機械臂視覺伺服控制之實現

Abstract

以往的機械臂因受所在環境的限制，所以在應用上如物體定位、夾取均不能精確的控制機械臂達到 目標，這個缺點起因於目前的機械臂本身沒有獨自的感測能力，所以就有很多學者投入此方面的研究，發現到如果能在機械臂上加裝感測元件，則對於機械臂在應用層面上會有很大的助益，其中又以視覺感測元件所能應用的層面最廣。 視覺是機械臂最常用且用最多的感測器，因為它模仿人的視覺功能，然而典型的視覺感測是開迴路的"看"然後"動"架構，此架構的精確度是由感測元件信號是否正確與機械臂本身的end-effector是否正確來決定的。此改善方法就是採用迴授控制，也就是本論文中的視覺伺服控制。 所謂視覺伺服控制就是利用視覺所得到的一些資訊進而來控制機械臂達到我們期望的位置，一個好的視覺伺服控制架構所牽涉的涵蓋高速影像處理架構、機械的運動與動力學、控制理論與即時的運算等部分。本論文中的控制是採用特徵式視覺迴授控制架構，其中feature Jacobian matrix又包含未知的深度值，使得我們無法直接得知下一次控制位置，為了解決這個問題，我們引入Extended kalman filter來作深度估測器，當深度為已知後，則整個控制系統就可以很精準的達到期望的位置。

Robots have had far less impact in applications where the work environment and object placement cannot be accurately controlled. This limitation is largely due to the inherent lack of sensory capability in robot systems. Vision is a useful robotics sensor since it mimics the human sense of vision and allows for noncontact measurement of the environment.However,typically visual sensing and manipulation are combined in an open-loop fashion,"looking" then "moving". The accuracy of the resulting operation depends directly on the accuracy of the visual sensor and the robot end-effector. An alternative to increasing the accuracy of these subsystems is to use a visual-feedback control loop, that is Visual Servo Control in this thesis. Visual servo control is use some information from visual equipment that can control robot to our desired position relative to an object by inputting the image features of the object. Visual servoing is the fusion of results from many elemental areas including high-speed processing, kinematics, dynamics, control theory, and rel-time computing. We use feature-based visual servo control scheme, but there is a unknow depth parameter in feature Jacobian matrix. Due to the unknow depth parameter we cannot get the next position. In order to solve the problem, we use Extended kalman filter as a depth estimator. When depth is given, the overall control scheme can track to our desired position accurately. 英文摘要 目錄 圖例目錄 表例目錄 第一章 緒論 1.1 動機 1.2 文獻回顧 1.2.1 Position-based 架構 1.2.2 Feature-based 架構 第二章 位置控制 2.1 攝影機光學模型 2.2 透鏡投影方程式 2.3 光運動方程式 2.4 Extended kalman filter 第三章 影像處理技巧之應用 3.1 Threshold 3.2 視窗的運用 3.2.1 使用視窗需注意的問題 3.3 質心的計算 3.4 下一個視窗的決定 3.5 影像特徵誤差之原因 第四章 視覺伺服控制 4.1 控制架構 4.2 實驗控制器之設計 第五章 硬體設備與軟體架構 5.1 硬體設備及架構 5.2 軟體規劃 5.2.1 機械臂控制程式 5.2.2 影像處理程式 5.2.3 kalman估測程式 第六章 影像位置控制實驗 6.1 開迴路（無視覺伺服控制） 6.1.1 平移運動的開迴路實驗 6.2 閉迴路 （含視覺伺服控制） 6.2.1 平移運動的閉迴路實驗 6.2.2 旋轉運動的閉迴路實驗 第七章 結論 附錄A 位置估測的可觀性 附錄B 附錄C 附錄D 校準方法 參考文獻