37、基于非线性预测控制的视觉伺服仿真研究

基于非线性预测控制的视觉伺服仿真研究

在视觉伺服领域，一种替代传统基于图像的视觉伺服（IBVS）的方法——视觉预测控制（VPC）策略正逐渐受到关注。本文将详细介绍VPC策略的仿真结果，探讨其在不同场景下的性能表现，并与经典的IBVS方法进行对比。

1. 仿真设置

为了进行有效的仿真，研究人员设定了一系列的参数。采样时间$T_e$被设定为40ms，这一选择使得仿真能够考虑到使用常见相机（25fps）的实时应用。控制任务是将一个透视自由飞行相机相对于由四个点组成的目标进行定位，这四个点在笛卡尔空间中构成一个边长为20cm的正方形。

参考图像是在目标姿态在相机坐标系（$R_C$）中表示为$P_{T/C} = (0,0,0.5,0,0,0)$时获得的，其中前三个分量是以米为单位的平移，后三个分量是以弧度为单位的滚动、俯仰和偏航角度。参考图像中四个点的坐标为：
$s^*= (u_{d1},v_{d1},u_{d2},v_{d2},u_{d3},v_{d3},u_{d4},v_{d4}) = (-0.2,0.2,0.2,0.2,0.2,-0.2,-0.2,-0.2)$

VPC策略除了需要选择用于预测点位置的模型外，还需要设置三个参数：预测时域$N_p$、控制时域$N_c$和加权矩阵$Q(j)$。
- 预测时域$N_p$ ：其选择至关重要，系统行为和收敛速度都依赖于该参数。
- 控制时域$N_c$ ：保持恒定且等于1（$N_c = 1$），即在预测时域内只计算一个控制量。
- 加权矩阵$Q(j)$ ：有两种选择，一种是在预