摘 要：視覺伺服可以應用于機器人初始定位自動導引、自動避障、軌線跟蹤和運動目標跟蹤等控制系統(tǒng)中。傳統(tǒng)的視覺伺服系統(tǒng)在運行時包括工作空間定位和動力學逆運算兩個過程，需要實時計算視覺雅可比矩陣和機器人逆雅可比矩陣，計算量大，系統(tǒng)結構復雜。本文分析了基于圖像的機器人視覺伺服的基本原理，使用BP神經(jīng)網(wǎng)絡來確定達到指定位姿所需要的關節(jié)角度，將視覺信息直接融入伺服過程，在保證伺服精度的情況下大大簡化了控制算法。文中針對Puma560工業(yè)機器人的模型進行了仿真實驗，結果驗證了該方法的有效性。 關鍵詞：視覺伺服; 圖像雅可比矩陣; 逆雅可比矩陣; BP神經(jīng)網(wǎng)絡; 視覺控制器 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 　　目前視覺伺服控制的研究在機器人研究領域是一個熱點問題[1]。Shirai 和Inouei[2]在1973年首次將視覺控制引入機器人操作當中。他們采用固定攝像機的方式，利用視覺來提高機器人的定位精度，實現(xiàn)了抓取和放置的任務。1979年Hill 和Park[3]提出了“視覺伺服（Visual servo）look-and-move方式”的概念。視覺首次被引入了閉環(huán)，以克服系統(tǒng)模型（包括機器人、視覺系統(tǒng)、環(huán)境）存在的不確定性，提高機器人的操作精度。 　　人工神經(jīng)網(wǎng)絡是生物神經(jīng)網(wǎng)絡的一種模擬和近似，它特別適用于不能用顯性公式表示的、具有復雜非線性關系的系統(tǒng)，并具有較強的適應和學習功能。近年來，機器人智能視覺控制器的應用越來越引起關注。已有不少研究者討論過將神經(jīng)網(wǎng)絡應用在機器人控制中的可行性。這一主題所討論的中心問題是使用神經(jīng)網(wǎng)絡學習機器人視覺系統(tǒng)的特征。Wells分別用4點特征、傅立葉描述子和幾何矩作為神經(jīng)網(wǎng)絡的輸入[4]，對六自由度機器人進行定位實驗。其特點是采用全局的圖像特征，這樣可擴大應用范圍。但利用全局特征的定位精度較低。Sun采用兩個神經(jīng)網(wǎng)絡[5]：用一個Kohonen網(wǎng)進行全局控制，視覺信號來自兩個固定于工作空間的攝像機;另一個采用BP網(wǎng)進行局部控制，視覺信號來自安裝在末端上的兩個攝像機。Stanley借助于神經(jīng)網(wǎng)絡進行特征抽取和求逆雅可比[6]。Hashimoto使用BP網(wǎng)絡來學習圖像特征變化和機器人關節(jié)角度變化之間的關系[7]，網(wǎng)絡的輸入是圖像特征的變化，輸出是期望的關節(jié)角的變化。但是他只做了神經(jīng)網(wǎng)絡的設計工作，并沒有給出設計的神經(jīng)網(wǎng)絡用在視覺伺服系統(tǒng)中的伺服效果。 　　本文提出了一種基于圖像的視覺伺服控制方案，將視覺信息直接用于伺服過程。為達到指令定位位置使用一個人工神經(jīng)網(wǎng)絡來確定所需的關節(jié)角度變化，對機器人末端操作手定位，這種方法使得系統(tǒng)省略了計算視覺雅可比矩陣和機器人逆雅可比矩陣及手眼標定的過程，簡化了控制算法的計算。 詳情請點擊：基于神經(jīng)網(wǎng)絡的機器人視覺伺服控制