视觉伺服实时利用视觉信息实现对机器人的反馈控制,能有效提高系统应用及设计的灵活性和智能化水平,是机器人智能化领域中的一个重要研究方向。其涉及计算机视觉、机器人技术和控制理论等多学科集成,一直以来都是机器人研究中的重点及难点问题。根据反馈信息的的不同,视觉伺服主要分为位置视觉伺服(PBVS)和图像视觉伺服(IBVS)两类。相对于位置视觉伺服,图像视觉伺服不需要进行三维估计,不依赖于被观测目标模型,对系统参数误差具有更强的鲁棒性,受到更为广泛的关注。现有方法大都基于图像平面点特征直接设计图像视觉伺服控制器,系统存在高度的非线性及耦合特性,反馈信号直接定义在图像平面内,其实现的运动缺乏对摄像机三维任务空间的控制及约束,同时存在如雅可比奇异和局部极小等问题。特征选择是图像视觉伺服的基础及关键的一环,一方面可拓展其应用的场合,一方面通过特征选择可克服传统方法存在的潜在问题,减少系统非线性及获得合适的运动解耦,进而得到改进的运动特性。本文以单目“眼在手”机器人视觉控制为研究对象,基于特征选择问题,研究图像视觉伺服若干关键技术,主要有以下几方面:1、研究一种结合学习特征的图像矩视觉伺服方法。首先基于摄像机运动学模型及Green定理得到目标图像矩(平面矩及中心矩)运动学方程,分别实现基于平面目标离散点集及区域投影特征的图像矩和图像矩雅可比矩阵计算。其次针对现有图像矩视觉伺服方法存在的问题,即针对绕摄像机X轴及Y轴方向旋转运动控制的雅可比奇异问题,引入两个虚拟图像矩特征线性表征绕摄像机X轴及Y轴方向转角,得到具有完全解耦及线性特性的特征雅可比,适用于任何形状的平面目标;针对Hu不变矩组合特征具有的TRS(2D平移、2D旋转及尺度转换)不变特性,定义“TRS不变矩-转角”隐性非线性映射模型,利用基于?-不敏感损失函数的非线性支持向量机对模型进行回归学习。最后结合基于学习的虚拟图像矩特征与归一化图像重心点坐标、归一化面积特征及方向角特征,得到六个独立图像矩特征及对应的特征雅可比,利用任务函数法设计图像视觉伺服控制器。2、基于统一投影模型,研究结合虚拟单位球体投影的解耦视觉伺服方法。利用统一投影逆向模型得到目标图像特征在虚拟单位球体表面的投影特征,针对最小点集(N=3)及N点集(N>3)情况,基于向量及矩阵混合求导运算规律设计旋转运动不变视觉特征及标准正交基姿态特征,并推导其特征雅可比矩阵。针对三维平移运动控制,设计基于向量内积运算、外积运算及混合积运算的系列旋转运动不变视觉特征;针对三维旋转运动控制,通过定义虚拟点的方法设计基于任意数量图像点的标准正交基姿态特征。对于N点集(N>3)情况,提出一种基于向量相似性分析的不变视觉特征选择算法。最后基于任务函数法设计“旋转-平移”局部解耦图像视觉伺服控制器,适用于以点特征作为初始描述的任意二维及三维目标。3、研究结合非线性模型预测控制的球体投影约束视觉伺服控制方法。基于单位球体投影模型并结合非线性模型预测控制,将图像视觉伺服重新定义为多变量约束非线性优化问题。结合内模控制结构,定义多变量加权目标函数,定义系统二维及三维约束变量的动态迭代方程,实现多约束主动规避。基于混合积不变视觉特征及标准正交基姿态特征及其雅可比矩阵对系统行为进行描述,利用运动学方程的一阶欧拉近似实现预测时域内的特征行为估计。同时为充分利用球体投影特征良好的运动学特性,提出一种MPC优化求解局部修正策略,相对于直接求取独立变量可行域内的MPC优化问题,修正策略优先进行速度约束处理,对约束违背情况进行等比例变换以获得修正控制序列。4、研究结合离散化参考轨迹的无标定视觉预测控制算法。在视觉预测控制框架下,基于直接视觉伺服运动学模型实现不依赖于机器人模型、摄像机模型和目标模型的机器人运动控制,同时实现对摄像机视场、机器人关节角及关节速度的可行域约束。为实现预测时域内系统行为预测,通过复合雅可比动态估计实现基于近似运动学的预测模型构建,为提高预测有效性,提出一种结合KNN算法和RLS动态迭代的雅可比全局估计方法。同时为进一步提高运动系统动态收敛特性,针对参考轨迹离散化设计提出一种模型无关投影插补算法,通过特征仿射变换与相似矩阵特征分解实现图像平面内的特征路径规划,并结合五次多项式分布曲线得到参考轨迹离散化特征点。本文针对图像特征设计、多变量约束处理及无标定控制三个关键问题对图像视觉伺服方法开展研究,提出了可行的思路和方法,对发展机器人图像视觉伺服领域的理论知识有重要的意思和参考价值。