机器人在复杂自然场景下进行目标跟踪过程中会出现目标被遮挡、目标偏移视野等干扰,造成跟踪准确性降低,因而克服干扰因素是提高跟踪准确性的关键。

针对跟踪学习检测算法中跟踪模块选取的特征点稳定性不够高的问题,本文提出了一种改进的跟踪学习检测算法,该算法将跟踪模块均匀选取特征点的方式改为使用LOG-FAST算子提取特征点,对当前图像先进行高斯滤波和拉普拉斯变换,然后使用FAST算子进行特征点的提取,*后使用金字塔光流法进行目标跟踪,并利用反向跟踪得到前后向误差对特征点进行进一步的筛选,选取稳定的特征点,从而提高了特征点的稳定性,提高跟踪性能。然后将提出的改进的跟踪学习检测算法应用于机器人视觉伺服中,得到当前帧图像的图像特征,为了解决视野偏移视场而导致的伺服失败,设计目标消失策略获得预测目标图像特征作为当前图像特征。

在此基础上设计视觉伺服控制器,结合雅可比矩阵和滑模控制,滑模控制是复杂非线性系统中有效的控制方法,可提高系统的快速性,其中滑模面和控制量可由图像特征误差进行构造。实验中使用MOTOMAN SV3XL型号的六自由度工业机器人分别完成目标偏移视野、目标被遮挡和光线变化等复杂自然条件下的目标跟踪,验证了改进的跟踪学习检测算法的有效性。并将基于滑模控制设计的视觉伺服控制器和基于PID设计的视觉伺服控制器进行实验对比,体现滑模控制器的快速性。

了解更多安川机器人