36、基于非线性预测控制的视觉伺服技术解析

基于非线性预测控制的视觉伺服技术解析

1. 视觉伺服概述

视觉伺服在过去几十年中取得了丰硕的研究成果。根据所考虑的反馈信息类型，主要可分为三种方法：
- 基于图像的视觉伺服（IBVS） ：反馈信息定义在图像平面上。
- 基于位置的视觉伺服（PBVS） ：反馈由3D数据（如机器人系统的位姿）组成。
- 2 1/2 D视觉伺服 ：反馈结合了2D和3D数据。

这里主要关注IBVS策略，其任务是确定应用于机器人系统的控制输入，使从图像测量中设计的一组视觉特征达到期望的静态参考或跟随期望的动态参考。虽然IBVS方法对建模误差具有鲁棒性，但当视觉特征选择不当时，会存在一些缺点，比如局部极小值和交互矩阵中的奇异性问题，以及约束处理是一个棘手的问题。

2. 约束处理的不同观点

在处理约束问题上，有以下三种观点：
1. 设计合适的视觉特征 ：系统行为明确取决于特征的类型，因此可以使用和组合线条、球体、圆形、圆柱体以及矩等特征，以获得良好的解耦和线性化特性，隐式确保约束处理。控制律通常是解耦的指数递减律。
2. 结合路径规划和轨迹跟踪 ：成功时，该解决方案可以确保相机在笛卡尔空间中的最优轨迹以及特征的可见性。例如，通过线性矩阵不等式（LMI）优化进行路径规划可满足2D和3D约束。
3. 专注于控制律设计 ：所考虑的视觉特征通常是基本的点特征。文献中报道了一些先进的控制律，如最优控制、自适应控制