改进基于图像和基于位置的视觉伺服的一种可能方案详细说明

　　本文描述了在基于图像的视觉伺服系统中，当摄像机的初始位置远离期望位置时可能出现的问题。通过具体的例子说明了在伺服过程中，图像雅可比矩阵的局部极小值或奇异点是可以达到的。然后我们回顾最近的结果，以避免这些缺点。它包括直接从图像中获得的视觉特征和基于位置的特征。这种方法被称为21/2d视觉伺服，在功能上也提供了与特征相结合的平均值的补充优势。

　　视觉伺服的两种经典方法（基于图像的控制和基于位置的控制）在各自的控制方案中使用的输入性质上是不同的〔4，5〕。即使由此产生的机器人行为也不同，这两种方法通常都给出令人满意的结果：收敛到由于控制方案采用闭环控制，系统稳定，对摄像机标定误差、机器人标定误差和图像测量误差具有鲁棒性。然而，在某些情况下，可能会出现收敛性和稳定性问题，特别是当初始摄像机位置远离其期望位置时。在基于位置的视觉伺服系统［12］中，第一个缺点是图像中没有执行任何控制，这意味着目标在伺服过程中可能会离开摄像机的视野（当然会导致其故障）。第二个缺点是必须说明强有力的假设，以证明稳定性在本文的下一部分中，我们说明了基于图像的视觉伺服系统也存在一些缺点。更准确地说，当地的最低标准可能达到，埃齐奥·马利斯目前在英国剑桥大学。这意味着最终的机器人位置与期望的位置不一致。此外，图像雅可比在伺服过程中可能会变得奇异，这当然会导致不稳定的行为。最后，如果能够给出基于图像的视觉伺服系统的一个充分的稳定性条件，那么在实际应用中就不可能充分利用它。为了解决这些问题，已经在〔6〕中描述过的一种有前途的方法是将直接从图像中获得的视觉特征与在欧几里德空间中表示的特征相结合。如第3节所述，我们因此获得了一个具有有趣的解耦特性的块三角图像雅可比矩阵。也可以确保无论初始摄像机位置如何，目标都将保持在摄像机视野中。由于最近在射影几何学方面的成果，不必知道所考虑对象的任何CAD模型。即使在存在校准误差的情况下，也可以获得确保系统全局稳定性的分析条件。最后，我们描述了一种新的控制方案，它属于21/2d视觉伺服方法，并且允许摄像机轨迹在笛卡尔空间中是一条直线。