[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

本發明涉及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，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。本發明提供的信息估計方法從圖像雅可比矩陣中提取深度信息或深度信息以及二維圖像點坐標作為卡爾曼濾波器的狀態向量，大大提高了準確率；同時，通過六自由度機械臂的仿真和實驗結果驗證了該方法的有效性。

技術領域

本發明屬于視覺伺服技術領域，尤其涉及一種基于圖像的視覺伺服的雅可比矩陣深度估計方法。

背景技術

如今，視覺伺服已經涉及到我們生活各個方面，尤其在工業自動化領域得到了廣泛應用。視覺伺服是通過視覺傳感器接收處理圖像信號，根據所得到的信息讓機械臂系統做出進一步的控制或者自適應的調整行為。近年來，對于視覺伺服的研究越來越受到機械臂等各個領域研究人員的關注，研究方向也開始與許多學科相結合，如優化方法、滑模、模糊控制、魯棒控制、開關控制、自適應控制、神經網絡、強化學習等。根據反饋差值函數的區別可將機器人的視覺伺服系統分為兩種：基于位置的視覺伺服(PBVS)與基于圖像的視覺伺服(IBVS)。

在IBVS中，采用圖像雅可比矩陣建立起圖像空間與機械臂操作空間的映射關系。但是在圖像雅可比矩陣中包含特征點相對于相機坐標系的深度信息，它不能直接測量。

發明內容

(一)要解決的技術問題

為了解決現有技術的上述問題，本發明提供一種基于圖像的視覺伺服的雅可比矩陣深度估計方法。

(二)技術方案

為了達到上述目的，本發明采用的主要技術方案包括：

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，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。

優選地，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。

優選地，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：