[发明专利]轮式移动机器人视觉伺服轨迹跟踪并发深度辨识

权利要求书

1.一种轮式移动机器人同时视觉轨迹跟踪并发自适应深度辨识方法，其特征在于包括以下步骤：

第1，定义系统坐标系，包括：

第1.1，建立系统模型

定义轮式移动机器人的坐标系如下：以表示摄像机相对于静止特征点的参考坐标系，以表示轮式移动机器人当前位姿坐标系，以表示对应于轮式移动机器人期望位姿的直角坐标系，由共面特征点P_i确定的平面为参考平面π，定义平面π的单位法向量为n^*，3-D欧氏坐标P_i在下分别用来表示：

假设各个坐标系的原点到特征点沿光轴方向的距离恒为正，从到的旋转矩阵为从到的平移向量为其中^cT_*(t)为在中表示。同样表示期望从到的时变期望旋转矩阵，从到的期望平移向量为其中^dT_*(t)在中表示，^cT_*(t)和^dT_*(t)的定义如下：

^cT_*(t)＝[^cT_*x，0，^cT_*z]^T，^dT_*(t)＝[^dT_*x，0，^dT_*z]^T. (2)

种定义如下：

定义如下：

另外表示从到的旋转矩阵的右手旋转角度，θ_d表示到的旋转矩阵的右手旋转角度，可以看出：

其中代表WMR的期望角速度在中的表示，从到π的沿π的单位法向量的距离设为则

d^*＝n^*TP_i^* (6)

其中表示π的单位法向量。

第1.2，欧式重建

首先重建特征点和的归一化欧式坐标P_i在和下的表示：

为了得到欧氏坐标，每个特征点由下的下的下的示的投影像素坐标，他们是(即实际时变图像点)，(即期望轨迹图像点)，(即恒定参考图像点)的元素，特征点的归一化欧氏坐标通过针孔镜头模型与图像点建立如下关系：

其中是已知不变的摄像机内参数标定矩阵，坐标系之间的旋转矩阵和平移向量可由归一化欧氏坐标表示如下：

其中H(t)，表示欧氏单应矩阵，为含有比例因子的平移向量：

然后通过欧几里得重建技术分解H和H_d，得到

第3，构建自适应控制器

根据系统的开环动态方程，为配有摄像机的移动机器人系统设计控制器和自适应更新律，控制的目的是确保坐标系跟踪上的时变轨迹，用e(t)＝[e₁，e₂，e₃]^T表示平移和旋转跟踪误差，具体定义如下：

其中^cT_*h1(t)，^cT_*h2(t)，^dT_*h1(t)和^dT_*h2在(10)中定义，θ(t)，θ_d(t)在(4)中定义。另外辅助变量定义如下：

开环误差方程为：

深度估计误差定义如下：

是深度辨识，当趋向于零时未知的深度信息将会有效的识别出来，轮式移动机器人设计的线速度和角速度如下所示：

根据并发学习方法，为深度辨识设计自适应更新律，其形式如下：

其中为更新增益，为正常数，t_k∈[0，t]是初始时间和当前时间之间的时间点。投影函数Proj(χ)定义为：

其中是正值的下界，因而有可以得到下式：

根据之前的推导，闭环误差系统如下：

当下式成立：

至此，完成了移动机器人同时视觉伺服轨迹跟踪与并发自适应深度辨识。