一种基于视觉伺服的AGV滑模控制方法
文献发布时间:2023-06-19 11:39:06
技术领域
本发明涉及工业机器人技术领域,具体涉及一种基于视觉伺服的AGV滑模控制方法。
背景技术
AGV的控制算法有经典的PID控制算法、自适应控制算法、智能控制算法、滑模变结构控制算法等。对于不同的控制要求我们需要选用最适合的控制算法。AGV现在通用的引导方式有电磁引导、磁带引导、惯性引导、超声定位引导、激光引导、视觉导引等。在不同的应用场合需要不同的引导方式以满足工业的需求。
发明内容
本发明旨在提供一种基于视觉伺服的AGV滑模控制算法,通过视觉伺服能够精确的获取AGV的实时位置;通过滑模控制算法,能够使AGV实现非常好的轨迹跟踪。
为达成上述目的,本发明提供如下技术方案:
一种基于视觉伺服的AGV滑模控制方法,包括如下步骤:
步骤1)建立摄像机成像模型,通过摄像机获取特征点,并得到当前图像像素坐标,然后通过坐标变换得到世界坐标;
步骤2)对AGV进行运动学建模,建立AGV的运动学模型;
步骤3)根据所述运动学模型设计对应的滑模控制器;
步骤4)将步骤1)中获得的世界坐标加入到所设计的滑模控制器,使AGV运动到目标点。
进一步地,所述步骤1)中坐标转换的过程为,首先从像素坐标系转换到图像物理坐标系,然后再从图像物理坐标系转换到摄像机坐标系,然后再从摄像机坐标系转换到世界坐标系。
进一步地,所述步骤1)中坐标转换的具体过程如下:
1.1)将图像像素坐标通过像素转换矩阵转换到图像物理坐标:
式中:[u v 1]
1.2)将图像物理坐标通过焦距对角矩阵和畸变系数转换到摄像机坐标:
式中:[X
1.3)对外参矩阵
1.4)将摄像机坐标通过下式转换到世界坐标:
式中:[X
进一步地,所述外参矩阵
进一步地,所述外参矩阵
1.3.1)射影单应矩阵G的估计与优化
将当前图像以及目标点的图像之间特征点对应的像素p
p
式中:p
整理后得到:
消除g
利用上述两个线性约束方程,在相差一个比例因子的情况下,对四个以上特征点对应的像素坐标,采用最小二乘法对射影单应矩阵G中的8个未知变量进行估计,最终获得射影单应矩阵G;
1.3.2)欧式单应矩阵H的估计
定义3X3欧式单应矩阵:
H=A
建立欧式单应矩阵H与移动机器人相对位姿参数的关系,表示为:
n
1.3.3)矩阵快速分解,求解出R和T
对AGV当前位置和期望位置之间的比例平移量T进行估计,T的具体表示如下:
欧式单应矩阵与移动机器人相对位姿参数之间的对应关系如下:
其中,h
根据所述对应关系求解,求得θ,T的解,其中
进一步地,所述步骤2)的建模过程如下:
2.1)AGV的位姿由向量q=[x
2.2)令q
进一步地,所述步骤3)中滑模控制器的设计过程如下:
3.1)设计切换函数如下:
其中S
3.2)采用趋近律与高增益相结合的方法设计滑模控制器:
其中(x
进一步地,所述步骤4)的具体过程如下:
4.1)将步骤1)中的世界坐标(x
4.2)由AGV位姿误差方程输出的(x
4.3)滑模控制器的输出角速度与线速度输入到AGV,通过运动分解,将v,ω转换到ω
4.4)AGV通过步骤1)获取此时AGV的世界坐标输入到步骤3中的误差方程,形成闭环控制。
本发明与现有技术相对比,其有益效果在于:
1、本发明采用了一种单应矩阵的位姿估计方法,通过对单应矩阵的快速分解,提取AGV的相对位姿参数。它是一种从二维图像中获取三维姿态信息的过程,在通常情况下可取得唯一解,并且算法效率较高。
2、本发明采用的滑模控制算法,相对于经典的PID算法,抗干扰能力更强,鲁棒性更好。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面通过实施例对本发明作进一步具体的说明。
实施例:一种基于视觉伺服的AGV滑模控制方法,具体步骤如下:
步骤1)建立摄像机成像模型,通过AGV上面的摄像机获取图片,得到特征点的实时像素坐标,通过对摄像机的标定以及坐标变换,获取AGV的世界坐标;坐标转换是从像素坐标系转换到图像物理坐标系,然后再从图像物理坐标系转换到摄像机坐标系,然后再从摄像机坐标系转换到世界坐标系;其中:世界坐标系是指物体在真实世界的坐标;摄像机坐标系是指以摄像机镜头的光心为摄像机坐标系的原点,以平行于图像的x和y方向为X
坐标变换的具体步骤为:
1.1)将图像像素坐标通过像素转换矩阵转换到图像物理坐标:
式中:[u v 1]
1.2)将图像物理坐标通过焦距对角矩阵和畸变系数转换到摄像机坐标:
式中:[X
1.3)对外参矩阵
其求解过程如下:
1.3.1)射影单应矩阵G的估计与优化
根据几何知识,射影单应矩阵G,表示摄像机在运动过程中,在不同位置拍摄的图像之间的一一映射关系。平面景物上的静态特征点O
p
式中:λ
整理后得到:
消除g
利用上述两个线性约束方程,在相差一个比例因子的情况下,对四个以上特征点对应的像素坐标,采用最小二乘法对射影单应矩阵G中的8个未知变量进行估计,最终获得射影单应矩阵G。
1.3.2)欧式单应矩阵H的估计
射影单应矩阵G表示当前图像L与目标图像L
H=A
建立欧式单应矩阵H与移动机器人相对位姿参数的关系,表示为:
n
1.3.3)矩阵快速分解,求解出R和T
对于欧式单应矩阵H的分解算法,实质上就是提取摄像机三维信息的过程。考虑到单目视觉系统深度信息未知,只能在相差一个比例因子的情况下对AGV当前位置和期望位置之间的比例平移量T进行估计,T的具体表示如下:
欧式单应矩阵与移动机器人相对位姿参数之间的对应关系如下:
其中,h
根据以上对应关系,可凭借如下情况进行讨论:
当h
当h
当h
通过上述求解得出θ,T的解,其中
1.4)将摄像机坐标通过外参矩阵转换到世界坐标。世界坐标系与摄像机坐标系进行转换的时候,先将其用齐次坐标来表示,左乘一个3x4的外参矩阵,得到世界坐标系与摄像机坐标系的关系式:
式中:[X
将步骤1.3)求得的外参矩阵代入该式得到世界坐标。
步骤2)对AGV进行运动学建模,建立AGV的运动学模型;建模过程如下:
2.1)AGV的位姿由向量q=[x
2.2)令q
步骤3)根据所述运动学模型设计对应的滑模控制器;滑模控制器的设计过程如下:
3.1)设计切换函数如下:
其中S
3.2)由于所设计的切换函数的切换动作造成控制不连续性,使得AGV存在抖振;采用趋近律与高增益相结合的方法削弱系统在切换面附近的抖振,先采用趋近律方法,再结合高增益方法的连续化思想设计滑模控制器,所述设计滑模控制律为:
其中(x
步骤4)将步骤1)中获得的世界坐标加入到所设计的滑模控制器,使AGV运动到目标点。具体过程如下:
4.1)将步骤1)中的世界坐标(x
4.2)由AGV位姿误差方程输出的(x
4.3)滑模控制器的输出角速度与线速度输入到AGV,通过运动分解,将v,ω转换到ω
4.4)AGV通过步骤1)获取此时AGV的世界坐标输入到步骤3中的误差方程,形成闭环控制。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
- 一种基于视觉伺服的AGV滑模控制方法
- 一种基于反演滑模控制的AGV路径跟踪方法