一種足式移動機器人的混合視覺伺服控制方法

張德偉，劉海濤，王仙業(yè)，肖聚亮

（天津大學(xué)機構(gòu)理論與裝備設(shè)計教育部重點實驗室，天津300354）

移動機器人具有更大的操作空間和更高的靈活性，被廣泛的應(yīng)用在各種場合。但由于Brockett 條件[1]的限制，移動機器人通常需要借助額外的狀態(tài)信息來解決因自身非完整約束而導(dǎo)致的控制系統(tǒng)漸進穩(wěn)定性和反饋穩(wěn)定性問題。利用視覺傳感器的視覺伺服控制技術(shù)具備獲取信息全面、可靠性高等優(yōu)點，能夠有效提高移動機器人在非結(jié)構(gòu)環(huán)境中的作業(yè)靈活度和智能化水平，并提供額外的狀態(tài)信息構(gòu)建移動機器人的反饋控制系統(tǒng)，因此近年來得到了快速的發(fā)展[2-5]。

視覺伺服控制系統(tǒng)根據(jù)視覺反饋信息的類型大致可分為：基于位置的視覺伺服PBVS（Positionbased visual servoing）和基于圖像的視覺伺服IBVS（Image-based visual servoing）[6]。PBVS控制方法需要在三維空間中設(shè)計控制器，并根據(jù)目標對象的圖像特征估計相機自身的三維空間姿態(tài)。而IBVS方法直接基于目標的圖像特征設(shè)計控制器，無需三維重建的過程。此外，亦可將兩種方法進行組合，從而構(gòu)建混合視覺伺服方案[7]，利用視覺傳感器捕獲的圖像信息構(gòu)造反映機器人實際位姿的狀態(tài)變量，作為反饋信息，實現(xiàn)機器人的視覺伺服控制?；谏鲜?種方法，眾多研究者對輪式機器人的視覺伺服控制開展了大量的研究工作。Shi等[8]采用模糊算法提高了圖像特征檢測的精度，并通過使用兩個獨立的伺服增益解耦機器人運動的平移和旋轉(zhuǎn)，提高了IBVS控制系統(tǒng)的性能。基于IBVS方法，Ke等[9]設(shè)計了一種管道型模型預(yù)測控制器使機器人可以更準確地到達指定位置。MacKunis等[10]根據(jù)參考圖像中目標點與實時圖像中對應(yīng)點的投影幾何關(guān)系提出一種混合視覺伺服控制方法，實現(xiàn)了輪式移動機器人的跟蹤控制。Zhang 等[11]提出了一種基于投影單應(yīng)性技術(shù)的方法用于估計相機的內(nèi)部參數(shù)，并設(shè)計自適應(yīng)控制器解決了輪式移動機器人在輸入飽和情況下的軌跡跟蹤和調(diào)節(jié)問題。曹雨等[12]通過利用單應(yīng)性的轉(zhuǎn)遞特性計算單應(yīng)性矩陣，緩解相機視野約束對機器人運動的影響。李寶全等[13]通過單應(yīng)性矩陣的快速分解得到了軌跡跟蹤誤差，并設(shè)計自適應(yīng)控制律，實現(xiàn)了機器人的視覺伺服軌跡跟蹤控制。

上述視覺伺服控制方法的研究主要集中于輪式移動機器人，關(guān)于視覺伺服用于足式移動機器人的研究較少。相較于輪式移動機器人，足式移動機器人具備更優(yōu)秀的地形適應(yīng)能力，在崎嶇路面、多障礙物路面擁有更高的通過率。引入視覺控制技術(shù)，使足式移動機器人能夠獲取更豐富的環(huán)境信息，具備對跟蹤目標的能力，提高足式移動機器人在非結(jié)構(gòu)化環(huán)境中的智能型和自主決策能力。然而，足式移動機器人足式機構(gòu)的運動形式較為復(fù)雜，周期性的步態(tài)運動易對視覺伺服控制精度造成不利影響。因此，足式移動機器人的視覺伺服控制方法仍有待深入研究。

在先前的工作中，提出了一種新型足式機構(gòu)，并設(shè)計了用于地形探索的八足移動機器人[14]。視覺伺服控制技術(shù)是實現(xiàn)該目標的基礎(chǔ)，本文提出一種基于單應(yīng)性矩陣的視覺伺服控制方案，在缺乏目標深度信息的情況下利用視覺反饋實現(xiàn)足式移動機器人的控制目標，并引入足式機構(gòu)運動學(xué)，提高控制系統(tǒng)對機器人的控制精度。通過分析機器人行走機構(gòu)運動學(xué)，建立實現(xiàn)該機器人視覺伺服控制所需的速度映射模型；在機構(gòu)運動學(xué)分析結(jié)果的基礎(chǔ)上，提出一種改進型自適應(yīng)中值濾波器，以減小機構(gòu)的周期運動對視覺反饋過程的影響；基于機器人位姿誤差模型，設(shè)計滑?？刂破?，完成視覺伺服控制系統(tǒng)閉環(huán)。最后，利用四自由度移動平臺和搭建系統(tǒng)仿真實驗平臺，分別驗證了自適應(yīng)濾波器和控制方法的有效性。

1 系統(tǒng)建模

為實現(xiàn)足式機器人的視覺伺服控制，本節(jié)首先建立機器人運動學(xué)模型，獲得機器人移動速度與機構(gòu)輸入速度的映射關(guān)系；通過構(gòu)建機器人位姿與期望位姿的映射關(guān)系，推導(dǎo)用于控制器設(shè)計的位姿誤差模型，并利用單應(yīng)性矩陣實現(xiàn)對機器人位姿的估計，完成伺服控制系統(tǒng)視覺反饋。

1.1 機器人運動學(xué)分析

足式移動機器人的三維模型如圖1所示，該機器人的兩組四足行走機構(gòu)關(guān)于平面w1對稱布置。每組機構(gòu)包含兩個雙足單元，且由同一個電機-圓柱齒輪傳動系統(tǒng)驅(qū)動。雙足單元中兩腿的機構(gòu)共用同一個機架，且機構(gòu)曲柄相位差配置為π。

圖1 足式移動機器人三維模型

當四足行走機構(gòu)在水平路面行進時，雙足單元的兩腿依次輪換完成支撐推進和邁步跨越動作，使四足單元產(chǎn)生相對地面的移動速度vLMR?？紤]到機器人整體結(jié)構(gòu)的對稱性，通過控制兩側(cè)四足行走機構(gòu)的驅(qū)動電機轉(zhuǎn)速即可調(diào)整vLMR，進而實現(xiàn)對足式移動機器人的運動控制，即機器人運動形式為差速驅(qū)動。

為獲得機器人速度映射關(guān)系，建立的連體坐標系如圖2所示Kr。

圖2 機器人連體坐標系

將單目相機固定在機器人上，并令相機坐標系與Kr系 重合，則機器人機架參考點O的速度與兩側(cè)四足行走機構(gòu)輸出速度的映射關(guān)系可表示為:

式中：L為 兩側(cè)四足行走機構(gòu)的中心距；v和 ω分別為點O線速度和機器人的角速度；vr（vl）為機器人左（右）側(cè)四足行走機構(gòu)的輸出速度vLMR。

四足行走機構(gòu)的輸出速度vLMR是由電機-齒輪傳動系統(tǒng)驅(qū)動四腿同時運動形成的，為準確控制機器人移動速度，需進一步分析四足行走機構(gòu)的運動學(xué)，建立機器人速度v和 ω與驅(qū)動電機輸出轉(zhuǎn)速的映射關(guān)系?？紤]到機器人八只腿的機構(gòu)相同，分析四足行走機構(gòu)的運動需首先完成單腿的機構(gòu)運動學(xué)分析。

機器人的單腿為1自由度平面六桿機構(gòu)（見圖3），由曲柄（桿1）、搖桿（桿3）、機架（桿4）、連桿（桿2和桿5）和輸出桿（桿6）組成。

圖3 六桿機構(gòu)示意圖

點RA～RF表示各轉(zhuǎn)動副中心， φ表示曲柄輸入角度。為建立機構(gòu)的運動學(xué)模型，在點RA處建立參考坐標系o-xy。借助阿蘇爾桿組法，可將點RC、 點RF及末端運動輸出點RG在o-xy系下的位置矢量表示為：

式中：rB、rD和rE分別為點RB、點RD和點RE在o-xy系下的位置矢量；lBC、lCD和lEF分別為桿2、桿3和桿5的長度；lBD、lCE、lCF、lCG和lFG分別為其下標所對應(yīng)兩點之間的距離。

將式（2）與式（3）代入式（4）可得

式中：A=(1-q1-q3q5+q1q3q5)I+(-q2-q4q5-q3q6+q1q4q5+q1q3q6+q2q3q5)M+(-q4q6+q1q4q6+q2q4q5+q2q3q6)M2+(q2q4q6)M3；

B=q3q5I+(q4q5+q3q6)M+q4q6M2；

C=(q1-q1q3q5)I+(q2-q1q4q5-q1q3q6-q2q3q5)M-(q1q4q6+q2q4q5+q2q3q6)M2-(q2q4q6)M3。

注意到： rB=(lABcosφ lABsinφ)T，lAB=‖rB‖， rE=(lAEcosφ lAEsinφ)T，lAE=‖rE‖，故可將式（5）改寫為

式中：uφ=(cosφ sinφ)T；rD=(lAD0)T，lAD=‖rD‖。

當給定輸入角 φ時，利用式（6）可求得機構(gòu)末端點 RG的坐標。圖4示出了當 φ=0 ～2π時，點 RG的運動軌跡（各桿件長度取值見表1）。

圖4 點RG 的運動軌跡

表1 六桿機構(gòu)無量綱尺度參數(shù)

因雙足單元由同一電機驅(qū)動且單腿機構(gòu)相同，當機構(gòu)尺度參數(shù)確定后，機構(gòu)末端點運動軌跡具有唯一性，故雙足單元空轉(zhuǎn)時，兩腿末端點的運動軌跡相同。假設(shè)空轉(zhuǎn)過程中雙足單元機架平面保持水平，即支撐相與擺動相的兩個切換點位于同一水平高度，由于雙足單元的曲柄相位差為π，故可確定在點 RG運動軌跡中的兩個切換點 s1和s2，如圖4所示。據(jù)此，結(jié)合式（6）可將雙足單元末端點在支撐相的運動軌跡表示為：

式中： φ1（ φ2）對應(yīng)末端點 RG位于 s1（s2）時的輸入角度。當取表1所示的機構(gòu)尺度參數(shù)時，經(jīng)計算可得φ1=75°， φ2=255°。

雙足單元在水平路面行走時，其相對路面的運動取決于末端點在支撐相的運動。取點 RA作為機架參考點，結(jié)合式（7）可計算出雙足單元行走時，當φ=φ1～φ2，點 RA的運動軌跡如圖5所示。由圖5可知，雙足單元沿水平面的行進運動除了具有平行于地面的運動外，還包含一個垂直于地面的周期運動。

圖5 點RA的運動軌跡

考慮到四足行走機構(gòu)的兩個雙足單元關(guān)于平面w2前后對陣布置（見圖1b）），若忽略末端點支撐相軌跡不對稱部分對四足行走機構(gòu)運動的影響，四足行走機構(gòu)的輸出速度vLMR與雙足單元沿平行于地面方向的運動速度相等。˙迭代計算流程如圖6所示。

圖6 迭代計算流程

為提高計算效率，采用如圖6所示的迭代算法建立機構(gòu)輸入角速度 φ˙和四足行走機構(gòu)的輸出速度vLMR的映射關(guān)系，并將其簡記為

由式（1）和式（8）可建立機器人速度v 和 ω與兩側(cè)四足行走機構(gòu)輸入角速度的映射關(guān)系為：

因此，通過分析四足行走機構(gòu)運動學(xué)，可建立機器人線速度和角速度與兩側(cè)驅(qū)動電機輸出轉(zhuǎn)速的映射關(guān)系，進而實現(xiàn)對機器人移動速度的準確控制。

1.2 位姿誤差模型

本節(jié)以機器人在期望位姿處的連體系為局部參考坐標系，描述機器人在移動過程中的位姿變化，并構(gòu)造用于后續(xù)控制器設(shè)計的位姿誤差模型。

移動過程中，機器人當前位姿與期望位姿的幾何關(guān)系如圖7所示， K為當前位姿處機器人的連體坐標系， K*為期望位姿處機器人的連體坐標系；Πobj為目標點 Pi（i=1,2,···,N ）所在平面；n*為平面Πobj的法向量（在 K*系中度量）； d*為 K*系原點 O*與平面Πobj的距離。

圖7 坐標系關(guān)系

由圖7可知，K*系相對K系的姿態(tài)矩陣和位置

矢量可表示為：

式中θ為 K*系相對 K系的姿態(tài)角。

由圖7可知，點 O在K*系中的位置矢量為

結(jié)合 K*系與 K系之間轉(zhuǎn)角的定義，可進一步將機器人移動過程中的位姿記為

式中： ξ1、 ξ2和ξ3為 位姿誤差ξ 的分量。

對式（14）兩端求導(dǎo)，并結(jié)合式（13）整理可得：

綜上，由式（12）、式（14）和式（15）可知，通過調(diào)整機器人的線速度和角速度，使位姿誤差趨于零，從而控制足式移動機器人逼近期望位姿。

1.3 單應(yīng)性矩陣的計算與分解

為獲得機器人位姿誤差ξ，首先需要獲取機器人當前位姿 q。本文利用單應(yīng)性矩陣中的元素構(gòu)造狀態(tài)變量，實現(xiàn)對當前位姿 q的估計。單應(yīng)性是指對一組共面點在不同位姿下拍攝得到的圖像間所具有的幾何轉(zhuǎn)換關(guān)系，而表示其轉(zhuǎn)換關(guān)系的矩陣即為單應(yīng)性矩陣[16]。對于圖7中一組共面的目標點 Pi，其在單目相機成像平面內(nèi)對應(yīng)像點的像素坐標 pi，可采用SURF、ORB等[17-18]成熟算法識別和提取。將機器人處于期望位姿時由單目相機捕獲的圖像作為參考圖像，令 p*i表示目標點 Pi在參考圖像中對應(yīng)像點的像素坐標，由圖像單應(yīng)性原理[3-4]可知， pi與 p*i的映射關(guān)系為

式中： H 為單應(yīng)性矩陣； K為相機的內(nèi)部參數(shù)矩陣。

假設(shè)機器人期望位姿固定，且令 X*軸垂直于平面 Πobj，即n*=(1 0 0)T，由式（10）和式（16）可得到單應(yīng)性矩陣 H的表達式：

根據(jù)式（17）可建立如下等式約束：

此外， T 與 T*的關(guān)聯(lián)關(guān)系為[16]

利用式（18）和式（19），可得到機器人相對 K*系的位姿矢量 q，進而結(jié)合式（15），即可計算出位姿誤差ξ，實現(xiàn)基于單應(yīng)性矩陣的機器人位姿信息反饋。

2 改進型自適應(yīng)中值濾波器

由機器人運動學(xué)分析可知，四足行走機構(gòu)沿水平面移動時，除了具有平行于水平面的運動外，還包含一個垂直于水平面的周期運動。該運動會使單目相機捕獲的圖像出現(xiàn)偏移和旋轉(zhuǎn)，直接對單應(yīng)性矩陣的計算產(chǎn)生有界干擾，進而影響位姿誤差解算的準確性。結(jié)合機器人運動學(xué)分析結(jié)果，本節(jié)提出一種改進型自適應(yīng)中值濾波器，以減小該周期運動對機器人位姿估計過程的影響，濾波計算流程如圖8 所示。

圖8改進型自適應(yīng)中值濾波流程

圖8 中的符號定義如下：(upvp)T為圖像中某一點像素的坐標；SW×SW為滑動窗口尺寸；Smax×Smax為 滑動窗口允許的最大尺寸； Smin×Smin為滑動窗口允許的最小尺寸； Zuv為(upvp)T位置的灰度值； Zmin、 Zmed、 Zmax分別為當前滑動窗口內(nèi)所有像素灰度值的最小值、中值、最大值；g (up,vp+Δvp)為考慮機器人運動學(xué)后修正的濾波輸出結(jié)果，即像素坐標( upvp+Δvp)處 的灰度值，其中Δ vP被定義為

式中： W 為圖像寬度； f為相機焦距； Δyr（ Δyl）為輸入角度為 φr（ φl） 時，由式（7）計算得到的末端點 RG與點s1在 坐標系o -xy中沿y 軸方向的距離。

改進型自適應(yīng)中值濾波利用式（20）引入雙足單元運動學(xué)分析結(jié)果，在成像平面內(nèi)修正圖像。在利用圖像計算單應(yīng)性矩陣前，使用改進型自適應(yīng)中值濾波器對圖像進行預(yù)處理，降低足式移動機器人運動對成像過程的干擾，進而保證后續(xù)利用單應(yīng)性矩陣估計機器人位姿的準確性。

3 控制方案設(shè)計

選擇機器人位姿誤差作為控制系統(tǒng)的輸入狀態(tài)變量，結(jié)合前文建立的系統(tǒng)模型和改進后的自適應(yīng)濾波器，設(shè)計整個視覺伺服控制系統(tǒng)控制流程如圖9所示。

圖9 控制系統(tǒng)框圖

首先給定期望圖像，結(jié)合當機器人在初始位姿處由單目相機獲得的圖像判斷當前機器人航向角朝向；根據(jù)航向角朝向情況選擇對應(yīng)的控制器（1或2），輸出機器人線速度 v和角速度 ω；再利用式（9）計算出兩側(cè)四足行走機構(gòu)的輸入角速度和，根據(jù)機構(gòu)齒輪組傳動比可進一步得到兩側(cè)電機的轉(zhuǎn)速，驅(qū)動機器人移動；利用改進型中值濾波器對捕獲的圖像進行預(yù)處理，結(jié)合期望圖像計算單應(yīng)性矩陣，進而得到位姿誤差，構(gòu)成控制系統(tǒng)閉環(huán)，實現(xiàn)對足式機器人的反饋控制。

機器人航向角的朝向可分為圖10所示的4種情況。對于第1種和第4種情況，即‖θ‖＜‖ψ‖，使用控制器1控制機器人原地轉(zhuǎn)動，直至不等式‖θ‖＞‖ψ‖成 立；對于第2種和第3種情況，即‖θ‖≥‖ψ‖，使用控制器2驅(qū)動機器人由當前位姿向期望位姿移動，完成控制目標。

圖10 機器人航向角朝向情況

控制器2為基于機器人位姿誤差的機器人速度滑模控制器，以提高機器人由當前位姿趨近期望位姿過程中控制系統(tǒng)的魯棒性。定義控制器滑模面為：

式中： sv和 sω分別為線速度控制器和角速度控制器所對應(yīng)的滑模面； c1為正實數(shù)。

令滑模趨近率為：

式中： ε0、 k0和k1均為正實數(shù)。

由式（15）、式（21）和式（22）可得速度控制器：

根據(jù)式（23），選定合適的控制器參數(shù) ε0、 c1、k1和k2后，控制器可利用位姿誤差生成機器人線速度和角速度，再結(jié)足式機器人運動學(xué)分析結(jié)果，可進一步得到兩側(cè)電機的輸出速度，實現(xiàn)對機器人運動的準確控制。為保證控制器能夠使機器人最終移動到期望位姿，即3個位姿誤差變量 ξ1、ξ2、ξ3全部趨向0，故構(gòu)造李雅普諾夫函數(shù)對控制系統(tǒng)穩(wěn)定性進行證明，其表述式為

對式（24）兩端求導(dǎo)，并將式（15）和式（23）代入求導(dǎo)后的公式中，經(jīng)整理可得：

根據(jù)圖7示出的 K 系與 K*系之間的關(guān)系可知Tx*≤0 ，Ty*sinθ ≥0，再由式（14）計算可得ξ1≤0；考慮到，使用滑模控制器控制機器人時， θ 滿足‖θ‖≥‖ψ‖，因而有不等式 ξ1ξ2sgn（ξ3）≥0成立。故通過限制ε0、 c1、k1和k2的參數(shù)取值，保證不等式c1k1＜ε0+k0成立，可使不等式V˙ ≤0成立且等號不恒成立，即可保證控制系統(tǒng)的全局穩(wěn)定性。

4 實驗與仿真驗證

為驗證上述方法的可行性與有效性，本節(jié)開展了基于四自由度移動平臺的濾波器測試實驗和基于CoppeliaSim 軟件的控制系統(tǒng)虛擬仿真，分別驗證所提出的改進型自適應(yīng)中值濾波器和視覺伺服控制方法的有效性。

4.1 改進型自適應(yīng)濾波算法驗證

利用四自由度移動平臺搭載單目相機，測試改進型自適應(yīng)濾波算法，實驗設(shè)備如圖11所示。使用上位機可以設(shè)計移動平臺各個軸的運動軌跡，并利用控制器驅(qū)動各個軸的伺服電機，實現(xiàn)平臺運動，相機能夠獲取平臺運動過程目標對象的實時圖像。

圖11 四自由度移動平臺

利用式（7）可對式（20）中的 Δyr和Δyl進行求解，當機器人兩側(cè)四足行走機構(gòu)的輸入角度相位差變化時， Δyr和Δyl會令機器人機架平面產(chǎn)生的3類運動如圖12所示，即垂直于地面的平移運動、繞機器人連體系 Kr中 Xr軸的翻滾運動和側(cè)翻運動。與這3類運動對應(yīng)的 Δyr與Δyl的運動軌跡如圖13所示。

圖12 機架平面運動

圖13 Δyr 和Δyl 的運動軌跡

利用四自由度移動平臺模擬機架平面的3類運動，以帶有6個紅色圓形圖案的圖片為目標，保存平臺運動過程中的相機捕獲的圖像。當移動平臺處于Δyr=0和 Δyl=0對應(yīng)的位置時，將此時相機拍攝的圖像選為參考圖像。使用本文提出的改進型自適應(yīng)中值濾波器對保存的圖像進行處理，結(jié)合參考圖像，利用1.3節(jié)中單應(yīng)性矩陣分解方法計算相機位姿。實驗結(jié)果如圖14所示。

圖14 濾波算法測試結(jié)果

由圖14可知，機架平面翻滾和側(cè)翻運動顯著影響了位姿解算的精度，利用改進型中值濾波器能夠有效降低這兩類運動的干擾，提高位姿解算精度。濾波后，Tx*、Ty*和θ 與期望值的誤差為±5 mm、±10 mm和±1°。

綜上所述，改進型自適應(yīng)中值濾波器通過引入四足行走機構(gòu)運動學(xué)分析結(jié)果，可以有效減小周期運動對機器人位姿解算過程的影響，提高位姿解算精度。

4.2 控制方法仿真驗證

為驗證本文提出控制方案的有效性，本節(jié)采用仿真測試控制系統(tǒng)性能，利用機器人仿真軟件CoppeliaSim 構(gòu)建足式機器人虛擬模型，并搭建仿真場景模擬機器人運動情況。CoppeliaSim 是一款動力學(xué)仿真軟件，利用軟件提供的內(nèi)嵌工具和物理引擎，可以快速靈活地搭建機器人仿真場景；借助RemoteAPI，可以采用C++語言實現(xiàn)控制器，實時控制軟件中的虛擬模型。

仿真環(huán)境中相關(guān)設(shè)置如圖15所示， Kg為仿真場景中的全局坐標系；足式機器人虛擬模型初始位置設(shè)置為(0 0．3 m 0．15 m)T，初始航向角偏差設(shè)置為25°；選擇一張帶有6個紅色圓形的圖片作為目標對象，并將圖片放置于(1.4 m 0 0．15 m)T處；在(1 m 0 0．15 m)T處添加一個視覺傳感器，提供目標對象的參考圖像，同時將該位置設(shè)定為機器人的期望位置。

圖15 機器人仿真場景

根據(jù)表1和表2中的機器人尺度參數(shù)以及表3中相機參數(shù)和控制器參數(shù)，完成對控制系統(tǒng)的初始化配置。利用本文提出的控制方案控制機器人移動，測量并采集機器人移動過程中相對Kg系的位姿。

表2 機器人尺度參數(shù)

表3 視覺傳感器及控制器參數(shù)

機器人在仿真場景中的移動過程和視覺傳感器捕獲的圖像如圖16所示，仿真過程中機器人位姿軌跡采樣結(jié)果如圖17所示。由圖17可知，相較于未考慮足式機構(gòu)運動的控制系統(tǒng)，本文提出的控制方案能夠更準確地使機器人沿理論軌跡移動到期望位置， Xg、 Yg和θ的實際軌跡與理論軌跡的均方根誤差分別為0.028 m、0.012 m 和1.437°，與期望值的誤差最終分別為0.013 m、-0.004 m 和1.067°。

圖16 仿真中機器人的移動過程

圖17 機器人位姿軌跡

綜上所述，通過引入足式機構(gòu)運動學(xué)，能夠有效提高足式移動機器人視覺伺服控制系統(tǒng)性能，保證位姿收斂精度。

5 結(jié)論

本文針對一種足式移動機器人，提出了基于單應(yīng)性的視覺伺服控制方案。

1）完成了足式移動機器人運動學(xué)分析，通過建立機器人移動速度與電機輸出轉(zhuǎn)速間的映射關(guān)系，使控制系統(tǒng)可以更精確地調(diào)整機器人運動。

2）為減小機器人四足行走機構(gòu)豎直方向運動對視覺反饋環(huán)節(jié)的影響，提出了一種改進型自適應(yīng)中值濾波器，使用四自由度移動平臺開展實驗，證明了該濾波器可以保障機器人位姿的估計精度。

3）通過設(shè)計機器人速度滑?？刂破魍瓿闪俗闶揭苿訖C器人的視覺伺服控制方案，并利用仿真實驗證明了本文所提出的控制方法可以更準確地控制足式移動機器人平穩(wěn)移動到期望位姿。

基于本文提出的視覺伺服控制方案，我們接下來會將視覺控制技術(shù)用于足式機器人編隊控制，使機器人在全局坐標不可測的環(huán)境中，僅利用圖像信息定位自身位置，形成靈活的編隊結(jié)構(gòu)，完成探索任務(wù)。