摘 要：視覺(jué)伺服可以應(yīng)用于機(jī)器人初始定位自動(dòng)導(dǎo)引、自動(dòng)避障、軌線跟蹤和運(yùn)動(dòng)目標(biāo)跟蹤等控制系統(tǒng)中。傳統(tǒng)的視覺(jué)伺服系統(tǒng)在運(yùn)行時(shí)包括工作空間定位和動(dòng)力學(xué)逆運(yùn)算兩個(gè)過(guò)程，需要實(shí)時(shí)計(jì)算視覺(jué)雅可比矩陣和機(jī)器人逆雅可比矩陣，計(jì)算量大，系統(tǒng)結(jié)構(gòu)復(fù)雜。本文分析了基于圖像的機(jī)器人視覺(jué)伺服的基本原理，使用BP神經(jīng)網(wǎng)絡(luò)來(lái)確定達(dá)到指定位姿所需要的關(guān)節(jié)角度，將視覺(jué)信息直接融入伺服過(guò)程，在保證伺服精度的情況下大大簡(jiǎn)化了控制算法。文中針對(duì)Puma560工業(yè)機(jī)器人的模型進(jìn)行了仿真實(shí)驗(yàn)，結(jié)果驗(yàn)證了該方法的有效性。 關(guān)鍵詞：視覺(jué)伺服; 圖像雅可比矩陣; 逆雅可比矩陣; BP神經(jīng)網(wǎng)絡(luò); 視覺(jué)控制器 Abstract: Visual servo system can be used in the control systems of robot original orientation guiding, obstacle avoiding, trajectory tracking and moving object tracking, etc. During working, the traditional visual servo system consists of two processes: determination of the workpiece position and inverse kinetic calculation. So real-time computation of visual Jacobian and inverse Jacobian of the robot have been needed. Both the computation and the structure of the system are complex. In this paper, the basic principle of robot visual servo system is analyzed. A BP neural network is proposed to determine the required joint angles for the set position and orientation. This method can integrate visual data directly into the servo process, so under the condition that the servo precision is ensured, the computation of the control arithmetic is greatly simplified. The simulation experiment for Puma560 robot is made and simulation results proved the effectiveness of the method. Keywords: Visual servo; Image jacobian matrix; Inverse jacobian matrix; BP neural nerwork; Visual controller 1. 引言 　　目前視覺(jué)伺服控制的研究在機(jī)器人研究領(lǐng)域是一個(gè)熱點(diǎn)問(wèn)題[1]。Shirai 和Inouei[2]在1973年首次將視覺(jué)控制引入機(jī)器人操作當(dāng)中。他們采用固定攝像機(jī)的方式，利用視覺(jué)來(lái)提高機(jī)器人的定位精度，實(shí)現(xiàn)了抓取和放置的任務(wù)。1979年Hill 和Park[3]提出了“視覺(jué)伺服（Visual servo）look-and-move方式”的概念。視覺(jué)首次被引入了閉環(huán)，以克服系統(tǒng)模型（包括機(jī)器人、視覺(jué)系統(tǒng)、環(huán)境）存在的不確定性，提高機(jī)器人的操作精度。 　　人工神經(jīng)網(wǎng)絡(luò)是生物神經(jīng)網(wǎng)絡(luò)的一種模擬和近似，它特別適用于不能用顯性公式表示的、具有復(fù)雜非線性關(guān)系的系統(tǒng)，并具有較強(qiáng)的適應(yīng)和學(xué)習(xí)功能。近年來(lái)，機(jī)器人智能視覺(jué)控制器的應(yīng)用越來(lái)越引起關(guān)注。已有不少研究者討論過(guò)將神經(jīng)網(wǎng)絡(luò)應(yīng)用在機(jī)器人控制中的可行性。這一主題所討論的中心問(wèn)題是使用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)機(jī)器人視覺(jué)系統(tǒng)的特征。Wells分別用4點(diǎn)特征、傅立葉描述子和幾何矩作為神經(jīng)網(wǎng)絡(luò)的輸入[4]，對(duì)六自由度機(jī)器人進(jìn)行定位實(shí)驗(yàn)。其特點(diǎn)是采用全局的圖像特征，這樣可擴(kuò)大應(yīng)用范圍。但利用全局特征的定位精度較低。Sun采用兩個(gè)神經(jīng)網(wǎng)絡(luò)[5]：用一個(gè)Kohonen網(wǎng)進(jìn)行全局控制，視覺(jué)信號(hào)來(lái)自兩個(gè)固定于工作空間的攝像機(jī);另一個(gè)采用BP網(wǎng)進(jìn)行局部控制，視覺(jué)信號(hào)來(lái)自安裝在末端上的兩個(gè)攝像機(jī)。Stanley借助于神經(jīng)網(wǎng)絡(luò)進(jìn)行特征抽取和求逆雅可比[6]。Hashimoto使用BP網(wǎng)絡(luò)來(lái)學(xué)習(xí)圖像特征變化和機(jī)器人關(guān)節(jié)角度變化之間的關(guān)系[7]，網(wǎng)絡(luò)的輸入是圖像特征的變化，輸出是期望的關(guān)節(jié)角的變化。但是他只做了神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)工作，并沒(méi)有給出設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)用在視覺(jué)伺服系統(tǒng)中的伺服效果。 　　本文提出了一種基于圖像的視覺(jué)伺服控制方案，將視覺(jué)信息直接用于伺服過(guò)程。為達(dá)到指令定位位置使用一個(gè)人工神經(jīng)網(wǎng)絡(luò)來(lái)確定所需的關(guān)節(jié)角度變化，對(duì)機(jī)器人末端操作手定位，這種方法使得系統(tǒng)省略了計(jì)算視覺(jué)雅可比矩陣和機(jī)器人逆雅可比矩陣及手眼標(biāo)定的過(guò)程，簡(jiǎn)化了控制算法的計(jì)算。 詳情請(qǐng)點(diǎn)擊：基于神經(jīng)網(wǎng)絡(luò)的機(jī)器人視覺(jué)伺服控制