[發明專利]一種基于圖像的視覺伺服的雅可比矩陣深度估計方法

有效

• 申請號: 202011611379.1
• 申請日: 2020-12-30
• 公開（公告）號: CN112734823B
• 公開（公告）日: 2023-10-20
• 發明（設計）人: 董久祥;公冶慶旋
• 申請（專利權）人: 東北大學
• 主分類號: G06T7/579
• 分類號: G06T7/579;G06T7/277;G06T7/246;G06F17/16
• 代理公司: 北京易捷勝知識產權代理有限公司 11613
• 代理人: 韓國勝

1.一種基于圖像的視覺伺服的雅可比矩陣深度的信息估計方法，其特征在于，包括如下步驟：

S1、確定選擇的狀態的數量；

S2、根據選擇的狀態的數量和圖像的視覺伺服IBVS，建立基于卡爾曼濾波器的觀測器模型；

S3、根據建立的基于卡爾曼濾波器的觀測器模型獲得基于圖像的視覺伺服IBVS的雅可比矩陣未知深度的估計信息；

所述狀態的數量包括：單一狀態和多狀態；

提取雅可比矩陣的部分深度信息作為基于卡爾曼濾波器的觀測器模型的狀態向量。

2.根據權利要求1所述的基于圖像的視覺伺服的雅可比矩陣深度的信息估計方法，其特征在于，當狀態的數量為單一狀態下的點特征深度估計時，所述方法中的基于卡爾曼濾波器的觀測器模型為：

u(k)＝C(k)s(k)+V(k)

其中：

A(k)是單位矩陣，s(k)＝[1/Z_k]是系統在時間k的狀態向量；u(k)＝[x(t_k+Δt)-x(t_k)，y(t_k+Δt)-y(t_k)]是模型的觀測向量；

和W(k)分別是過程噪聲與觀測噪聲；

和W(k)的協方差分別是Q和R。

3.根據權利要求2所述的基于圖像的視覺伺服的雅可比矩陣深度的信息估計方法，其特征在于，假定過程噪聲和觀察噪聲均為高斯白噪聲，針對使用點特征的情況還包括一種基于卡爾曼濾波器的觀測器結構為深度估計的遞歸卡爾曼濾波模型：

狀態向量預測：

協方差預測：

卡爾曼濾波器增益矩陣：

狀態向量更新：

s_k|k＝s_k|k-1+K_k[u_k-C_ks_k|k-1]

協方差更新：

P_k|k＝I-K_kC_k

其中Q是過程噪聲協方差，R是觀測噪聲協方差，P是狀態估計誤差協方差。

4.根據權利要求1所述的基于圖像的視覺伺服的雅可比矩陣深度的信息估計方法，其特征在于，當狀態的數量為單一狀態下的線特征深度估計時，所述方法還包括：深度信息s(k)＝[1/Z_k]是模型狀態向量，而u(k)＝[ρ(t_k+Δt)-ρ(t_k)，θ(t_k+Δt)-θ(t_k)]是模型的觀察向量，模型建立過程如下：

其中，θ和ρ分別為線特征在極坐標下的坐標表示；v_x，v_y，v_z為機械臂末端執行器在x、y、z方向的線速度，w_x，w_y，w_z為機械臂末端執行器在x、y、z方向的角速度；W(k)為系統的測量誤差。

5.根據權利要求4所述的基于圖像的視覺伺服的雅可比矩陣深度的信息估計方法，其特征在于，當狀態的數量為單一狀態下的線特征深度估計時，所述方法中的基于卡爾曼濾波器的觀測器模型為：

其中s(k)與u(k)分別為系統的狀態向量與觀測向量；θ和ρ分別為線特征在極坐標下的坐標表示；t_k表示第k個時間段的起始時間點；Φ(k)與W(k)分別為系統的過程噪聲與觀測噪聲；v_x,v_y,v_z為機械臂末端執行器在x、y、z方向的線速度，w_x,w_y,w_z為機械臂末端執行器在x、y、z方向的角速度。