基于機器視覺的運動控制技術研究.pdf

1、基于機器視覺的機械手運動控制是一種利用視覺信息對機械手運動實施反饋控制的重要方法，其學術基礎涵蓋了機器視覺、圖像處理、機器人運動學、機器人動力學、控制理論等研究領域。本文首先綜述了機器視覺發(fā)展現(xiàn)狀，并詳細分析研究了攝像機標定算法，論述了視覺伺服方法中最基本的動力學建模方法，利用機器人動力學研究了護理機器人的軌跡跟蹤，提高了其靈活性、效率、精度和速度。
　　本研究通過對攝像機成像原理的分析和理解，結合當前的攝像機內外參數(shù)以及畸變系數(shù)

2、的標定模型和方法，為了使模型圖像坐標和實際圖像坐標殘差減到最小，在最新理論的基礎上，提出了基于改進粒子群優(yōu)化的攝像機標定算法，簡化了機械手攝像機的非線性標定過程，并通過實驗驗證了該方法的可行性。從保證機械手系統(tǒng)漸近穩(wěn)定性的角度出發(fā)設計一種基于RBF神經網絡的自適應控制器的軌跡跟蹤算法，考慮到其工作環(huán)境的外部干擾因素對系統(tǒng)控制造成的影響，進行了護理機器人機械手的軌跡跟蹤算法研究。在控制系統(tǒng)中加入RBF神經網絡自適應補償算法的控制器，RBF

3、神經網絡在一定程度上消除不確定因素對系統(tǒng)控制造成的影響，自適應估算不確定性和神經網絡的重構誤差。從而提高系統(tǒng)的抗干擾能力、定位精度和系統(tǒng)魯棒性，利用加權矩陣生成的李雅普諾夫函數(shù)證明漸近穩(wěn)定。使其能準確地跟蹤軌跡，通過動力學建模，利用Matlab仿真驗證其軌跡跟蹤效果。用數(shù)據(jù)擬合出的運動軌跡曲線結果得出誤差，提高了跟蹤精度，無論是超調量還是穩(wěn)態(tài)誤差都有明顯的改善。并進了系統(tǒng)硬件選型與實現(xiàn)。對洗頭部分機械手導入提出的標定算法和軌跡跟蹤算法進