导读:本文包含了位置视觉伺服控制论文开题报告文献综述及选题提纲参考文献，主要关键词:机械臂,视觉伺服,滑模控制,干扰观测器
位置视觉伺服控制论文文献综述
尚瑞瑞[1]（2016）在《基于位置的视觉伺服控制及目标跟踪》一文中研究指出基于位置的视觉伺服系统将感知到的环境信息传递到运动控制中,不需要接触即可以完成目标的定位与跟踪。该类系统主要包括视觉系统和控制系统两大部分,二者通过将图像信息转换成世界坐标系中位置信息的相对位姿估计算法联系起来。机械臂控制系统中加入视觉系统,可使机械臂感知周围环境,提高了机械臂的使用价值。本文首先介绍了机械臂视觉伺服系统的研究背景、意义、发展方向及潜能。总结了现阶段滑模控制算法的研究成果。将视觉伺服系统进行了分类及特性对比;对机械臂的运动学、动力学基础进行详尽叙述。利用MATLAB中robot-toolbox工具对puma560的运动学、动力学进行了仿真。对摄像机进行了离线标定;对基于位置视觉伺服控制存在的从二维图像信息得到叁维空间位置信息的相对位姿估计问题进行了研究。对平面运动物体基于卡尔曼滤波算法实现了雅克比矩阵的在线估计和运动目标的跟踪,并通过仿真实验得到了验证。之后利用滑模控制算法实现目标的跟踪。在设计滑模趋近律及滑模面时,为了缩短到达平衡状态的时间采取了两种措施:1.设计匀速、指数及幂函数构成的复合趋近律,保证滑模面以外的状态点快速到达滑模面。针对匀速趋近律在零点处的突变问题,在零点附近的小区域内用分段函数来代替符号函数可削弱抖振。2.在线性滑模面中加入非线性项构成非线性滑模面,可保证滑模运动的快速性。仿真实例验证了所设计的滑模控制算法的快速性及稳定性。最后针对伺服系统受到外界干扰情况,基于线性观测器的原理设计了非线性观测器。将滑模控制与非线性观测器有机结合,可实现对未知干扰估计以及运动目标的准确跟踪。(本文来源于《北京理工大学》期刊2016-06-01）
董鹏飞[2]（2015）在《基于位置的工业机器人视觉伺服控制系统研究》一文中研究指出机器视觉技术目前正得到广泛应用,将机器视觉技术嵌入工业机器人控制系统中,可以提高工业机器人的智能化与自动化程度,拓宽工业机器人的应用领域。视觉伺服控制技术由于其良好的性能以及应用的广泛性和方便性,而受到学术界和工程界的普遍重视,成为了机电一体化领域研究的热点之一,有望成为机器人在动态可变环境下应用的重要支撑技术。本文以ABB IRB120机器人为研究对象,对机器人视觉伺服控制中的关键问题进行了研究,利用基于位置的视觉伺服控制方法分别研究了机器人对静止目标的定位抓取和运动目标的识别与跟踪,主要完成了以下几个方面的工作:(1)对工业机器人视觉伺服控制理论进行了研究与分析,总结了机器人视觉伺服发展的几个方向及现阶段存在的问题。根据本文系统的具体要求对整个机器人视觉伺服系统控制方案的组成结构、硬件选型、系统布局和上位机软件控制流程进行了研究与设计。(2)图像处理速度与精度是影响机器人视觉伺服性能的重要因素,针对该问题,对传统的图像灰度值匹配与边缘匹配方法的处理速度与精度进行了分析与实验。对这两种方法进行比较并给出实验结果。针对灰度值匹配中基于归一化互相关系数(NCC)的模板匹配算法运算量较大,耗时较长的问题,提出了一种改进的图像金字塔分层搜索策略,提高了算法的匹配速度。(3)对工业机器人视觉伺服控制系统中常用的摄像机标定方法进行了研究。根据摄像机安装在机器人末端(Eye-in-hand)的情况,将改进的恒定旋转矩阵法用于估算目标与机器人之间的相对位姿关系,简化了复杂的机器人与摄像机的标定过程,并通过实验验证了标定的精度。(4)对基于位置的机器人视觉伺服控制模式进行了研究,通过对实验用的ABB IRB120机器人的连杆参数进行分析建立了机器人的运动学模型,在此基础上利用Matlab环境下的机器人工具箱Robotics Toolbox建立了机器人视觉伺服控制系统的数学模型,在Simulink环境下对基于位置的机器人视觉伺服系统目标定位与跟踪进行了仿真研究。(5)考虑到视觉系统与伺服控制算法的延时,为进一步提高视觉伺服控制系统的实时性,采用Kalman滤波器对运动目标的视觉反馈信息进行了滤波与预估处理。实验结果表明,Kalman滤波器对于视觉延时带来的跟踪滞后问题具有较好的补偿作用,在不影响系统跟踪精度的情况下,显着提高了系统的响应速度。基于上述研究成果,建立了视觉伺服目标定位抓取与跟踪系统,可以实现静态视觉伺服目标定位抓取与动态视觉伺服目标跟踪,验证了理论分析的正确性和所采用的标定方法和控制方法的有效性。(本文来源于《华南理工大学》期刊2015-04-23）
赵艳花,张伟民[3]（2010）在《基于位置的机器人视觉伺服控制系统研究》一文中研究指出大多数视觉伺服研究中,不考虑机器人的动力学特性,把机器人当作一个理想定位设备。本文考虑其动力学特性,采用基于FNN和CMAC控制器结合kalman滤波对目标运动状态估计的方法,实现了机器人对目标运动的跟踪。并对一个二连杆视觉伺服系统进行了仿真,仿真结果说明了算法的有效性。(本文来源于《自动化与仪器仪表》期刊2010年05期）
赵艳花,卢秉娟[4]（2008）在《基于位置的机器人视觉伺服控制》一文中研究指出大多数视觉伺服研究中,不考虑机器人的动力学特性,把机器人当作一个理想定位设备。结合机器人的运动学特性和动力学特性,采用基于位置的视觉伺服控制器和常规PD控制器相结合的方法,实现了机器人对目标运动的跟踪。并对一个二连杆视觉伺服系统进行了仿真,仿真结果说明了算法的有效性。(本文来源于《洛阳理工学院学报(自然科学版)》期刊2008年02期）
杨忠耀[5]（2008）在《基于位置的机器人视觉伺服控制及目标识别方法研究》一文中研究指出机器人视觉技术是机器视觉的一个重要研究领域,它是以计算机视觉理论和数字图像处理技术为基础而发展起来的一门新兴学科,目前在国内外备受机器人学研究者的广泛关注,并已经在许多领域获得了成功的应用。本文以GRB-400四自由度视觉机器人系统为研究对象,利用基于位置的视觉伺服控制方法分别研究了机器人对单目标物体和多目标物体的识别与抓取,获得了一些重要的研究成果和结论。针对GRB-400视觉机器人系统进行了详尽的分析,构建了包括摄像机及其标定、数字图像获取和处理、坐标变换、机器人运动学模型建立与分析、轨迹规划以及伺服控制系统在内的机器人视觉伺服控制系统的框架结构,为后续的研究奠定了可靠的基础。以实际目标物体为对象,通过对包括图像滤波、图像增强、边缘检测和图像分割等在内的相关图像预处理技术和算法的分析比较研究,选择了适用于本视觉伺服系统的各图像预处理方法。利用D-H方法建立了GBR-400四自由度机器人运动学模型,并给出了运动学反解,这为机器人轨迹规划提供了理论依据;研究了摄像机标定技术,提出了一种方便快捷的摄像机线性标定方法,将非线性模型简化为线性模型,降低了对系统实验条件的要求,简化了复杂的机器人与摄像机的标定过程,通过实验验证了该方法的可行性。研究了基于位置的双目视觉机器人视觉伺服控制系统,对系统的组成结构、图像处理相关技术、单目标物体识别方法、运动学分析及轨迹规划、视觉伺服控制等进行了详尽分析和研究,分析了传统模板匹配算法,然后在此基础上提出了对单目标物体的基于总像素点匹配的识别算法,利用实验验证了所提出的方法的有效性。针对机器人视觉伺服系统多目标物体的识别问题,通过分析和研究提出了基于Hu不变矩特征和以欧几里得距离为相似性测度的多目标物体识别方法,通过对五个目标物体的识别、选择和抓取实验研究,验证了该方法的有效性,也证明了矩不变量作为特征值用于目标物体识别的可行性。同时也进一步证明:基于特征的机器人视觉伺服控制是未来机器人视觉服控制研究中一个很有发展潜力的研究方向。(本文来源于《太原科技大学》期刊2008-04-01）
刘涵[6]（2003）在《基于位置的机器人视觉伺服控制的研究》一文中研究指出使用传感器信息来控制机器人已经成为一个热门的研究领域，因为这样可以促进智能机器人的研究与设计。相比示教型的工业机器人，智能机器人能够处理避障等不可预知的事件。目前视觉传感器已经成为最重要的一种传感器，因为CCD摄像机已经非常的便宜并且容易使用。另外，视觉也是人类一种非常重要的感觉，并且由机器人视觉系统得到的信息非常容易被操作人员所理解。在视觉控制的机器人的研究领域内，研究主要集中在机器人手臂的控制方法、图像特征的提取和理解等方面，因此导致了许多针对不同具体问题的视觉伺服方法。 通过检测图像中的目标物体，可以获得视觉信息来控制机器人的运动。基于位置的视觉伺服方法首先根据机器人的模型、可到达的工作空间以及目标物体来估计目标物体在直角坐标空间中相对于摄像机的位置。机器人控制器的误差信号定义在直角坐标系。因为叁维直角坐标空间容易被直观的理解，所以大多数的机器人提供直角坐标系的接口。但是这种方法依赖于摄像机的精确标定以及精确的图像到位姿的估计。 基于图像的视觉伺服也被称为是基于特征的视觉伺服。误差信号按照图像特征来定义而且直接在图像坐标空间来测量，因此可以大大降低计算量，而且系统对相机标定误差和系统建模误差不敏感。但是基于图像特征的机器人运动的计算并不是很直观，并且依赖于所选的图像特征和方法，这是一个非线性的过程，并且参数是高度相西安理工大学博士学位论文关的，这从理论上很难分析并且对机器人的控制设计提出了很大的挑战。 本论文主要研究了基于位置的机器人视觉伺服系统的基本组成以及实现方法，并针对提出的基于“一步”遗传算法模式匹配的图像目标识别方法进行了改进。结合局部遗传算法和全局遗传算法，提高了目标识别的精度和速度，优化了视觉伺服系统的性能。同时针对图像采集、传输过程中出现的噪音可能对系统性能的影响，提出了基于模糊神经网络的新型图像滤波器。最后论文着重讨论了机器人控制的智能方法，并提出了一种新型的混合控制器。 本文的创新点和研究成果如下: 1.提出了基于“一步”遗传算法模式匹配的图像目标识别方法。为了满足 机器人视觉伺服系统的动态特性，把每一代GA进化后适应度值最大的 个体作为机器人视觉控制器的输入(要通过解机器人逆运动学)，这样就 可以把基于6A的路径规划(目标搜索)看成是实时的，使改进后的GA 能够满足实时系统的要求。同时，利用相同的原理研究了运动图像中交 通标志的实时识别问题，提出了利用遗传算法和简单向量滤波器实时识 别运动图像中交通标志的方法。 2.提出结合局部遗传算法(助cal GA)和全局遗传算法(G lobal GA)的视觉伺 服系统性能优化方法。主要通过全局GA完成目标检测的预处理，当适 应度值达到一定的闽值以后，它将切换到局部GA来进行一个更为精细 的和快速的目标识别。这种搜索的切换类似于人类寻找目标的过程。这 种性能的优化，使得视觉伺服系统具备仿人的智能。 3.提出基于模糊神经网络的图像滤波器。同时图像滤波器网络参数的学习 通过遗传算法来完成。实验结果显示，这种滤波器对于冲击噪声的滤除 要明显好于传统的滤波器。 4.提出基于模糊神经网络、CMAC网络以及变结构控制的机器人手臂混合 控制器。针对神经网络控制、模糊控制以及变结构控制各自的特点，论 文将这几种常用的智能控制方法融合在一起。通过对两连杆机器人手臂 摘要 的仿真实验，这种混合控制器对于机器人动力学模型中存在的不确定性 具有很强的鲁棒性，这对实际工业应用中机器人控制器的设计提供了一 种可行的解决思路。(本文来源于《西安理工大学》期刊2003-09-01）
位置视觉伺服控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
机器视觉技术目前正得到广泛应用,将机器视觉技术嵌入工业机器人控制系统中,可以提高工业机器人的智能化与自动化程度,拓宽工业机器人的应用领域。视觉伺服控制技术由于其良好的性能以及应用的广泛性和方便性,而受到学术界和工程界的普遍重视,成为了机电一体化领域研究的热点之一,有望成为机器人在动态可变环境下应用的重要支撑技术。本文以ABB IRB120机器人为研究对象,对机器人视觉伺服控制中的关键问题进行了研究,利用基于位置的视觉伺服控制方法分别研究了机器人对静止目标的定位抓取和运动目标的识别与跟踪,主要完成了以下几个方面的工作:(1)对工业机器人视觉伺服控制理论进行了研究与分析,总结了机器人视觉伺服发展的几个方向及现阶段存在的问题。根据本文系统的具体要求对整个机器人视觉伺服系统控制方案的组成结构、硬件选型、系统布局和上位机软件控制流程进行了研究与设计。(2)图像处理速度与精度是影响机器人视觉伺服性能的重要因素,针对该问题,对传统的图像灰度值匹配与边缘匹配方法的处理速度与精度进行了分析与实验。对这两种方法进行比较并给出实验结果。针对灰度值匹配中基于归一化互相关系数(NCC)的模板匹配算法运算量较大,耗时较长的问题,提出了一种改进的图像金字塔分层搜索策略,提高了算法的匹配速度。(3)对工业机器人视觉伺服控制系统中常用的摄像机标定方法进行了研究。根据摄像机安装在机器人末端(Eye-in-hand)的情况,将改进的恒定旋转矩阵法用于估算目标与机器人之间的相对位姿关系,简化了复杂的机器人与摄像机的标定过程,并通过实验验证了标定的精度。(4)对基于位置的机器人视觉伺服控制模式进行了研究,通过对实验用的ABB IRB120机器人的连杆参数进行分析建立了机器人的运动学模型,在此基础上利用Matlab环境下的机器人工具箱Robotics Toolbox建立了机器人视觉伺服控制系统的数学模型,在Simulink环境下对基于位置的机器人视觉伺服系统目标定位与跟踪进行了仿真研究。(5)考虑到视觉系统与伺服控制算法的延时,为进一步提高视觉伺服控制系统的实时性,采用Kalman滤波器对运动目标的视觉反馈信息进行了滤波与预估处理。实验结果表明,Kalman滤波器对于视觉延时带来的跟踪滞后问题具有较好的补偿作用,在不影响系统跟踪精度的情况下,显着提高了系统的响应速度。基于上述研究成果,建立了视觉伺服目标定位抓取与跟踪系统,可以实现静态视觉伺服目标定位抓取与动态视觉伺服目标跟踪,验证了理论分析的正确性和所采用的标定方法和控制方法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
位置视觉伺服控制论文参考文献
[1].尚瑞瑞.基于位置的视觉伺服控制及目标跟踪[D].北京理工大学.2016
[2].董鹏飞.基于位置的工业机器人视觉伺服控制系统研究[D].华南理工大学.2015
[3].赵艳花,张伟民.基于位置的机器人视觉伺服控制系统研究[J].自动化与仪器仪表.2010
[4].赵艳花,卢秉娟.基于位置的机器人视觉伺服控制[J].洛阳理工学院学报(自然科学版).2008
[5].杨忠耀.基于位置的机器人视觉伺服控制及目标识别方法研究[D].太原科技大学.2008
[6].刘涵.基于位置的机器人视觉伺服控制的研究[D].西安理工大学.2003