1.一种基于图像矩的搬运机器人视觉伺服控制方法,其特征在于,包括如下步骤:S1:建立一个眼在手机器人工作区域的笛卡尔空间直角坐标系,以工作台水平面为xy平面,垂直于水平面的方向为z轴方向,物体放置在工作台上,并设定机器人末端初始位置;
S2:通过实时图像处理得到物体的位置,并将目标与背景进行二值化处理,采集图像数据及对应机器人绕X、Y轴的转角,计算出机器人该位姿下的图像矩特征,通过高斯过程回归分别得到两个模型fGPRX,fGPRY;
S3:根据机器人期望位姿下目标图像的特征信息得到期望图像特征s*;
S4:通过高斯过程回归构造两个虚拟矩特征,并与图像矩特征组合为控制系统的实时图像特征s;
S5:将步骤S4中的实时图像特征s与步骤S3中的s*作比较,计算出图像特征偏差e=(s‑s*),如果e小于预设的阈值δ,则机器人末端执行器达到期望位置,即完成指定任务,控制流程结束,否则执行步骤S6;
S6:利用步骤S4中得到的实时图像特征s,计算图像雅可比矩阵的广义逆矩阵 并通过 得到末端执行器的移动方向和速率,结合伺服控制器调整机器人末端的位姿;
S7:获取调整姿态后的机器人末端相机捕捉的图像,返回步骤S4。
2.根据权利要求1所述的一种基于图像矩的搬运机器人视觉伺服控制方法,其特征在于,所述步骤S3中根据机器人期望位姿下目标图像的特征信息得到期望图像特征s*,具体为:
计算目标物体图像的面积a=m00,目标物体图像的重心(Xg,Yg),目标物体方向角α,以及到达预期位姿时绕X轴转角γ*和绕Y轴转角β*;
所述S*={Xg,Yg,a,γ*,β*,α}。
3.根据权利要求2所述的一种基于图像矩的搬运机器人视觉伺服控制方法,其特征在于,所述计算目标物体图像的面积的方法为:对于二值图像而言
4.根据权利要求3所述的一种基于图像矩的搬运机器人视觉伺服控制方法,其特征在于,所述计算目标物体图像的重心的方法为:其中n为目标图像像素点个数。
5.根据权利要求3所述的一种基于图像矩的搬运机器人视觉伺服控制方法,其特征在于,所述计算目标物体方向角的方法为:其中,中心距
6.根据权利要求3所述的一种基于图像矩的搬运机器人视觉伺服控制方法,其特征在于,所述计算到达预期位姿时绕X轴转角γ和绕Y轴转角β的方法为:对于机器人期望位姿下目标图像,γ*=β*=0。
7.根据权利要求1所述的一种基于图像矩的搬运机器人视觉伺服控制方法,其特征在于,所述步骤S4中,通过高斯过程回归构造两个虚拟矩特征,并与图像矩特征组合为控制系统的实时图像特征s,具体为:计算目标物体图像的面积a=m00,目标物体图像的重心(Xg,Yg),目标物体方向角α,以及到达预期位姿时绕X轴转角γ和绕Y轴转角β;
所述计算目标物体图像的面积的方法为:对于二值图像而言
所述计算目标物体图像的重心的方法为:其中n为图像像素值个数;
所述计算目标物体方向角的方法为:其中
所述到达预期位姿时绕X轴转角γ和绕Y轴转角β,通过设定两个虚拟矩特征,并结合高斯过程回归进行建模,利用模型估计值作为到达预期位姿时绕X轴转角γ和绕Y轴转角β;
所述s={Xg,Yg,a,γ,β,α}。
8.根据权利要求7所述的一种基于图像矩的搬运机器人视觉伺服控制方法,其特征在于,通过设定两个虚拟矩特征,并结合高斯过程回归进行建模,利用模型估计值作为到达预期位姿时绕X轴转角γ和绕Y轴转角β;具体为:记录每个采样点的模型输入量x=[I1,I2,I3,I4,I5,I6,I7,b/a]和对应的输出量y=[γ,β];
将样本数据分为两组Dx和Dy,分别用来训练γ、β的回归模型;然后将模型应用于实时获取的图像信息中,模型γ=fGPRX(I1,I2,I3,I4,I5,I6,I7,b/a),β=fGPRY(I1,I2,I3,I4,I5,I6,I7,b/a)输出的是相机分别绕X轴及Y轴的转角γ和β。
9.根据权利要求8所述的一种基于图像矩的搬运机器人视觉伺服控制方法,其特征在于,
所述输入量x=[I1,I2,I3,I4,I5,I6,I7,b/a],具体为:λ1,λ2分别是惯性矩阵 的两个特征值,且 b/a为平移、旋转和尺度不变特征纵横比,I1~I7是Hu矩。
10.根据权利要求9所述的一种基于图像矩的搬运机器人视觉伺服控制方法,其特征在于,S6利用步骤S4中得到的实时图像特征s,计算图像雅可比矩阵的广义逆矩阵 并通过得到末端执行器的移动方向和速率,结合伺服控制器调整机器人末端的位姿,具体为:
La=[‑aA ‑aB a(3/Zg‑C) 3ayg ‑3axg 0]Lγ=[0 0 0 1 0 0]Lβ=[0 0 0 0 1 0]其中:
其中A=α/(αXg+βYg+γZg),B=β/(αXg+βYg+γZg),C=γ/(αXg+βYg+γZg),(Xg,Yg,Zg)为重心点在相机坐标系下的三维坐标;其中λ为控制器增益, 为Ls的广义逆矩阵。