资源描述：
《毕设英文翻译》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、视觉伺服的6自由度机械手的3-D简介一，导言 在工业应用中，许多机器人任务，包括在后沿配置文件路径，例如，作出焊接沿边缘联合分发在一辆汽车大门上密封条的胶，并消除了金属铸造件或聚合物沿边缘的毛刺。对于这方面的任务，在今天的工业应用上机器人必须输入运营商的程序，按照准确的轨迹运行。 一个外部视觉传感器的使用，再加上像照相机的电荷器件（CCD），可能会非常有助于控制和结束机器人的工作，使其保持在同一场合关于配置文件的使用。事实上，以视觉伺服，既没有必要了解配置文件的精确曲率，或其关于机器人的坐标框架。机器人会自动遵循简介的配置文件。本文介绍这
2、样一个视觉伺服应用程序，其中我们假设只有配置文件的截面轮廓为已知立场一致的配置。 存在一些与以往工程简介处理的有，例如：模拟显示其目的在于以下道路模型由三条平行线构成。该相机必须留在中心右手边用来定义关于道路的线高度和正确的道路方向。这说明了用一个图像模拟的方法来配置功能直线的共面线。这是一个二维（2-D型）线，以下实验中的线是可弯曲的，但始终保持在一个平面平行在摄像机的图像平面。 其他工程涉及到对个人资料三维（3-D型）重建，例如：在文献[3],[4]的基础上,作者们处理了三维重建道路的自主驾驶的交通工具。这是一个配置文件，以下是有限度
3、的两个任务自由（2自由度），具体到与假设所特有的这种应用程序的类型（例如，该相机就距离道路是一个已知的常数），不能用在我们的问题。 本文的一个主要贡献是一个三维弯曲的文件，因为以前的作品是根据弯曲的侧面、平面和剖面处理文献[2]，[1]。在本文中，我们假设文件包含至少有三个平行曲线或边缘。我们建议一个方法从图像轮廓的边缘估算摄像机的位置。平行边之间的距离必须清楚,但是这个曲率的轮廓未知。我们使用基于位置的控制策略来控制视觉循环（见[5]-[9]）。该方法中，我们提出的重建的姿态是根据确定的切线向量轮廓在当前的横截面(见图1)。一个问题是我们
4、必须解决的电流横截面,即截面轮廓相对于当前的姿势。这种电流变截面应该沿着剖面的的速度要求。不幸的是视觉系统在剖面图的方向不能给速度和位置测量。因此，我们更多的使用对机器人运动学模型的测量是为了控制沿剖面位移速度。两个控制器进行了视觉伺服循环:一个比例加积分(PI)控制器和一个广义的预测控制器。调音技术用于GPC研究的描述了一个相同[10]和[11]。GPC上展出性能优于PI,多亏了这样一个事实:它考虑到了动态的机械手。另外,在考虑了控制器在地震剖面曲率变化的电流十字架部分。这种超前的视觉功能，循环使用视觉信息预测的机器人运动是这项工作的另一个
5、贡献。该文件分为三个部分。第一部分介绍如何推导出构成的轮廓和照相机之间的关系。在第二部分，给出了整个视觉伺服回路模型。最后，第三部分仿真和实验结果。二，计算姿态的矢量1.背景材料和方法因此,如果我们假设型材断面包含边界,通常情况下在工业应用中,切线这些边缘点属于相同的横截面平行一起并且平行于参考曲线。在三维空间中,至少有三个平行线需要重建之间的转换框架连接到照相机和一架附件的平行线,从这个角度来看这些线投影在摄影机框架(这一点了II-C节)。让我们考虑以下一般透视投影理所应得的一笔财产。性质2:透视投影的切线:这个观点投射的切线方向导数曲线在
6、三维在这个空间曲线的切线方向是一致的投影曲线点等于投射。这个属性是证明在[12]。在此基础上的财产,我们要找到在图像的预测,分同样的横截面。在这些地点的切线的边缘轮廓的预测是那么的投射边缘轮廓线切线是在三维空间,这是相似的,因为他们属于相同的横截面。因此,以确定三个平行线的轮廓,切线是必要的影像中找到三分,是预期的三分在三维空间属于某个特定的横截面。这样做,我们假设投射在图像边缘有一个小曲率。一个小错误的决心这些观点然后产量是微不足道的误差检测切线,如图3(b)。因此,估计的十字架授权许可部分可以垂直中央边缘一个伟大的错误产生的估计切线。它是
7、那么足够的切线识别图像的十字路口这个估计截面之间的轮廓的放映,边,以重建的电流之间的交叉的姿势部分和照相机。1.建模资料和投影正如前面章节中,重建过程的姿势和照相机之间是基于轮廓在放映的切线的轮廓的边缘属于当前的横截面。摘要为了准确衡量这些切线,曲线在图像模拟高阶多项式。图4显示的图象处理工作。在初步全球检测的特点,采用多项式的形象模型的基础上确定的曲线。每个测试、区域AOIs),然后根据沿着每个曲线获得对多项式模型。TheseAOIs是选中的位置在过去的曲线的形象。然后进行边缘检测这些AOIs和中心所有的点的大规模的梯度比一阈值计算。在理论
8、上,这种质心的归属中间的相应的曲线。在我们的试验中,9AOIs处理,使9分属于曲线(见图4)。所有这些观点的亚像素坐标然后使用能够找到最好的多项式逼近的吗曲线与最小
