[发明专利]一种基于自适应位姿估计的移动机器人跟随控制方法

说明书

一种基于自适应位姿估计的移动机器人跟随控制方法，包括以下步骤：1)建立机器人运动学模型；2)追踪特征区域；3)自主在线学习进行目标跟踪；4)提取特征区域，膨胀、腐蚀、滤波优化处理特征区域，提取特征点并自适应匹配特征点；5)匹配的特征点进行位姿估计；6)设计PID视觉伺服跟随控制器。本发明提供了一种可以有效解决特征点无法追踪或特征点缺失复杂背景下的自适应位姿估计的PID移动机器人视觉跟随控制方法。

技术领域

本发明涉及基于视觉的移动机器人目标追踪跟随控制系统，尤其涉及的是存在输入限制下自适应位姿估计的移动机器人跟随控制方法。

背景技术

随着科学技术和控制技术的发展，计算机视觉在各个领域已有广泛的运用，视觉数据信息量丰富，处理手段丰富等特点使得基于视觉的移动机器人控制被广泛应用于科研、军事、工业以及物流等领域。机器人的位姿作为机器人运动控制中的基本问题之一，一直备受广泛关注，针对基于视觉的移动机器人目标跟随伺服控制技术的研究，不仅可以丰富移动机器人运动控制的理论成果，还可以满足多领域对运动控制技术越来越高的要求，具有重大的理论和工程意义。此外，通过引入视觉信息，延展了移动机器人的能力范围，可以有效满足人机交互的需求。

然而在实际环境中，特别是在复杂背景下，视觉信息不可避免地存在光线因素以及运动过程中抖动等各种干扰问题，给基于视觉的移动机器人路径跟踪控制带来了新的挑战。

基于自适应位姿估计的移动机器人跟随控制方法是将位姿估计系统和PID参数驱动控制系统组合起来并且设计控制器使得整个系统快速渐近稳定的控制策略。相较于其他控制方法，在线学习目标追踪自适应位姿估计方法使得机器人在复杂背景下移动时也能稳定跟踪特征点，可以处理无法追踪特征点以及特征点缺失等不确定性问题，近年来在移动机器人视觉伺服控制领域受到了普片关注。朱建章等在论文(复杂场景下实时视觉目标跟踪的若干研究)中采用协同训练框架下变权重实时压缩的目标跟踪，倪洪印等在论文(基于视频的人体检测与目标跟踪方法研究)中采用自主选择学习的单目标长期跟踪，王佳丽等在论文(基于改进在线多示例学习算法的机器人目标跟踪)中采用立体视觉在线多示例学习的机器人目标跟踪。然而，这些结果都没有利用单目视觉在线自主学习目标追踪特征点和位姿估计来设计移动机器人的PID伺服跟随控制器。并且，在实际应用中，无论是陀螺仪还是立体视觉相机，对位姿的获取存在一定的实用局限性，因此，针对单目视觉目标跟踪自适应实时位姿估计的研究是很有必要的。

发明内容

为了克服现有技术无法解决移动机器人单目相机位姿估计视觉伺服控制系统的不足，本发明提供一种基于自适应位姿估计的移动机器人跟随控制方法，通过机器人运动学建模以及像素转化计算，并在复杂背景下自主学习追踪目标物提取特征点，进行自适应匹配估计位姿，基于位姿估计结果提供了一种增量式PID移动机器人控制器的设计。

本发明解决其技术问题所采用的技术方案是：

一种基于自适应位姿估计的移动机器人跟随控制方法，所述方法包括以下步骤：

1)建立基于视觉的移动机器人模型，定义x和y为归一化后的相机横纵坐标，z^c为相机在z轴的坐标，移动机器人在相机坐标系下的速度矢量为v_c和ω_c分别为移动机器人在相机坐标系下的z轴线速度和x-z平面角速度，移动机器人在自身坐标系下的速度矢量为v_r和ω_r分别为移动机器人在自身坐标系的z轴线速度和x-z平面角速度，则基于视觉的移动机器人运动学模型为：

2)追踪特征区域提取特征点；追踪特征区域，提取特征区域，在HSV颜色空间模型中将蓝色区域标注为255，其他区域标注为0进行二值化，并且利用膨胀、腐蚀、滤波优化二值化图像，获取标注为255的白色连通区域，计算连通区域的四个重心，即四个特征点；

定义四个连通区域的重心为连通区域重心计算如下：