机器人视觉伺服控制：Eye-in-Hand模型与算法研究

"这篇博士学位论文探讨了机器人视觉伺服控制方法及其在实际应用中的研究，重点关注了基于位置的机器人视觉伺服控制算法。论文作者构建了一个实验平台，包括ABB工业机器人和基于TCP/IP网络通信的视觉伺服控制系统，以解决传统视觉系统的稳定性和实用性问题。" 在机器人视觉伺服控制领域，论文主要涵盖了以下知识点： 1. **机器人手眼系统**：分为Eye-in-Hand System和Eye-to-Hand System。Eye-in-Hand System中，CCD摄像机安装在机器人末端执行器上，随其运动，提供灵活的视觉反馈。Eye-to-Hand System则是将摄像机置于全局环境中固定或已知运动规律的位置，用于在线观察目标物体。由于Eye-in-Hand System的灵活性，它在视觉伺服控制中得到广泛应用。 2. **图像坐标系、摄像机坐标系和机器人基坐标系**：在机器人视觉系统中，图像坐标系关联着摄像机捕获的像素信息，摄像机坐标系描述了摄像机的光学中心，而机器人基坐标系是机器人运动的基础。通过摄像机定标，可以确定这些坐标系之间的转换关系。 3. **摄像机模型**：摄像机模型包括线性模型（如针孔模型）和非线性模型，用于描述光的成像几何关系。非线性模型用于处理镜头畸变或广角镜头的情况，以提高计算精度。 4. **视觉伺服控制**：机器人视觉伺服控制的目标是让机器人能识别和理解环境，自主完成复杂任务。它依赖于视觉反馈控制模型，结合图像特征选择和智能控制策略，实现闭环控制。 5. **实验平台**：论文构建了一个包含工业级ABB机器人和基于TCP/IP网络通信的视觉伺服控制系统，解决了实时性和稳定性问题。此平台允许机器人与计算机之间的网络通讯，以及计算机与图像采集卡的实时编程。 6. **位置伺服控制算法**：提出了基于位置的机器人视觉伺服控制算法，建立了位置跟踪和姿态跟踪模型，并通过三维构件模型的实验验证了算法的有效性，适用于结构化环境中的目标物体定位和姿态跟踪。 7. **人工势能场法**：在轨迹规划中，人工势能场法被用作一种方法，通过模拟物理场来引导机器人路径规划，以避免障碍并到达目标。 这篇论文深入研究了机器人视觉伺服控制的关键技术和算法，提供了实验验证，并为实际应用提供了理论基础和实验平台。这些研究成果对于提升机器人智能感知和自主执行复杂任务的能力具有重要意义。