可变杆长倒立摆目标捕捉控制方法，其特征在于：该方法包括下列顺序的步骤：
(1)将单目深度视觉广角摄像头安装至倒立摆的顶端，当目标物体出现在单目深度视觉广角摄像头上方的工作区域时，单目深度视觉广角摄像头立即捕捉到目标物体的方位，并将采集到的图像信号实时传输至倒立摆的主控制器内；
(2)所述主控制器根据接收到的图像信号中的阴影面积在图像中所处的位置、每毫秒阴影面积大小变化和每毫秒阴影部分移动的距离实时计算出目标物体在x方向和在y方向的坐标位置、速度和加速度；
(3)主控制器根据目标物体的坐标位置、速度及加速度，通过改进的LQR算法对倒立摆进行控制，包括控制倒立摆左右横移的距离、速度、加速度以及倒立摆伸缩杆的杆长变化幅度，同时通过位置PID算法对倒立摆进行目标跟随控制，准确跟踪目标物体的轨迹并进行捕捉；
在步骤(3)中，所述改进的LQR算法的公式如下：
其中，J是代价函数；u是一组控制量；x是状态向量；t是时间；Q、R分别为半正定矩阵、正定矩阵；
采用变分法求解得到反馈增益矩阵为：
K＝-R-1BTP
ATP+PA-PBR-1BTP+Q＝0
其中，Q是状态变量的加权矩阵，状态变量的加权矩阵Q＝diag(q1,q2,q3,q4,q5,q6)中的各项系数分别代表其对应指标误差的相对重要程度；R是控制量的加权矩阵；A是系统矩阵，B是前馈矩阵，K、P均为配置反馈矩阵；
在步骤(3)中，所述目标跟随控制具体是指：确定跟踪对象的位置后，采用位置PID算法进行目标跟踪控制，其差分方程如下式所示：
其中，ek为k时刻设置值与实际值的差，uk为计算得到的控制量；kp是比例调节系数；ki是积分调节系数；
所述目标跟随控制包括：
(3a)水平距离的控制：通过控制倒立摆底端的速度来控制倒立摆与目标的水平距离，假设保持的水平距离设置值为d，则标签实际距离和d的偏差为d-y，把d-y代入公式(2)中的ek计算得到水平控制量udk，用udk调整倒立摆底端前进速度，当udk较大时，加快倒立摆底端速度，当udk较小时，减小倒立摆底端速度，当udk<0时，倒立摆底端停止；
(3b)倒立摆杆长的控制：通过控制倒立摆的杆长来控制竖直方向的距离，倒立摆杆长的变化大小用x/y来衡量，其中x为目标物体的竖直高度，y为倒立摆当前时刻杆长，把x/y的值代入到公式(2)中的ek得到杆长控制量uak，用uak控制倒立摆的杆长变化长度，当uak较大时，杆长增加幅度增大；当uak较小时，杆长增加幅度缩小；uak为正，增长；uak为负，缩短；
可变杆长倒立摆系统的拉格朗日方程为：
其中，qi为广义坐标，q0为小车位移x，q1为下摆角位移θ1，q2为上摆角位移θ2，Fi为作用在系统上的广义力，T，V，D分别是系统的总动能，总势能和总耗散能；
取状态向量：
Y＝[x,θ1,θ2-θ1]T
通过推导变换得到二级倒立摆状态方程和输出方程为：
其中，C是一个控制矩阵；
式中：
C＝[E3 O3]
其中：
G(0,0)＝[G0 0 0]T
其中，M为总质量，M0为倒立摆顶端敞口捕捉盒质量，M1为第一杆体质量，M2为伸缩杆质量，l1为第一杆体长度，L1为伸缩杆长度，F1为作用在第一杆体的力，F2为作用在伸缩杆的力，J1为第一杆体的转动惯量，J2为伸缩杆的转动惯量；
(4)当倒立摆对目标物体进行捕获时，目标物体发生弹跳，主控制器根据单目深度视觉广角摄像头采集到的信息来判断目标物体所处的状态是上升还是下降状态，根据目标物体的相关参数控制倒立摆的四个参数：横移距离、速度、加速度以及倒立摆伸缩杆的杆长变化长度，并准备迎接下一次捕捉，直至目标物体平稳降落在单目深度视觉广角摄像头上，并持续保持目标物体及倒立摆摆杆的稳定。
2.根据权利要求1所述的基于单目视觉的可变杆长倒立摆目标捕捉控制方法，其特征在于：在步骤(4)中，所述目标物体所处的状态根据单目深度视觉广角摄像头所采集到的图像中阴影部分所占比例来判断，若相同间隔时间内，检测到的图像中阴影部分的面积逐渐变小，则说明目标物体处于上升状态，倒立摆则转变为待命模式；若检测到图像中阴影部分的面积逐渐变大，则说明目标物体处于下降状态，倒立摆做出调整准备迎接下一次捕捉。
3.实施权利要求1至2中任一项所述基于单目视觉的可变杆长倒立摆目标捕捉控制方法的系统，其特征在于：包括：
透明罩，采用透明薄玻璃罩，罩住整个倒立摆，将目标小球弹跳限制在倒立摆的工作范围之内；
倒立摆，能根据目标小球位置左右横移，同时根据目标高度自动伸缩杆长，确保准确接住物体；
敞口捕捉盒，用于承接目标小球；
单目深度视觉广角摄像头，能够准确采集到目标小球的图像信息；
主控制器，将单目深度视觉广角摄像头采集到的目标物体图像信息进行计算，得到位置、速度、加速度数据，计算得到倒立摆的直线电机所需运行位置，可变杆长摆杆所需伸长长度；
所述倒立摆包括：
可变杆长摆杆，用于根据目标小球的位置自动伸长缩短；
直线电机，用于带动可变杆长摆杆运动到目标小球位置的正下方；
所述倒立摆位于透明罩内，所述可变杆长摆杆为空心杆，且由第一杆体和可伸缩至第一杆体内的伸缩杆组成，所述直线电机的输出轴与第一杆体的一端固定连接，伸缩杆的上端面固设敞口捕捉盒，目标小球位于敞口捕捉盒盒体内，敞口捕捉盒盒体内的中心位置处安装单目深度视觉广角摄像头，单目深度视觉广角摄像头通过CAN总线与主控制器相连，主控制器设置在控制箱内。
4.根据权利要求3所述的基于单目视觉的可变杆长倒立摆目标捕捉控制方法的系统，其特征在于：所述透明罩的罩体前后宽度为5厘米。
CN202111601127.5A 2021-12-24 2021-12-24 基于单目视觉的可变杆长倒立摆目标捕捉控制方法及系统 Active CN114280925B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111601127.5A CN114280925B (zh) 2021-12-24 2021-12-24 基于单目视觉的可变杆长倒立摆目标捕捉控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111601127.5A CN114280925B (zh) 2021-12-24 2021-12-24 基于单目视觉的可变杆长倒立摆目标捕捉控制方法及系统

Publications (2)

Publication Number Publication Date
CN114280925A CN114280925A (zh) 2022-04-05
CN114280925B true CN114280925B (zh) 2023-07-18

Family

ID=80875147

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111601127.5A Active CN114280925B (zh) 2021-12-24 2021-12-24 基于单目视觉的可变杆长倒立摆目标捕捉控制方法及系统

Country Status (1)

Country Link
CN (1) CN114280925B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880181A (zh) * 2012-09-06 2013-01-16 中山大学 一种倒立摆系统及其控制电路和控制方法
CN108563220A (zh) * 2018-01-29 2018-09-21 南京邮电大学 仿人足球机器人的运动规划

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101590323B (zh) * 2009-07-08 2012-10-31 北京工业大学 独轮机器人系统及其控制方法
CN108646741A (zh) * 2018-05-31 2018-10-12 哈尔滨工程大学 一种基于视觉反馈的无人艇目标跟踪方法
CN109376785B (zh) * 2018-10-31 2021-09-24 东南大学 基于迭代扩展卡尔曼滤波融合惯性与单目视觉的导航方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880181A (zh) * 2012-09-06 2013-01-16 中山大学 一种倒立摆系统及其控制电路和控制方法
CN108563220A (zh) * 2018-01-29 2018-09-21 南京邮电大学 仿人足球机器人的运动规划

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
带有时变计算时延的倒立摆视觉实时控制研究;杜大军;李汪佩;詹斌;费敏锐;;控制理论与应用(第07期);全文 *

Also Published As

Publication number Publication date
CN114280925A (zh) 2022-04-05

Similar Documents

Publication Publication Date Title
CN107993257B (zh) 一种智能imm卡尔曼滤波前馈补偿目标追踪方法及系统
CN108873929B (zh) 一种固定翼飞机自主着舰方法及系统
CN109471454B (zh) 一种指定攻击倾角的微型作业飞行器的末端制导段进入方法
Zhang et al. Dynamic image-based output feedback control for visual servoing of multirotors
CN111923049B (zh) 基于球面模型的飞行机械臂视觉伺服与多任务控制方法
Fu et al. Vision-based obstacle avoidance for flapping-wing aerial vehicles
Yang et al. An optimized image-based visual servo control for fixed-wing unmanned aerial vehicle target tracking with fixed camera
CN110282137B (zh) 一种基于系绳连接的智能空中抓捕器及控制方法
CN114280925B (zh) 基于单目视觉的可变杆长倒立摆目标捕捉控制方法及系统
Chen et al. A novel pan-tilt camera control approach for visual tracking
CN208384428U (zh) 基于反向位移补偿的稳定转台系统
Sharma et al. Building a quadcopter: An approach for an Autonomous Quadcopter
CN108279562A (zh) 一种基于滑模pid控制的飞行机械臂
De Wagter et al. Autonomous wind tunnel free-flight of a flapping wing MAV
CN111158240A (zh) 一种空中快速偏航抓捕器的位姿滑模控制方法
WO2023165174A1 (zh) 构建机器人的控制器的方法、机器人的运动控制方法、装置以及机器人
CN114510065A (zh) 一种多旋翼无人机地面目标跟踪控制方法
Cabecinhas et al. Vision-based quadrotor stabilization using a pan and tilt camera
Liu et al. Dynamic modeling and active disturbance rejection control of parallel aerial manipulator system
Ahmed et al. Design and analysis of quadcopter classical controller
Hashimoto et al. Visual servoing with linearized observer
CN113156813A (zh) 基于鸽群优化控制的带臂四旋翼无人机系统及控制方法
CN116330300B (zh) 一种面向动态目标捕获的飞行机械臂运动轨迹计算方法
Aggarwal et al. Image-based visual servoing for tracking and landing on a moving target using a multirotor
Deng et al. Tracking ground targets using an autonomous helicopter with a vision system

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