[发明专利]一种尺度旋转相关滤波视觉伺服控制方法

说明书

技术领域

本发明涉及一种视觉伺服控制方法，更具体地说，尤其涉及一种尺度旋转相关滤波视觉伺服控制方法。

背景技术

随着我国工业生产向柔性化和精细化方向不断发展，特别是制造业对机器人的敏捷性和精确性要求越来越高，对工业视觉机器人的实时性和控制质量提出了新的需求。目前，工业机器人在生产环境中应用的分拣、搬运、码垛和装配等场景工作，多数是通过现场操作示教完成，机器人的运动控制基本固化，需现场示教调试，这样工作复杂，导致作业功能单一，并且，大部分机器人没有搭载传感器部件，机器人感知能力差，无法响应环境变化，且精确度不高，无法适应工业4.0生产中柔性化、智能化要求。

视觉伺服目标跟踪算法性能的优劣影响其跟踪效果，直接关系到整个机器人系统的性能，现阶段已有的跟踪算法并不能解决所有的目标跟踪问题。近两年，国内外学者提出了多种算法，集中在解决在杂环境、部分遮挡、变形、运动模糊、快速运动、光照变化和尺度变化等因素对于目标跟踪的影响，但这些研究多数是理论领域上的突破，并未进行工业现场应用型研究。

发明内容

本发明根据工业现场应用需要，充分考虑光照环境、传送装置、运行环境等因素，设计一种兼顾鲁棒性和实时性的尺度旋转相关滤波算法，并着重提高其应用性，实现一种尺度旋转相关滤波视觉伺服控制方法。

本发明的技术方案是这样实现的：一种尺度旋转相关滤波视觉伺服控制方法，该方法包括下述步骤：

(1)摄像头实时拍摄待追踪目标的图像，并将图像实时发送给处理器；

(2)处理器将实时图像中选定的目标利用目标跟踪算法进行计算，通过多维相关滤波算法找出最优滤滤，建立了一个d维度滤波器，l是所在维度数，l∈{1，...，d}，为第l维特征通过计算在每一个特征维度h^l中找出最优相关滤波h，如下：

式中，g是通过样本f训练后输出的相关性输出，通过设置参数λ调整式(1)中的第2 项权重，参数λ∈{0.1，...，0.2}；

式(1)在第1维特征时，化简得式(2)，具体简式如下：

为降低目标在运动过程中因为光照变化、外形变化、遮挡等造成目标丢失的机率，在t-1 帧图像特征的基础上，加入了学习因子η，计算t帧图像特征的变化率，提高目标跟踪准确率；结合参数λ取值学习因子η，λ取值范围为0.1-0.15，η取值范围为0.01-0.05；将相关滤波器的分子和分母B_t更新如下：

通过式(2)、式(3a)和式(3b)得式(4)：

经过式(4)计算，其中表示傅里叶逆变换算子，相关得分s在特征图中的矩阵区域为z，并通过s的最大值来确定目标位置；至此，实现一个计算效率较高的多维相关滤波器；

(3)加入了尺度、旋转参数，提出四维度尺度旋转滤波相关滤波器，多维滤波算法中嵌入一个用于尺度旋转判断的独立维度的滤波器，通过式(4)计算目标中心点，在此基础上，将尺度和旋转合并为一维进行计算，利用式(4)完成目标定位和尺度旋转跟踪；利用仿射变换公式，具体如下：

其中定义向量到分别代表目标的水平方向位移、垂直方向位移、水平方向尺度、旋转角、高宽比和扭角，将代入代入通过式(6) 将样本映射到固定矩阵中，并进行向量化处理，构建尺度旋转滤波器h_sr，求出相关分数最大的向量y，即得出目标的尺度旋转状态；

(4)通过PID算法对机器人进行运动控制，为保证机器人的移动速率和移动准确性，在手眼机器人视觉伺服控制过程中，跟踪目标位于摄像头所监视范围内，将视觉伺服图像中心点为原点构建一个x轴-y轴的二维坐标；根据摄像头获取的实时图像，通过目标跟踪算法获取跟踪目标坐标，其中心点的坐标就是目标与机器人的位置差；通过设计两个PID控制器，保证目标中心点的x轴、y轴坐标为0，即目标中点与视觉伺服图像的中点重合，实现准确的目标跟踪；PID控制器通过给定坐标输入，根据比例K_p、积分T_i、微分T_d控制器公式进行计算，公式如下所示：

K_p＝k_pε(t).(7)

通过计算出具体的运动参数，反馈给工业机器人驱动器，驱动机器人电机完成动作；在机器人运动过程中，坐标实时更新，达到目标跟踪的效果。