一种用于跟踪不连续运动目标的视觉伺服方案

视觉伺服中跟踪速度受限的主要原因是处理图像采集、图像处理以及速度估计等带来的延迟。预测算法 *通讯作者。

随着视觉跟踪运动控制系统的广泛应用，提高视觉反馈的实时性已经成为进一步扩展此类系统应用的关键技术之一[1]。这些应用所需的一种技术是视觉伺服，其定义是根据从视觉传感器收集的信息来控制机构。视觉伺服的一个基本任务是跟踪通过空间移动的对象，假设目标的运动是两个连续帧之间的小位移， 因此可以在最后帧中找到对象的区域中搜索对象。

因为只需考虑物体在两个框架之间的相对位移， 所以视觉伺服的优点在于简化了由视觉传感器传送的数据的处理流程。用主动摄像机跟踪物体的任务包括两个主要主题：视觉处理和控制理论。

本文将讨论第二个主题， 重点讨论具有活动末端执行器的对象。

从控制理论的角度看，需要解决三大难题。主要的困难是图像采集和处理所需时间的延迟。第二个困难是典型的噪声信号。第三个困难是由传感器的帧速率引入的采样速率的限制[2]。

克服视觉传感器引入的延迟的一个常见方法是使用预测算法。卡尔曼滤波是一种常用的目标预测算法，针对不同的预测条件，延伸出了扩展卡尔曼滤波[3] [4] [5]、自适应卡尔曼滤波[6] [7] [8] [9]等多种形式。Corke 在[10]中提出了考虑视觉传感器延迟的控制方案，将卡尔曼滤波器预测得到信息使用在控制器之后，这不利于使用当前时刻的预测值控制机器人运动。本文在其基础上，提出了一种新的预测方案， 将控制系统中的卡尔曼滤波器设置在运动控制器之前， 从而使控制器获得当前时刻的跟踪目标位置信息， 进而减小控制机器人运动的任务函数的幅值。通过引入预测监视器来最小化由于依赖于估计而导致的跟踪误差。预测监视器的任务是监督预测误差，并判断这个误差是否表示目标运动中的不连续性。由于没有实际目标轨迹的信息，只能使用视觉传感器的测量。因此，预测监视器必须处理由于典型噪声的视觉数据而导致的预测质量的下降，并且只对目标运动的实际不连续性作出反应。如果预测监视器检测到不连续，则重新初始化预测器，辅助控制器设置控制律以防止大超调。

2. 控制方案说明 在经典的控制方案文献[10]的基础上， 本文提出了如图1 所示的视觉伺服控制方案。

在本方案中机器人离散模型用( )R z 表示，视觉系统用( )V z 表示，其通常被建模为一个纯延迟( )dvV zk z−=。其中vk 是将目标姿态与图像平面相关联的增益。模块KF 是自适应卡尔曼滤波器，用于估计当前的目标位置( )ˆtx k 。

模块( )C z 表示机器人控制器， 它将最大限度地减小ˆe (目标位置( )ˆtx k 与机器人位置( )ˆrxk 之间的差的数