CN116079697A - 一种基于图像的单目视觉伺服方法、装置、设备及介质 - Google Patents
一种基于图像的单目视觉伺服方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116079697A CN116079697A CN202211665602.XA CN202211665602A CN116079697A CN 116079697 A CN116079697 A CN 116079697A CN 202211665602 A CN202211665602 A CN 202211665602A CN 116079697 A CN116079697 A CN 116079697A
- Authority
- CN
- China
- Prior art keywords
- control period
- target
- joint
- image
- mechanical arm
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims abstract description 69
- 238000004364 calculation method Methods 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/08—Programme-controlled manipulators characterised by modular constructions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J18/00—Arms
-
- 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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
-
- 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
- B25J9/1679—Programme controls characterised by the tasks executed
-
- 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
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本公开实施例涉及一种基于图像的单目视觉伺服方法、装置、设备及介质,其中该方法包括:采集目标数量控制周期的机械臂关节位置和目标点在相机坐标系下的目标位置,基于每个控制周期的机械臂关节位置和目标位置进行计算,得到图像雅可比矩阵,获取每个控制周期的目标位置和预设的期望位置进行计算,得到每个控制周期的位置差值,基于图像雅可比矩阵、每个控制周期的位置差值、预设的控制增益和控制周期进行计算,得到每个控制周期的目标关节位置,以基于目标关节位置控制机械臂运动。采用上述技术方案,可以不依赖相机精度、手眼标定的精度,实时根据图像特征建立与机械臂关节运动之间的关系,实现机械臂的目标跟随运动。
Description
技术领域
本公开涉及计算机视觉与设备控制技术领域,尤其涉及一种基于图像的单目视觉伺服方法、装置、设备及介质。
背景技术
通常,视觉伺服按照实现方式的不同,其主要分为基于图像的视觉伺服(IBVS,Image Visual Servo Control)和基于位置的视觉伺服(PBVS,Position Visual ServoControl)。其中,PBVS是在笛卡尔坐标系下,由手眼标定矩阵估计出目标相对于相机的位姿,并与期望位姿相减得到特征误差,将其反馈给伺服控制系统,系统根据反馈生成机器人运动指令,以驱动机器人到达期望位置。IBVS主要通过以下方式实现:视觉传感器获取图像的特征信息,将其反馈给伺服控制系统,系统根据反馈生成图像雅可比,转换为机器人的运动指令,使得机器人达到目标位置。
然而,在IBVS方法中,图像雅可比矩阵的求解是难点之一,主要通过以下方式实现:基于卡尔曼滤波进行图像雅可比的求解,卡尔曼滤波多次迭代会带来较大的误差,鲁棒性差,跟踪速度慢;或者是针对动态目标的无标定视觉伺服,利用动态递归最小二乘法的方法在线估计图像雅可比矩阵,会引入机械臂误差;或者是基于模型进行图像雅可比矩阵求解,该方法在机械臂奇异位置无法解得。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开提供了一种基于图像的单目视觉伺服方法、装置、设备及介质。
本公开实施例提供了一种基于图像的单目视觉伺服方法,所述方法包括:
采集目标数量控制周期的机械臂关节位置和目标点在相机坐标系下的目标位置;
基于每个所述控制周期的机械臂关节位置和目标位置进行计算,得到图像雅可比矩阵;
获取每个所述控制周期的目标位置和预设的期望位置进行计算,得到每个控制周期的位置差值;
基于所述图像雅可比矩阵、所述每个控制周期的位置差值、预设的控制增益和所述控制周期进行计算,得到每个控制周期的目标关节位置,以基于所述目标关节位置控制机械臂运动。
本公开实施例还提供了一种基于图像的单目视觉伺服装置,所述装置包括:
采集模块,用于采集目标数量控制周期的机械臂关节位置和目标点在相机坐标系下的目标位置;
第一计算模块,用于基于每个所述控制周期的机械臂关节位置和目标位置进行计算,得到图像雅可比矩阵;
第二计算模块,用于获取每个所述控制周期的目标位置和预设的期望位置进行计算,得到每个控制周期的位置差值;
第三计算模块,用于基于所述图像雅可比矩阵、所述每个控制周期的位置差值、预设的控制增益和所述控制周期进行计算,得到每个控制周期的目标关节位置,以基于所述目标关节位置控制机械臂运动。
本公开实施例还提供了一种电子设备,所述电子设备包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现如本公开实施例提供的基于图像的单目视觉伺服方法。
本公开实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行如本公开实施例提供的基于图像的单目视觉伺服方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点:本公开实施例提供的基于图像的单目视觉伺服方案,采集目标数量控制周期的机械臂关节位置和目标点在相机坐标系下的目标位置,基于每个控制周期的机械臂关节位置和目标位置进行计算,得到图像雅可比矩阵,获取每个控制周期的目标位置和预设的期望位置进行计算,得到每个控制周期的位置差值,基于图像雅可比矩阵、每个控制周期的位置差值、预设的控制增益和控制周期进行计算,得到每个控制周期的目标关节位置,以基于目标关节位置控制机械臂运动。采用上述技术方案,可以不依赖相机精度、手眼标定的精度,实时根据图像特征建立与机械臂关节运动之间的关系,实现机械臂的目标跟随运动。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本公开实施例提供的一种基于图像的单目视觉伺服方法的流程示意图;
图2为本公开实施例提供的另一种基于图像的单目视觉伺服方法的流程示意图;
图3为本公开实施例提供的一种基于图像的单目视觉伺服装置的结构示意图;
图4为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
图1为本公开实施例提供的一种基于图像的单目视觉伺服方法的流程示意图,该方法可以由基于图像的单目视觉伺服装置执行,其中该装置可以采用软件和/或硬件实现,一般可集成在电子设备中。如图1所示,该方法包括:
步骤101、采集目标数量控制周期的机械臂关节位置和目标点在相机坐标系下的目标位置。
本公开实施例的基于图像的单目视觉伺服方法,可以在计算图像特征偏差的基础上确定机械臂运动关节位置,不依赖相机内外参的准确性,提高了视觉伺服的控制精度,可以有效控制机械臂达到目标位姿;另外,可以在实时计算图像雅可比矩阵的基础上,消除伺服的跟踪误差,增强了算法的稳定性,能够实时跟踪目标位置,从而既解决了机械臂在奇异位置无解的问题,同时又有效消除了手眼标定误差在求解图像雅可比矩阵中的影响、
具体地,首先采集目标数量控制周期的机械臂关节位置,其中,目标数量可以根据应用场景需要选择设置,在本公开实施例中,优先目标数量控制周期为前15个控制周期。其中,采集目标数量控制周期的机械臂关节位置指的是在每个控制周期获取机械臂关节位置,即在机械臂基坐标系下机械臂关节位置坐标。
进一步地,采集目标数量控制周期的目标点在相机坐标系下的目标位置,其中,目标点可以根据应用场景选择设置任一物体作为目标点,可以理解的是,相机与控制机器的机械臂连接,在每个控制周期通过相机对目标点进行拍摄,得到包括目标点图像,对图像进行目标点的像素坐标提取,得到目标点在相机坐标系下的目标位置。
可以理解的是,在目标数量控制周期内进行机械臂关节位置和目标点在相机坐标系下的目标位置的采集,可以得到目标数量机械臂关节位置和目标数量目标位置。
步骤102、基于每个控制周期的机械臂关节位置和目标位置进行计算,得到图像雅可比矩阵。
在本公开实施例中,基于每个控制周期的机械臂关节位置和目标位置进行计算,得到图像雅可比矩阵进行计算的方式有很多种,在一些实施方式中,基于每个控制周期的机械臂关节位置进行计算,得到目标数量的关节速度,基于每个控制周期的目标位置进行计算,得到目标数量的像素点速度,基于目标数量的关节速度和目标数量的像素点速度输入预设的计算公式进行计算,得到图像雅可比矩阵;在另一些实施方式中,将所有控制周期的机械臂关节位置和目标位置输入预设的计算模型进行计算,得到多个矩阵参数,根据多个矩阵参数构建图像雅可比矩阵。以上两种方式仅为基于每个控制周期的机械臂关节位置和目标位置进行计算,得到图像雅可比矩阵的示例,本公开实施例不对基于每个控制周期的机械臂关节位置和目标位置进行计算,得到图像雅可比矩阵的具体实现方式进行具体限制。
步骤103、获取每个控制周期的目标位置和预设的期望位置进行计算,得到每个控制周期的位置差值。
其中,预设的期望位置指的是预先设置目标点预期的像素坐标点,可以根据应用场景比如使用需求等选择设置。
在本公开实施例中,获取每个控制周期的目标位置,即每个控制周期的实际目标点像素坐标点,以及预设的期望位置,即期望目标点像素坐标点,计算实际目标点像素坐标点和期望目标点像素坐标点的差值作为每个控制周期的位置差值。
步骤104、基于图像雅可比矩阵、每个控制周期的位置差值、预设的控制增益和控制周期进行计算,得到每个控制周期的目标关节位置,以基于目标关节位置控制机械臂运动。
在本公开实施例中,基于图像雅可比矩阵、每个控制周期的位置差值、预设的控制增益和控制周期进行计算,得到每个控制周期的目标关节位置的方式有很多种,在一些实施方式中,基于图像雅可比矩阵、每个控制周期的位置差值和预设的控制增益,得到每个控制周期的关节速度、基于每个控制周期的关节速度和控制周期进行计算,得到每个控制周期的目标关节位置;在另一些实施方式中,直接将图像雅可比矩阵、每个控制周期的位置差值、预设的控制增益和控制周期输入预设的计算模型进行计算,输出每个控制周期的目标关节位置。以上两种方式仅为基于图像雅可比矩阵、每个控制周期的位置差值、预设的控制增益和控制周期进行计算,得到每个控制周期的目标关节位置的示例,本公开实施例不对基于图像雅可比矩阵、每个控制周期的位置差值、预设的控制增益和控制周期进行计算,得到每个控制周期的目标关节位置的具体实现方式进行具体限制。
进一步地,基于目标关节位置控制机械臂运动。
本公开实施例提供的基于图像的单目视觉伺服方案,采集目标数量控制周期的机械臂关节位置和目标点在相机坐标系下的目标位置,基于每个控制周期的机械臂关节位置和目标位置进行计算,得到图像雅可比矩阵,获取每个控制周期的目标位置和预设的期望位置进行计算,得到每个控制周期的位置差值,基于图像雅可比矩阵、每个控制周期的位置差值、预设的控制增益和控制周期进行计算,得到每个控制周期的目标关节位置,以基于目标关节位置控制机械臂运动。采用上述技术方案,可以不依赖相机精度、手眼标定的精度,实时根据图像特征建立与机械臂关节运动之间的关系,实现机械臂的目标跟随运动。
图2为本公开实施例提供的另一种基于图像的单目视觉伺服方法的流程示意图,本实施例在上述实施例的基础上,进一步优化了上述基于图像的单目视觉伺服方法。如图2所示,该方法包括:
步骤201、采集目标数量控制周期的机械臂关节位置和目标点在相机坐标系下的目标位置。
步骤202、基于每个控制周期的机械臂关节位置进行计算,得到目标数量的关节速度,基于每个控制周期的目标位置进行计算,得到目标数量的像素点速度。
步骤203、基于目标数量的关节速度和目标数量的像素点速度输入预设的计算公式进行计算,得到图像雅可比矩阵。
在本公开实施例中,基于每个控制周期的机械臂关节位置进行计算,得到目标数量的关节速度,包括:基于每个控制周期的机械臂关节位置进行计算,得到相邻控制周期内的各个关节角差值,基于各个关节角差值和控制周期进行计算,得到目标数量的关节速度。
在本公开实施例中,基于每个控制周期的目标位置进行计算,得到目标数量的像素点速度,包括:基于每个控制周期的目标位置进行计算,得到相邻控制周期内的各个像素差值,基于各个像素差值和控制周期进行计算,得到目标数量的像素点速度。
在本公开实施例中,基于目标数量的关节速度和目标数量的像素点速度输入预设的计算公式进行计算,得到图像雅可比矩阵,包括:分别将每个关节速度和每个像素点速度输入计算公式,得到目标数量的计算等式,基于目标数量的计算等式进行求解,得到目标数量的矩阵参数,基于目标数量的矩阵参数确定图像雅可比矩阵。
具体地,在前15个控制周期采集机械臂关节位置、以及目标点在相机坐标系下的目标位置;根据每个控制周期的机械臂关节位置生成14组关节速度V_q;在每个控制周期获取机械臂关节位置,当前控制周期机械臂关节位置为q_i,上一控制周期机械臂关节位置为q_i-1,那么相邻控制周期内的各个关节角差值delta_q=q_i–q_i-1,关节角差值除以控制周期(delta_q/time)即为关节速度,在前15个控制周期采集到15组关节位置,相邻关节位置做差算出14组关节速度V_q。
具体地,根据每个控制周期目标点在相机坐标系下位置生成14组像素点速度V_uv;在每个控制周期获取目标点在相机坐标系下的像素坐标,当前控制周期的像素坐标为uv_i,上一控制周期的像素坐标为uv_i-1,那么相邻控制周期内的各个像素坐标的像素差值delta_uv=uv_i-uv_i-1,像素差值除以控制周期(delta_uv/time)即为目标点在相机坐标系下的移动速度,即像素点速度,在前15个控制周期采集到15组目标点在相机坐标系下像素坐标,相邻坐标位置做差算出14组像素点速度V_uv。
其中,图像雅可比矩阵J为2*7,2代表特征数量,7代表特征维度。相当于14个未知数,所以需要在前15个控制周期内采集数据,然后生成的14组数据来建立方程,其中,像素点速度V_uv与关节速度V_q组成了14个特征方程,求解即为图像雅可比矩阵J。
步骤204、获取每个控制周期的目标位置和预设的期望位置进行计算,得到每个控制周期的位置差值。
步骤205、基于图像雅可比矩阵、每个控制周期的位置差值和预设的控制增益,得到每个控制周期的关节速度,基于每个控制周期的关节速度和控制周期进行计算,得到每个控制周期的目标关节位置以基于目标关节位置控制机械臂运动。
具体地,根据目标位置与期望位置在相机坐标系下的差值,即图像误差delta_uv,以及给定控制增益k,生成控制律J*k*delta_uv;根据图像雅可比矩阵计算每一个控制周期的关节速度,图像雅可比矩阵J*控制增益k*图像误差delta_uv即为每个周期内下发的关节速度,关节速度乘以控制周期即为应该下发的关节位置。
由此,获取目标点在相机坐标系下的位置和机械臂关节位置,计算图像雅可比矩阵,根据目标点实际位置与期望位置的偏差以及图像雅可比矩阵确定机械臂的目标关节位置,进而使得机械臂移动到目标关节位置。
本公开实施例提供的基于图像的单目视觉伺服方案,采集目标数量控制周期的机械臂关节位置和目标点在相机坐标系下的目标位置,基于每个控制周期的机械臂关节位置进行计算,得到目标数量的关节速度,基于每个控制周期的目标位置进行计算,得到目标数量的像素点速度,基于目标数量的关节速度和目标数量的像素点速度输入预设的计算公式进行计算,得到图像雅可比矩阵,获取每个控制周期的目标位置和预设的期望位置进行计算,得到每个控制周期的位置差值,基于图像雅可比矩阵、每个控制周期的位置差值和预设的控制增益,得到每个控制周期的关节速度,基于每个控制周期的关节速度和控制周期进行计算,得到每个控制周期的目标关节位置以基于目标关节位置控制机械臂运动。采用上述技术方案,通过基于模型和基于数据的图像雅可比求解,提高了视觉伺服算法的稳定性与可靠性;以及通过建立图像雅可比与机械臂关节位置之间的关系,解决了目标点跟踪问题;另外,通过实际数据求解图像雅可比,有效解决了标定误差对伺服效果的影响,提高了视觉伺服的控制精度,可以有效控制机械臂达到目标位姿。
图3为本公开实施例提供的一种基于图像的单目视觉伺服装置的结构示意图,该装置可由软件和/或硬件实现,一般可集成在电子设备中。如图3所示,该装置包括:
采集模块301,用于采集目标数量控制周期的机械臂关节位置和目标点在相机坐标系下的目标位置;
第一计算模块302,用于基于每个所述控制周期的机械臂关节位置和目标位置进行计算,得到图像雅可比矩阵;
第二计算模块303,用于获取每个所述控制周期的目标位置和预设的期望位置进行计算,得到每个控制周期的位置差值;
第三计算模块304,用于基于所述图像雅可比矩阵、所述每个控制周期的位置差值、预设的控制增益和所述控制周期进行计算,得到每个控制周期的目标关节位置,以基于所述目标关节位置控制机械臂运动。
可选的,所述第一计算模块302包括:
第一计算单元3021,用于基于每个所述控制周期的机械臂关节位置进行计算,得到所述目标数量的关节速度;
第二计算单元3022,用于基于每个所述控制周期的目标位置进行计算,得到所述目标数量的像素点速度;
第三计算单元3023,用于基于所述目标数量的关节速度和所述目标数量的像素点速度输入预设的计算公式进行计算,得到所述图像雅可比矩阵。
可选的,所述第一计算单元3021,具体用于:
基于每个所述控制周期的机械臂关节位置进行计算,得到相邻控制周期内的各个关节角差值;
基于所述各个关节角差值和所述控制周期进行计算,得到所述目标数量的关节速度。
可选的,所述第二计算单元3022,具体用于:
基于每个所述控制周期的目标位置进行计算,得到相邻控制周期内的各个像素差值;
基于所述各个像素差值和所述控制周期进行计算,得到所述目标数量的像素点速度。
可选的,所述第三计算单元3023,具体用于:
分别将每个所述关节速度和每个所述像素点速度输入所述计算公式,得到目标数量的计算等式;
基于所述目标数量的计算等式进行求解,得到目标数量的矩阵参数;
基于所述目标数量的矩阵参数确定所述图像雅可比矩阵。
可选的,所述第三计算模块304,具体用于:
基于所述图像雅可比矩阵、所述每个控制周期的位置差值和预设的控制增益,得到每个所述控制周期的关节速度;
基于每个所述控制周期的关节速度和所述控制周期进行计算,得到每个控制周期的目标关节位置,以基于所述目标关节位置控制机械臂运动。
本公开实施例所提供的基于图像的单目视觉伺服装置可执行本公开任意实施例所提供的基于图像的单目视觉伺服方法,具备执行方法相应的功能模块和有益效果。
本公开实施例还提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现本公开任意实施例所提供的基于图像的单目视觉伺服方法。
图4为本公开实施例提供的一种电子设备的结构示意图。下面具体参考图4,其示出了适于用来实现本公开实施例中的电子设备400的结构示意图。本公开实施例中的电子设备400可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的基于图像的单目视觉伺服方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:采集目标数量控制周期的机械臂关节位置和目标点在相机坐标系下的目标位置,基于每个控制周期的机械臂关节位置和目标位置进行计算,得到图像雅可比矩阵,获取每个控制周期的目标位置和预设的期望位置进行计算,得到每个控制周期的位置差值,基于图像雅可比矩阵、每个控制周期的位置差值、预设的控制增益和控制周期进行计算,得到每个控制周期的目标关节位置,以基于目标关节位置控制机械臂运动。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,本公开提供了一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现如本公开提供的任一所述的基于图像的单目视觉伺服方法。
根据本公开的一个或多个实施例,本公开提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行如本公开提供的任一所述的基于图像的单目视觉伺服方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种基于图像的单目视觉伺服方法,其特征在于,包括:
采集目标数量控制周期的机械臂关节位置和目标点在相机坐标系下的目标位置;
基于每个所述控制周期的机械臂关节位置和目标位置进行计算,得到图像雅可比矩阵;
获取每个所述控制周期的目标位置和预设的期望位置进行计算,得到每个控制周期的位置差值;
基于所述图像雅可比矩阵、所述每个控制周期的位置差值、预设的控制增益和所述控制周期进行计算,得到每个控制周期的目标关节位置,以基于所述目标关节位置控制机械臂运动。
2.根据权利要求1所述的基于图像的单目视觉伺服方法,其特征在于,所述基于每个所述控制周期的机械臂关节位置和目标位置进行计算,得到图像雅可比矩阵,包括:
基于每个所述控制周期的机械臂关节位置进行计算,得到所述目标数量的关节速度;
基于每个所述控制周期的目标位置进行计算,得到所述目标数量的像素点速度;
基于所述目标数量的关节速度和所述目标数量的像素点速度输入预设的计算公式进行计算,得到所述图像雅可比矩阵。
3.根据权利要求2所述的基于图像的单目视觉伺服方法,其特征在于,所述基于每个所述控制周期的机械臂关节位置进行计算,得到所述目标数量的关节速度,包括:
基于每个所述控制周期的机械臂关节位置进行计算,得到相邻控制周期内的各个关节角差值;
基于所述各个关节角差值和所述控制周期进行计算,得到所述目标数量的关节速度。
4.根据权利要求2所述的基于图像的单目视觉伺服方法,其特征在于,所述基于每个所述控制周期的目标位置进行计算,得到所述目标数量的像素点速度,包括:
基于每个所述控制周期的目标位置进行计算,得到相邻控制周期内的各个像素差值;
基于所述各个像素差值和所述控制周期进行计算,得到所述目标数量的像素点速度。
5.根据权利要求2所述的基于图像的单目视觉伺服方法,其特征在于,所述基于所述目标数量的关节速度和所述目标数量的像素点速度输入预设的计算公式进行计算,得到所述图像雅可比矩阵,包括:
分别将每个所述关节速度和每个所述像素点速度输入所述计算公式,得到目标数量的计算等式;
基于所述目标数量的计算等式进行求解,得到目标数量的矩阵参数;
基于所述目标数量的矩阵参数确定所述图像雅可比矩阵。
6.根据权利要求1所述的基于图像的单目视觉伺服方法,其特征在于,所述基于所述图像雅可比矩阵、所述每个控制周期的位置差值、预设的控制增益和所述控制周期进行计算,得到每个控制周期的目标关节位置,包括:
基于所述图像雅可比矩阵、所述每个控制周期的位置差值和预设的控制增益,得到每个所述控制周期的关节速度;
基于每个所述控制周期的关节速度和所述控制周期进行计算,得到每个控制周期的目标关节位置。
7.一种基于图像的单目视觉伺服装置,其特征在于,包括:
采集模块,用于采集目标数量控制周期的机械臂关节位置和目标点在相机坐标系下的目标位置;
第一计算模块,用于基于每个所述控制周期的机械臂关节位置和目标位置进行计算,得到图像雅可比矩阵;
第二计算模块,用于获取每个所述控制周期的目标位置和预设的期望位置进行计算,得到每个控制周期的位置差值;
第三计算模块,用于基于所述图像雅可比矩阵、所述每个控制周期的位置差值、预设的控制增益和所述控制周期进行计算,得到每个控制周期的目标关节位置,以基于所述目标关节位置控制机械臂运动。
8.根据权利要求7所述的基于图像的单目视觉伺服装置,其特征在于,所述第一计算模块,包括:
第一计算单元,用于基于每个所述控制周期的机械臂关节位置进行计算,得到所述目标数量的关节速度;
第二计算单元,用于基于每个所述控制周期的目标位置进行计算,得到所述目标数量的像素点速度;
第三计算单元,用于基于所述目标数量的关节速度和所述目标数量的像素点速度输入预设的计算公式进行计算,得到所述图像雅可比矩阵。
9.一种电子设备,其特征在于,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-6中任一所述的基于图像的单目视觉伺服方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-6中任一所述的基于图像的单目视觉伺服方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211665602.XA CN116079697B (zh) | 2022-12-23 | 2022-12-23 | 一种基于图像的单目视觉伺服方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211665602.XA CN116079697B (zh) | 2022-12-23 | 2022-12-23 | 一种基于图像的单目视觉伺服方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116079697A true CN116079697A (zh) | 2023-05-09 |
CN116079697B CN116079697B (zh) | 2024-05-28 |
Family
ID=86209539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211665602.XA Active CN116079697B (zh) | 2022-12-23 | 2022-12-23 | 一种基于图像的单目视觉伺服方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116079697B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116494250A (zh) * | 2023-06-26 | 2023-07-28 | 极限人工智能(北京)有限公司 | 基于速度补偿的机械臂控制方法、控制器、介质及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104808490A (zh) * | 2015-03-10 | 2015-07-29 | 浙江工业大学 | 一种面向模具保护的基于回声状态网络估计图像雅克比矩阵的无标定视觉伺服控制方法 |
CN105551032A (zh) * | 2015-12-09 | 2016-05-04 | 国网山东省电力公司电力科学研究院 | 一种基于视觉伺服的杆塔图像采集系统及其方法 |
CN106514667A (zh) * | 2016-12-05 | 2017-03-22 | 北京理工大学 | 基于Kinect骨骼追踪和无标定视觉伺服的人机协作系统 |
US20180089831A1 (en) * | 2016-09-28 | 2018-03-29 | Cognex Corporation | Simultaneous Kinematic and Hand-Eye Calibration |
CN108717262A (zh) * | 2018-05-14 | 2018-10-30 | 湖南大学 | 一种基于矩特征学习神经网络的异形曲面跟踪方法及系统 |
CN109848984A (zh) * | 2018-12-29 | 2019-06-07 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于svm和比例控制的视觉伺服方法 |
CN110039542A (zh) * | 2019-06-13 | 2019-07-23 | 东北大学 | 具有速度方向控制的视觉伺服跟踪控制方法及机器人系统 |
CN110883770A (zh) * | 2019-05-08 | 2020-03-17 | 丁亚东 | 一种基于位置和图像的机器人混合视觉伺服控制方法 |
CN112847334A (zh) * | 2020-12-16 | 2021-05-28 | 北京无线电测量研究所 | 一种基于视觉伺服的机械臂目标跟踪方法 |
-
2022
- 2022-12-23 CN CN202211665602.XA patent/CN116079697B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104808490A (zh) * | 2015-03-10 | 2015-07-29 | 浙江工业大学 | 一种面向模具保护的基于回声状态网络估计图像雅克比矩阵的无标定视觉伺服控制方法 |
CN105551032A (zh) * | 2015-12-09 | 2016-05-04 | 国网山东省电力公司电力科学研究院 | 一种基于视觉伺服的杆塔图像采集系统及其方法 |
US20180089831A1 (en) * | 2016-09-28 | 2018-03-29 | Cognex Corporation | Simultaneous Kinematic and Hand-Eye Calibration |
CN106514667A (zh) * | 2016-12-05 | 2017-03-22 | 北京理工大学 | 基于Kinect骨骼追踪和无标定视觉伺服的人机协作系统 |
CN108717262A (zh) * | 2018-05-14 | 2018-10-30 | 湖南大学 | 一种基于矩特征学习神经网络的异形曲面跟踪方法及系统 |
CN109848984A (zh) * | 2018-12-29 | 2019-06-07 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于svm和比例控制的视觉伺服方法 |
CN110883770A (zh) * | 2019-05-08 | 2020-03-17 | 丁亚东 | 一种基于位置和图像的机器人混合视觉伺服控制方法 |
CN110039542A (zh) * | 2019-06-13 | 2019-07-23 | 东北大学 | 具有速度方向控制的视觉伺服跟踪控制方法及机器人系统 |
CN112847334A (zh) * | 2020-12-16 | 2021-05-28 | 北京无线电测量研究所 | 一种基于视觉伺服的机械臂目标跟踪方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116494250A (zh) * | 2023-06-26 | 2023-07-28 | 极限人工智能(北京)有限公司 | 基于速度补偿的机械臂控制方法、控制器、介质及系统 |
CN116494250B (zh) * | 2023-06-26 | 2023-11-03 | 极限人工智能(北京)有限公司 | 基于速度补偿的机械臂控制方法、控制器、介质及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116079697B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2017073753A (ja) | 補正方法、プログラム及び電子機器 | |
CN116079697B (zh) | 一种基于图像的单目视觉伺服方法、装置、设备及介质 | |
JP2022531186A (ja) | 情報処理方法、装置、電子機器、記憶媒体およびプログラム | |
CN112818898B (zh) | 模型训练方法、装置和电子设备 | |
CN111382701B (zh) | 动作捕捉方法、装置、电子设备及计算机可读存储介质 | |
CN110189364B (zh) | 用于生成信息的方法和装置,以及目标跟踪方法和装置 | |
CN110717467A (zh) | 头部姿势的估计方法、装置、设备及存储介质 | |
CN116091619A (zh) | 一种标定方法、装置、设备及介质 | |
CN114140538B (zh) | 车载相机位姿调整方法、装置、设备和计算机可读介质 | |
CN112337675B (zh) | 一种喷涂机器人喷涂控制方法、装置及电子设备 | |
CN114740854A (zh) | 一种机器人避障控制方法和装置 | |
CN114529452A (zh) | 用于显示图像的方法、装置和电子设备 | |
CN113407045A (zh) | 一种光标控制方法、装置、电子设备和存储介质 | |
CN114332224A (zh) | 3d目标检测样本的生成方法、装置、设备及存储介质 | |
CN115086538A (zh) | 一种拍摄位置确定方法、装置、设备及介质 | |
CN112880675B (zh) | 用于视觉定位的位姿平滑方法、装置、终端和移动机器人 | |
CN109977784B (zh) | 用于获取信息的方法及装置 | |
CN117288187B (zh) | 机器人位姿确定方法、装置、电子设备及存储介质 | |
CN117901120A (zh) | 机械臂控制方法、装置、设备和存储介质 | |
CN109255095B (zh) | Imu数据的积分方法、装置、计算机可读介质及电子设备 | |
CN115482275A (zh) | 位置参数获取方法、装置、设备及介质 | |
CN115994978A (zh) | 一种法向量调整方法、装置、设备及介质 | |
CN117928423A (zh) | 三维扫描数据的处理方法、三维扫描方法、装置、设备及存储介质 | |
CN114419115A (zh) | 图像特征匹配方法、装置、设备及存储介质 | |
CN116360649A (zh) | 移动控制方法、装置、设备及介质 |
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 |