[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

说明书

一种轮式移动机器人视觉伺服轨迹跟踪并发深度辨识方法。本发明针对非完整运动约束下的轮式移动机器人设计了一种视觉跟踪控制方法，并能在伺服轨迹跟踪的同时辨识出场景的深度信息。首先，对共面特征点录制一段图像视频来代表待跟踪的期望轨迹。然后，通过比较静态参考图像中的特征点、实时图像中的特征点和预先录制的图像视频，结合投影几何关系建立欧式坐标系下的单应矩阵。然后通过分解所得到的单应矩阵，设计了运动控制律和关于未知深度参数的自适应更新律。通过在自适应更新率中加入并发学习算法，利用历史和当前系统数据恢复未知的深度信息。最后通过Lyapunov方法和扩展芭芭拉定理证明了轨迹跟踪误差和深度辨识误差同时收敛，因而该方法能够有效地辨识出场景深度信息。

技术领域

本发明属于计算机视觉与移动机器人的技术领域，特别是涉及一种移动机器人同时视觉伺服轨迹跟踪并发自适应深度辨识方法，能够跟踪期望时变轨迹并将其场景深度信息识别出来。

背景技术

轮式移动机器人往往工作在危险的环境中，由于工作环境中的不确定因素，许多科研工作者研发了各种不同的解决方法来提高系统的自主控制能力。近来，由于图像处理技术的提高和控制算法理论的发展，许多科研人员采用基于视觉传感器的自主控制技术，进而来实现系统的自主导航与控制。

对于移动机器人系统而言，引入视觉传感器可大大增强其智能性，灵活性和环境感知能力，利用实时图像反馈来控制移动机器人的运动，即视觉伺服技术，能够广泛运用于各种领域，如智能交通和环境勘探，由于这些原因，这项技术受到格外关注并且成为机器人领域的研究热点。对于视觉传感器，由于是根据透视投影模型成像，其深度信息的缺失是主要缺陷，因此，对于单目摄像机视觉系统，难以完整恢复出外部三维场景信息和移动机器人自身运动信息；另外，由于移动机器人存在非完整运动约束的特点，使得位姿控制器的设计非常具有挑战性，因此，深度信息的缺失和非完整约束的限制，使移动机器人视觉控制任务变得异常艰巨；然而，现有方法大多在原有视觉伺服控制器的基础上为未知的场景信息设计补偿模块。在这种意义上，视觉伺服任务完成后依然无法得到场景模型，由于工作空间信息无法完全获得，因此限制了机器人系统的进一步应用与推广。综上所述，如何在视觉伺服控制的同时进行深度信息辨识，是机器人控制领域内一个困难但非常有价值的问题。

发明内容

一种轮式移动机器人视觉伺服轨迹跟踪并发深度辨识方法。本发明针对非完整运动约束下的轮式移动机器人设计了一种视觉跟踪控制方法，并能在视觉伺服轨迹跟踪的同时辨识出场景的深度信息。首先，对共面特征点录制一段图像视频来代表待跟踪的期望轨迹。然后，通过比较静态参考图像中的特征点，当前实时图像中的特征点和预先录制的图像视频，结合投影几何关系，建立欧式坐标系下的单应矩阵。然后通过分解所得到的单应性矩阵，设计了运动控制律和深度辨识参数的自适应更新律。另外，通过扩展并发学习方法，用历史和当前系统数据去建立一个自适应更新率来恢复未知的深度信息。最后通过Lyapunov方法和扩展芭芭拉定理证明了系统跟踪误差和深度辨识误差同时收敛，系统全局稳定，能够有效的辨识出将场景的深度信息。

一种轮式移动机器人同时视觉伺服并发自适应深度辨识方法，其特征在于括以下步骤：

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 P_i(t)，P_i^d(t)，来表示：