不知深度的操纵者的基于图像的视觉服务:一种反复的神经网络方法
IEEE transactions on neural networks and learning systems
|September 12, 2024
概括
这项研究引入了一种新的基于图像的视觉伺服 (IBVS) 方法,用于消除对深度估计的需求. 这种新的方法通过利用图像Jacobian进行智能操纵任务来简化机器人控制.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 控制系统 控制系统
背景情况:
- 基于图像的视觉伺服 (IBVS) 对于使用视觉反进行智能机器人操纵至关重要.
- 传统的IBVS方法通常需要深入的信息,使实施复杂化.
- 传统IBVS中的相互作用矩阵需要了解深度参数.
研究的目的:
- 为操纵器提出一种新的IBVS方法,不需要深度估计.
- 通过消除对深度信息的依赖,简化视觉伺服过程.
- 在没有明确的深度计算的情况下,为视觉伺服器开发一个强大的控制规律.
主要方法:
- 使用一种新的转换来将IBVS问题转换为凸式优化问题.
- 该方法利用关联图像Jacobian.的属性.
- 为了解决优化问题,开发了一个具有全球非对称收的循环神经网络.
主要成果:
- 拟议的方法成功地实现了对操纵器的IBVS,而不需要深度估计.
- 导出了一个动态神经控制定律,通过理论保证和模拟来证明有效性.
- 该方法有效地处理动力学,关节和其他独立于深度的约束.
结论:
- 新的IBVS方法为机器人操纵提供了一种简化和有效的方法.
- 消除深度估计提高了视觉伺服的实用性和适用性.
- 开发的神经网络和控制规律为无深度IBVS提供了强大的解决方案.


