摘要：针对于机器人的无标定视觉伺服问题,本文提出一种基于同步扰动随机逼近算法优化Kalman滤波在线估计图像雅克比矩阵的方法。该方法将机器人图像雅克比矩阵作为系统状态,使用Kalman滤波器对系统状态进行观测。为提高滤波器性能,采用同步扰动随机逼近算法对滤波器参数进行优化。应用此方法估计出图像雅克比矩阵并设计控制率,避免了复杂的系统标定过程。仿真结果表明,所提出的方法能够实现无标定环境下六自由度机器人的视觉定位,且精度和稳定性较高。

摘要：针对于机器人无标定视觉伺服问题,提出一种基于支持向量回归机(Support Vector Regression,SVR)学习的模糊控制(Fuzzy Logic Control,FLC)方法。FLC直接用于构建图像特征与机器人关节运动之间的非线性映射关系。FLC的模糊基函数用作SVR的核函数,建立FLC与SVR的数学等价关系。SVR从数据中学习的支持向量构建FLC的规则。所有规则来自于数据,因此无需人工设计规则。本文所提出方法充分利用了SVR针对小数据量学习具有较好的泛化性能优势,实验结果表明该视觉伺服控制器在精度上及收敛上均具取得较好性能。