基于摄像头的线跟踪机器人设计

PAGE基于摄像头的线跟踪机器人设计第一章绪论1．1机器人的发展两院院士宋健曾说过：“机器人学的进步和应用是本世纪自动控制最有说服力的成就，是当代最高意义上的自动化”。科学的进步与技术的创新，为机器人的研究与应用开辟了广阔的思路与空间。1920年作家卡雷尔.卡佩克发表了科幻剧本《罗萨姆的万能机器人》。剧情是这样的：罗萨姆公司把机器人作为人类生产的工业产品推向市场，让它去充当劳动力，以呆板的方式从事繁重的劳动。后来，罗萨姆公司使机器人具有了感情，在工厂和家务劳动中，机器人成了必不可少的成员。该剧预告了机器人的发展对人类社会的影响。在剧本中，卡佩克把捷克语“Robota”(农奴)写成了“Robot”（机器人）。这也是人类社会首次使用“机器人”这一概念。机器人是一种具有移动性、个体性、智能性、通用性、半机械半人性、自动性、奴隶性等7个特征的柔性机器，用自动性、智能性、个体性、半机械半人性、作业性、通用性、信息性、柔性、有限性、移动性等10个特性来表示机器人的形象。1987年国际标准化组织对工业机器人进行了定义：“工业机器人是一种具有自动控制的操作和移动功能，能完成各种作业的可编程操作机。”我国科学家对机器人的定义是：“机器人是一种自动化的机器，所不同的是这种机器具备一些与人或生物相似的智能能力，如感知能力、规划能力、动作能力和协同能力，是一种具有高度灵活性的自动化机器”。自动化技术的发展，特别是计算机的诞生，推动了现代机器人的发展。

50年代是机器人的萌芽期，其概念是“一个空间机构组成的机械臂，一个可重复编程动作的机器”。1954年美国戴沃尔发表了“通用重复型机器人”的专利论文，首次提出“工业机器人”的概念；1958年美国联合控制公司研制出第一台数控工业机器人原型；1959年美国UNIMATION公司推出第一台工业机器人。

60年代随着传感技术和工业自动化的发展，工业机器人进入成长期，机器人开始向实用化发展，并被用于焊接和喷涂作业中。

70年代随着计算机和人工智能的发展，机器人进入实用化时代。日本虽起步较晚，但结合国情，面向中小企业，采取了一系列鼓励使用机器人的措施，其机器人拥有量很快超过了美国，一举成为“机器人王国”。

80年代，机器人发展成为具有各种移动机构、通过传感器控制的机器。工业机器人进入普及时代，开始在汽车、电子等行业得到大量使用，推动了机器人产业的发展。为满足人们个性化的要求，工业机器人的生产趋于小批量、多品种。

90年代初期，工业机器人的生产与需求进入了高潮期：1990年世界上新装备机器人81000台，1991年新装备76000台。1991年底世界上已有53万台工业机器人工作在各条战线上。随后由于受到日本等国经济危机的影响，机器人产业也一度跌入低谷。近两年随着世界经济的复苏，机器人产业又出现了一片生机。90年代还出现了具有感知、决策、动作能力的智能机器人，产生了智能机器或机器人化机器。随着信息技术的发展，机器人的概念和应用领域也在不断扩大。机器人是20世纪人类最伟大的发明之一。从某种意义上讲，一个国家机器人技术水平的高低反映了这个国家综合技术实力的高低。机器人已在工业领域得到了广泛的应用，而且正以惊人的速度不断向医疗、军事、娱乐等非工业领域扩展。毋庸质疑，21世纪机器人技术必将得到更大的发展，成为各国必争之知识经济制高点。1．2机器人视觉近年来，机器人视觉因其所含丰富的环境信息而受到普遍的关注，随着视觉系统的价格下降，基于相关技术的导航已成为研究的热点．沿地面轨线行走是视觉导航最简单的应用，如在自动化生产车间里，机器人沿着固定轨线完成搬运货物等重复性的工作；在医院里机器人充当传送病历及常用资料的传递员等．为了实现基于视觉的轨线跟踪导航，人们提出了许多有效的控制方法，如一种应用于室外环境的智能车辆转向控制模型——拟人转向控制，通过模仿驾驶员控制车辆的行为来控制智能车辆，由于只控制转向角且摄像头的视场范围有限，容易丢失参考轨线．针对已知位置坐标的轨线进行位置跟踪，利用参考轨线和机器人的位置和方向的相对偏差值进行控制，由于大多数场合参考轨线的位置坐标未知，在应用中受到许多限制．提出了一种轮式移动机器人的横向最优控制算法，根据其运动学模型，以方向偏差和位置偏差作为状态变量，前轮的期望转角为控制量，设计了使二次型性能指标最小的状态反馈控制．在实际应用中，由于须对系统进行辨识建模，控制算法复杂且使得跟踪准确性和实用性降低。针对上述方法的不足，本文提出了一种简单实用的室内移动机器人跟踪轨线的导航方法。针对参考轨线曲率变化较大易丢失参考轨线且轨线参数未知的情况，提出了一种通过图像获取轨线相对位置参数分别控制速度和转速的状态控制方法。文中针对导航过程中不同状态采用不同的控制策略，在轨线参数未知的情况下，从实时获取的图像信息中提取轨线参数作为输人量，根据输人方向偏差参数不同将机器人运行分为稳态和过渡态两个独立的控制状态，对于稳态过程根据位置偏差只控制转向角，对过渡过程则考虑图像畸变先把输人参数转换到机器人坐标系中，根据距离偏差采用状态控制，同时控制速度和转速以避免丢失参考轨线。文中介绍了轨线参数提取方法，及稳态和过渡过程的控制策略，并给出了相应的实验结果。1．3机器人视觉伺服系统控制结构的研究1．3．1视觉伺服系统的分类

视觉伺服的控制策略主要基于以下两个问题：1）是否采用分层控制结构？即机器人是否需要闭环关节控制器？进一步说，系统的视觉反馈是为机器人的关节控制闭环提供输入量，还是由视觉控制器接控制机器人各关节。

2）误差输入量是以机器人所在空间的三维坐标表示，还是以图像特征？

按控制策略2）区分，视觉伺服系统分为两类［5］：基于位置的控制系统（position－basedcontrol，又称3D视觉伺服，3Dvisualservoing），基于图像的控制系统（image－basecontrol，或称2D视觉伺服，2Dvisualservoing）。由于基于位置和基于图像的视觉伺服各有其优缺点(见3.1、3.2)，于是近年有学者综合上述两类视觉伺服系统的优点，设计出2-1/2D视觉伺服系统。

按控制策略1）区分，视觉伺服系统可分为动态观察—移动系统和直接视觉伺服。前者采用机器人关节反馈内环稳定机械臂，由图像处理模块计算出摄像机应具有的速度或位置增量，反馈至机器人关节控制器；后者则由图像处理模块直接计算机械壁各关节运动的控制量。1．3．2基于位置的视觉伺服控制结构基于位置的控制系统中，输入量以三维笛卡尔坐标表示（又称3D伺服控制），多数基于位置的视觉伺服系统采用具有5～6个自由度的机械臂作为摄像机的运动载体。系统的视觉反馈环首先从图像中提取图像特征，然后利用图像特征与目标的几何模型、摄像机模型来估计目标与摄像机的相对位置；目标与摄像机相对位置的估计值与其期望值相比较后，产生的位置误差量送入笛卡尔坐标控制模块。根据是否采用关节控制闭环，基于位置的视觉伺服系统分为动态观察—移动系统和直接视觉伺服两类。基于位置的视觉伺服系统的控制结构见图3—1a和图3—1b，其中X＊为期望位置，x为当前位置估算值。

需要指出的是，在机器人手—眼系统中，摄像头与目标的相对位置是通过机械手末端坐标与固定坐标系的关系矩阵T（T已知）间接获得。如果T存在误差，则机械手末端的位置估计也将有误差，且此误差不能被系统观察到，所以在某些情况下（如机器人抓取或跟踪物体时），系统可能会操作失败。但若使系统在检测目标的同时，也检测机械手的末端位置，则上述误差将得到修正。只能观察目标的手—眼系统称为末端开环系统，而能同时观察目标和机械手末端位置的手—眼系统称为末端闭环系统。

现在基于位置的控制系统多数为动态观察—移动系统，其原因如下：①视觉系统较低的采样速率使得对机器人的控制成为复杂的非线性动态控制问题，而动态观察—移动系统将机器人的运动学上的奇异点问题与视觉控制分开，使机器人成为理想的笛卡尔运动设备。②多数机器人系统中含有能够接受以笛卡尔坐标表示的位置增量或速度的对外接口。

对基于位置的视觉伺服系统的具体应用有：Corke［6］等采用固定于机械臂末端的单摄像机（已校准），对刚体的二维运动进行视觉跟踪；G．Verghese［7］等则利用它探讨对三维运动的目标进行视觉跟踪的问题；Peter．K．Allen［8］等基于该类系统研究出可实时跟踪并抓取移动物体的双目机器人手—眼系统；Papanikolopulos［4］等根据此类系统研究运动物体速度未知的情况下，在二维空间内（假设深度已知）实时跟踪非几何形体运动目标的方法。

尽管基于位置的视觉伺服系统在实际应用中较为便利，但它存在如下缺点：①依赖于摄像机及机械臂的标定精度，对标定参数误差敏感，有时还依赖于目标模型的正确性；②对目标图像没有任何控制，意味着在跟踪过程中，目标可能逃离摄像机的视觉范围。1．3．3基于图像的视觉伺服控制结构

基于图像的控制系统又称2D视觉伺服。此类系统的控制策略基于当前图像特征f与理想图像特征f＊间的误差之上，因而对摄像机和机械臂的校准误差、目标模型误差具有较强的鲁棒性［3］，正好克服了基于位置的视觉伺服系统的缺点。按控制策略2），基于图像的视觉伺服系统也有动态观察—移动系统和直接视觉伺服两类（见图3—2a和3—2b）。在基于图像的控制系统中，图像特征f通常是一些目标特征点的图像坐标集合，误差量即为（f＊－f）（见图3—2），当e（t）＝0时，跟踪达到要求。由于e（t）是在图像上（二维空间）定义，而摄像机运动控制器的输入量定义在摄像机可能运动的范围之内（三维空间），所以基于图像的控制法则必须找出表示图像特征参数变化量与摄像空间位置变化量的关系，这一关系即图像雅可比矩阵J（imageJacobian）。J是目标深度Z及图像特征f的函数，即J=J[f（t），Z（t）]。图像雅可比矩阵是设计基于图像的控制器的关键，简单地说，其控制器有如下形式：γ=gJ+（∫*-∫）=gJ+e（t）。其中，g可以是一比例函数或复杂函数，用来调节f趋向f＊，为机器人控制器输出的摄像头运动速度，是J的伪逆阵的估计值。有关图像雅可比矩阵的研究见文献［3］、［5］。对基于图像的伺服视觉系统的研究很多，如蒋平［9］等直接利用图像误差来跟踪目标，他们采用手—眼系统，首先拍摄一幅理想目标图像，而后对运动目标进行注视跟踪，使实时采样的目标图像收敛于理想目标图像，该系统的控制规则由图像差反馈和物体运动自适应补偿组成，可以完成“眼注视”这种具有局部收敛性的运动目标跟踪，且具有良好的准确性和鲁棒性。其他基于图像的控制方案如采用局部位置估计、自适应深度估计、图像雅可比矩阵估计等。

基于图像的控制系统的主要缺点为：①计算J需要估计目标深度，而深度估计一直是计算机视觉中的难点；②摄像机位置可能收敛于局部最小点，而非理想值；③跟踪过程中，图像雅可比矩阵可能存在奇异值，使系统不稳定，此外，保证系统全局稳定性的充分条件为度J[f(t),Z(t)]>0,t此条件在实际应用中难以实现。1．3．42－1／2D视觉伺服的控制结构

在总结上述两种视觉伺服系统的优缺点后，E．Malis等人［10］、［12］提出以目标特征点的图像坐标误差Ep（以二维图像空间表示），和摄像机旋转误差Δuθ（以三维笛卡空间表示）作为控制系统的输入量，从而产生一种新的视觉伺服系统—2－1／2D视觉伺服系统，其结构见图3—3。2－1／2D视觉伺服系统首先选取目标的特征点，根据特征点在摄像机的当前图像坐标系和理想图像坐标系（分别对应摄像机的当前位置和理想位置）中的成像点Pe和Pe＊迭代求取两图像坐标系的关系矩阵H及图像坐标误差Ep。由H求得uθ（u为摄像机的旋转轴，θ为摄像机绕u轴旋转的角度），uθ与已知的摄像机理想位置参数uθ*相比较，得到的摄像机旋转误差量Δuθ送入控制器。文献［11］详细论述了如何由H矩阵求取摄像机部分位置参数，并指出，若目标为一平面，则求取H矩阵是一个线性问题，至少需要4对不共线的特征点，但当目标为一非平面时，求取H矩阵就成为一个非线性问题。

选择Ep和Δuθ作为误差的好处是：①向量uθ可控制摄像机的方向，则可表示摄像机旋转角速度Ω的矩阵函数，且此矩阵函数在整个工作空间无奇异点，不仅提高了系统的稳定性，而且保证系统在整个工作空间向理想位置收敛，从而使得在跟踪过程中，不论摄像机的初始位置如何，目标始终保持在摄像机的视觉范围内：②Ep是二维图像坐标误差，它作为控制系统的输入量可以保证系统在其校准误差下的全局稳定性。

2－1／2D视觉伺服系统也存在一些缺点：①需要进行特征点匹配；②求解H矩阵是一个计算量很大的迭代过程；③比2D视觉伺服系统更易受图像噪声的影响。第二章轨线参数提取2.1轨线识别参考轨线由直线段和圆弧组成，考虑到室内移动机器人的视场范围有限，速度不会太快，对圆弧状轨线采用直线模型来拟合，以简化轨线特征提取的难度，减少计算量。以图像底线和左边界线建立坐标系XOY，及相应的图像平面坐标系uov(如图1所示)，轨线的拟合直线方程为ρ=xcosθ+ysinθ，其中ρ为坐标原点到直线的垂直距离，θ为法线与正X轴的夹角。由于图像以室内地面为背景，含有随机的噪声干扰，滤波和边缘提取后利用Hough变换来拟合参考轨线的直线方程，从而得到参考轨线的参数，即方向参数θ和幅度参数ρ。2.2轨线参数转换摄像头与地面倾角的存在，使得图像边缘区域存在较大畸变。根据中心投影定理，利用参考轨线的图像平面坐标与水平物体平面坐标间的射影变换关系，求取参考轨线相对于机器人的无畸变的轨线参数。其中(u，v)为图像平面坐标，(xr，yr)为对应的物体平面坐标，M为满秩矩阵，变换矩阵M3×3的9个系数未知。图2示出了机器人坐标系XrOYrZr，和摄像机坐标系XcO′YcZc。摄像机位于Zr轴上方高H处，倾角为ψ，光轴O＇Zc位于YrOZr平面内，O＇Xc轴与OXr轴平行，参考轨线位于XrOYr水平地面内，过P点的虚线平面垂直于摄像机光轴。根据参考轨线上的点位于与图像平面成固定夹角的水平面内这一约束条件来寻找几何关系。由图2可知，机器人坐标系中任一点P(Xr，Yr，O)，在摄像机坐标系中的坐标:由摄像机成像模型有:其中u和v是以像素为单位的图像坐标系坐标，u0和v0是以毫米为单位的图像坐标系原点在以像素为单位的图像坐标系中的坐标，ax=f／dx，ay=f／dy，f为摄像机的焦距，dx和dy分别是单个像素在以毫米为单位的图像坐标系两坐标轴上的物理尺寸。由(2)(3)式可得图像平面坐标与机器人坐标系中坐标之间的关系：（4）其中ρ=-sinψv+v0sinψ+aycosψ。变换矩阵M中m1o=m20=mo1=O，H和ψ已知，m11和m21也已知。由于确定参数ax，ay，u0，v0需要进行摄像机标定，直接利用两对轨线点和对应的像点四个方程即可确定M的其他四个系数。任取图像坐标系中参考轨线拟合直线上的两点(u1，v1)和(u2，v2)，利用式(4)分别计算机器人坐标系中的坐标(xr1，yr1)和(xr2，yr2)，从而得到无畸变的轨线参数：方向参数幅度参数或为减小误差，可用轨线拟合直线上多个点的图像坐标，在求得对应的机器人坐标系中坐标后，利用最小二乘法来拟合得到机器人坐标系中的轨线参数。第三章控制策略从图像中获取的参考轨线的方向参数θ表征了参考轨线与垂直中心线的偏离程度，它是一系列设定的离散的值，如O，π／12，π／6等，θ=O表征参考轨线的拟合直线与垂直中心线方向大致相同，θ≠0表征拟合直线与中心线存在方向偏差。根据方向参数θ是否为0把控制过程分为稳态和过渡态，θ=O时的状态为稳态，θ≠0时的状态为过渡态，处于不同的状态采用不同的控制策略。3．1稳态过程参考轨线位于图像的中央区域，畸变较小，直接利用XOY坐标系中的轨线参数。此时状态量x=(α，re)，α为方向偏差，re为位置偏差。见图3。其中α=θ=0re=p-width/2(width为图像的宽度)控制过程中，实时获取方向偏差α和位置偏差re，构成视觉反馈。在确保α=0的前提下，位置偏差和期望偏差的差值e作为控制器的输入，计算控制量u，u为机器人的转向角，控制器设计为:其中horizon为摄像头的水平视角，负号表明转向角与位置偏差同向。机器人的速度设为常量v0，期望偏差一般取为0。控制结构见图4。3．2过渡过程参考轨线所拟合的直线方向与中心线方向的偏差θ≠0时，控制机器人的速度和转速使偏差趋于零的过程为过渡过程。3．3状态量参考轨线方向与机器人方向存在偏差，图像有较大畸变，首先利用式(4)的射影变换获取机器人坐标系下的轨线参数ρ和θ。图5为参考轨线在机器人坐标系下的一种位置情况。梯形区域为机器人的视野范围，Xr轴上方的空白区域为机器人的视野死区，高度为h2。此时状态量x=(α，d)，α为方向偏差，d为距离偏差，指参考轨线拟合直线在Yr轴上的截距，有:3．4状态控制根据距离偏差的大小采用状态控制方法，分为3种状态：直线靠近，旋转靠近和旋转，如图5所示。由于前方视野较大，对距离较远的轨线不做考虑，取机器人前方两条水平线L1和L2作为状态选择的分割线，L1可根据情况任意选择，L2为可见区域的下边界。当距离偏差大于h1时，为直线靠近状态，控制速度v来减小距离偏差；当距离偏差小于h1大于h2时，为旋转靠近状态，协调控制速度v和转速w来减小距离和方向偏差；当距离偏差小于h2时，为旋转状态，速度为0，控制转速w减小方向偏差。3．4．1转速控制旋转靠近和旋转状态时，根据方向偏差α的大小来确定转速w，图6示出了二者的关系：其中width和height分别为图像的宽度和高度，v0为3.1中所述的速度常量，v0≤vmax，vmax为允许的最大平移速度，λ为速度影响因子。当方向偏差较大时，有相同的距离偏差，由于w/α值相对较小，会出现转速过大而速度过小偏离轨线的情况，这时引入λ＞1来弥补速度过小的缺陷；而当偏差较小时，λ=1。为防止时h2＜d＜h1的速度超过vmax，须满足当w＞0机器人左转，w＜0右转；对α=π/2时，w的大小取为w2，方向根据轨线占据左右两半图像像素点的个数多少来决定。由连续性可得:k1和k2表示旋转速度随方向偏角变化的快慢，对于大角度的方向偏角，转速应减小得较慢，故k1＞k2。由于用Hough变换拟合直线时，方向参数是设定的离散值，参数转换后仍是离散的值，因此旋转速度是非连续变化的，在从一个方向偏差减小为另一个方向偏差的过程中，旋转速度恒定不变。只要方向参数设定的间隔较小，不会明显看出旋转速度的较大改变而出现骤减的情况。3．4．2速度控制直线靠近和旋转状态时不必控制速度，都采用常量设定。而当处于旋转靠近状态时，为了防止轨线信息从可见区域丢失，必须协调控制速度和角速度。控制的思想是以角速度w转过方向偏差大小的角度时，恰好走过了d长度的距离。具体由公式表示为Vmaxlh2＜d＜h1≤vmax有两种情况，第一种方向偏差较小时，最大值为:第二种方向偏差较大时，最大值为:因λ为定值k1＞k2，有:因此对速度做截断处理，最大速度:同时为了保证在一个采样周期T内不丢失参考轨线信息，须满足:vmaxT≤h1-h2(13)在选择参数时，须同时满足式(9)(11)～(13)的条件。3．5控制过程机器人的整个控制过程是稳态、过渡状态中的直线靠近、旋转靠近及旋转四种状态依据观察量实现交替控制的过程。由于机器人控制的实时性要求状态间的转换必须实时完成，因此状态间转换不需要施加缓冲操作，以保证控制的连续性，但这通常会造成状态控制中速度的突变，如从稳态到旋转态时，速度会从最大减为零，这反映在跟踪轨线上就是拐点，这种情况在机器人实时控制中是不可避免的，反映了机器人对环境快速变化的适应能力。第四章实验介绍实验过程中，使摄像头始终处于最大倾角俯视状态，为了使可视区域更大些，焦距调到最小．参考轨线为粘贴在室内地面上的黑色长条状胶布，宽约16mm，在图像经高斯滤波后能较容易地识别出来，轨线参数指参考轨线中央拟合直线参数。由于摄像头倾角较大，图像中的上半部分对应的实际距离距机器人较4．1参数选择已知摄像机倾角φ为65°，距水平面高H为317．5mm，摄像机的广角垂直视角∠AO′B=37．6°，水平视角48．8°，见图7。视野死区OA=H.tan(ψ-∠AO′B／2)=331mm，摄像机光心的对应点的位置OC=H.tanψ=681mm，得到参数h2=331mm。由式(9)，(11)～(13)，选择h1=500mm，最大速度vmax=400mm／s，速度常量v0=350mm／s，λ=1．5，采样周期T=lOOms，最大角速度为40deg／s，选择角速度w0=lOdeg／s，w1=20deg／s，w2=30deg／s，得到k1=60／π，k4．2实验结果图像大小为160×120，由于摄像头倾角较大，可视区域较长，为减小干扰，选择图像下方160×80的区域进行处理提取参考轨线参数。图8(a)和图8(b)分别为机器人摄取的室内地面图像及提取的参考轨线拟合直线图像，图像坐标下的状态量x=(0°，2pixel)。首先跟踪直线型轨线．由于轨线方向与中心线方向偏差较小，不须参数转换，应用文中3．1所述方法只控制转向角。图9曲线示出了机器人的转向角在跟踪过程中的变化趋势，每个点对应一个采样时刻，可见转向角始终在±5°范围内波动，有较高的跟踪精度。其次跟踪O型轨线，由直线和圆弧连接而成，长约3m，宽约2．3m。图10示出了参考轨线形状及跟踪轨线，跟踪轨线是放置于机器人尾部的水笔画出的轨迹．机器人的跟踪速度平均为200mm／s，直线部分350mm／s．由于机器人提取的参考轨线的拟合直线的方向参数非连续变化，造成了拐角处跟踪轨线与参考轨线不完全重合，方向参数变化较大时，会出现速度为零突然转向的拐点现象，如图中的A、B、C、D点。机器人跟踪品质主要取决于距离h1和转速w0与w1三个参数，h1太小使机器人拐弯处的轨线多为直线，曲线不平滑；转速变化的快慢决定了速度的大小，对大方向偏角转速变化较缓，转速不易设置过大，避免出现丢失参考轨线现象；小方向偏角转速变化快，速度相对大，一般不会出现这种现象。对图11给出的S型轨线跟踪实验结果，表明机器人有可靠的跟踪能力，进一步验证了控制方法的有效性。结论本文研究了机器人跟踪地面轨线的视觉导航方法。不需要事先预知参考轨线的坐标位置及方向，直接从图像中提取轨线参数，当由于摄像头倾角的存在造成图像畸变较大时则进行坐标变换获得无畸变的轨线参数。根据获取的轨线参数采用状态控制跟踪方法，同时控制速度和转速避免了丢失轨线信息。文中所述控制方法可防止出现只控制转速造成丢失轨线的情况，改善了机器人跟踪的性能，适用于各类线状轨线的跟踪控制。致谢时光如梭，岁月如逝，转眼四年过去了。在我即将毕业之际，回首四年来紧张而充实的学习和工作生活，处处充满着感激和感谢。首先，感谢四年来，教导过我的所有的老师，感谢你们对我的耐心指导和关怀，老师们严谨的治学态度、实事求是的工作风范、不断进取与忘我的工作精神和豁达开朗与宽宏大量的生活境界，令我由衷地敬佩！四年来，学校给予了我严肃、紧张、充实而又轻松、愉快、优越的学习氛围与生活环境，老师给予了我循循善诱的指导与鞭策，让我得以提高与进步，令我由衷欣慰，我将永生难忘!在此，对所有的老师道一声：感谢您们！本研究能够取得初步成果，离不开师长、朋友们的热情帮助和支持。衷心感谢我的指导老师—孙江波老师这几个月来对我的指导，为我的设计指明了方向，并时刻帮助我解决设计过程中出现的各种问题，在各方面给予了我最大的支持。感谢在课题研究课程中所有给过我帮助的同学们，谢谢你们！感谢和我同室几年的同学，正因为有你们的相伴，使得我不再孤单，感谢你们几年来在生活上、工作上对我的照顾、关怀和帮助，很高兴认识你们，谢谢！感谢所有毫无保留地让我分享他们多年经验和研究成果的人们！最后，感谢我的父母，你们的辛苦劳动换来了我能有机会进入大学学习，在此毕业之际，让我对你们道一声感谢，你们辛苦了！最后再一次衷心地感谢所有关心、支持和帮助过我的老师、同学、朋友和亲人们，祝你们一切顺利！参考文献[1]林靖，陈辉堂，王月娟。机器人视觉伺服系统的研究[J]。控制理论与应用，Aug．2000，17（4）：476～481。[2]J．T．Feddema，etal．Weightedselectionofimagefeatureforresolvedratevisualfeedbackcontrol［J］．IEEETrans．RobotAutomat．1991，vol（7）：31～47．

[3]B．Espian，etal．Anewapproachtovisualsavoringinrobotics[J]．IEEETrans．RoboticsAutomat．1992，vol（8）：312～326．[4]N．P．Papanikolopoulosetal．Visualtrackingofamovingtar－getbyacameramountedonarobot：Acombinationofvisionandcontrol［J］．IEEETrans．RobotAutomat．1993，vol（9）no．1：14～35．[5]S．Hutchinson，G．D．Hager，andP．I．Corked．ATutorialonVi－sualServoControl［J］．IEEETrans．RobotAutomat．1996，vol（12）no．5：651～670．[6]Peter，Corked，etal．Video－ratevisualservingforsensory－basedroboti［R］．TechnicalReport，GraspLaboratory，DepartmentofComputerandInformationScience．UniversityofPennsylvania，Philadelphia．[7]G．Varghese，etal．Real－TimeMotionTrackingofThree－Di－mensionalObject［A］．Proc．，IEEEInt．Conf．RoboticsAutomat［C］．Cincinnati，OH，May13－18，1990．[8]Peter，Allen．Real－timemotiontrackingusingspation－temporalfilters［A］．ProceedingsofDARPAImageUnderstandingWorkshop［C］．Morgan－KauffmanPublishers，Palo．Alto，May1988．[9]蒋平、沈世锦、程辉堂等。基于图像误差机器人运动目标自适应跟踪[J]。机器人，Nov．1997，431～437。[10]E．Malis，etal．2－1／2Dvisualserving[J]．IEEETrans．roboticsandautomation，1999，vol（15）no．2，April，238～25