欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025116404766
申请人: 昆明理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 手动工具;轻便机动工具;手动器械的手柄;车间设备;机械手
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.三维空间动态深度估计的单目手眼机器人视觉伺服方法,其特征在于包括以下步骤:S1、建立参数化视觉伺服系统模型:根据手眼机器人的正运动学模型、相机的内参与外参以及图像雅可比矩阵,对机器人-相机-目标三者构成的闭环系统进行统一参数化建模;

S2、构建估计误差驱动型自适应律:针对S1步骤获得的系统模型,引入辅助滤波变量对可测信号进行重组,提取与未知深度参数相关的估计误差信息;基于估计误差信息,设计满足李雅普诺夫收敛条件的自适应律,对时变深度在线实时估计,获得深度估计值,并以可证明的方式保证估计误差收敛;

S3、执行基于位置的视觉伺服控制:利用S2步骤实时获得的深度估计值,将图像平面特征点反投影至机器人基坐标系,得到目标三维位置的估计值;定义所述目标三维位置与期望位置之间的跟踪误差,结合机器人动力学模型设计反馈控制器,并将所述跟踪误差映射为关节力矩与速度指令,驱动机器人运动直至所述跟踪误差收敛至预设阈值范围内;

其中,S2步骤具体包括以下步骤:S201、针对参数化视觉伺服系统模型,定义各滤波变量如下:;

其中是滤波系数,设置为一个很小的常值;

S202、定义中间矩阵,:

;

其中,用于保证中间回归矩阵有界,常数起着遗忘因子的作用,作为一个小的常数;若越小,则矩阵中包含更多的历史信息;则该公式的解为:;

其中,是估计误差;是时变参数的导数在经过低通滤波后的残差;

S203、接着定义辅助变量,:

;

由此,可知时变参数的估计误差已经被包含在辅助变量中,通过辅助变量构造出以估计误差为驱动的自适应估计律:;

其中,是一个常数学习增益;也是一个常数,用于平衡估计快速变化参数的能力和鲁棒性;通过该自适应律计算出,再通过积分获取,又因为,所以能获取深度信息的估计值,并通过相机内外参与目标特征点的像素点坐标重构出目标特征点在机器人基坐标系下的三维估计坐标参与视觉伺服控制。

2.根据权利要求1所述的三维空间动态深度估计的单目手眼机器人视觉伺服方法,其特征在于S1步骤具体包括以下步骤:S101、定义目标特征点在相机坐标系下的三维空间坐标为,该点投影到相机成像平面的坐标为,相机坐标系下的三维空间坐标与成像平面坐标有以下关系:;

S102、定义特征点在像素平面中的坐标为,像素平面坐标和成像平面坐标有以下关系:;

其中,分别为相机沿轴的主点位置,分别为相机沿轴的焦距,共同组成相机内参矩阵:;

S103、将S101步骤三维空间坐标与成像平面坐标关系式,S102步骤像素平面坐标和成像平面坐标关系式联立:;

取该公式的时间导数:

;

将图像特征速度与相机的空间速度联系起来:;

其中,若特征点的坐标不随时间变化而变化,则为相机坐标系下的相机速度;若特征点的坐标随时间变化而变化,则为相机坐标系下的相机速度减相机坐标系下的特征点速度;

令:

;

将该公式简化并改写为

;

S104、利用机器人正运动学,从中获得基坐标系与机器人末端坐标系之间的旋转矩阵,平移向量;利用相机外参标定获取机器人末端坐标系与相机坐标系之间的旋转矩阵,平移向量;利用各坐标系之间的旋转矩阵与平移向量,将基坐标系下的末端速度转换为相机坐标系下的相机速度,其转换关系如下:;

其中,是基坐标系下的末端速度;是相机坐标系下的相机速度;代表以平移向量中三个参数构成的斜对称矩阵;

S105、通过机器人雅可比矩阵与机器人关节速度,为机器人的自由度,获取基坐标系下的末端速度:;

对S103步骤得到的公式进行参数化,令,,,可得:;

其中,,;

至此完成参数化视觉伺服系统模型构建。

3.根据权利要求1所述的三维空间动态深度估计的单目手眼机器人视觉伺服方法,其特征在于S3步骤具体包括以下步骤:S301、通过相机获取目标特征点的像素坐标,再利用估计的深度信息获取相机坐标系下的特征点坐标:;

S302、利用各转换矩阵将相机坐标系下的特征点坐标转换为机器人基坐标系下的特征点坐标:;

S303、为了让机器人末端抵达目标特征点的上方并跟随目标特征点移动,利用基坐标系下的特征点坐标估计值后结合机器人末端姿态定义误差:;

其中是目标特征点在机器人基坐标系下的姿态,由于假定目标特征点在基坐标系下只存在平移运动,所以目标特征点的姿态不随时间改变而改变;是机器人末端在机器人基坐标系下的位姿;并对误差取时间导数:;

S304、控制器的设计基于自由度机器人动力学模型:;

其中,分别代表机器人的关节位移、速度和加速度,是惯性力矩,是向心力矩,是重力矩,是机器人的控制力矩;

S305、采用PD控制器,控制器设计如下:;

其中,对角阵是控制增益,分别为上述定义的位姿误差与速度误差。