机器人视觉定位研究麻小伟

机器人视觉定位研究麻小伟

麻小伟1钟小灿2王国庆3

（1.华北理工大学材料科学与工程学院，河北省唐山市063210；2.华北理工大学冶金与能源学院，河北省唐山市063210；3.华北理工大学材料科学与工程学院，河北省唐山市063210）

摘要：神经网络（NeuralNetwork，NN）具有自学习能力和非线性映射能力，通过学习系统的输入输出关系，可建立成像系统的NN模型。针对网络环境下遥操作工程机器人的视觉定位问题，提出一种基于NN的双目立体视觉定位方法，利用工程机器人特征点的二维图像坐标和三维世界坐标建立成像系统的NN模型，据此获取机器人的位置信息。利用遗传算法对神经网络的权值阈值进行优化，运用优化的网络模型，能够实现快速全局收敛。不仅提高了网络训练的速度和测试的精度，而且还提高了误差的鲁棒性，达到了预期效果。为机器人的位置反馈的控制提供有效的技术途径。

关键词：工程机器人；神经网络；遗传算法；视觉定位

引言

遥操作工程机器人是由人远程控制在危险环境下完成复杂作业的机器人系统。为了提高效率，遥操作工程机器人需采用视觉、力觉、听觉、运动觉等临场感[1]提示技术。视觉提示技术[2]是利用摄像机采集现场图像并通过网络传送给操作者，使操纵者可以通过图像信息来完成复杂危险的作业。但是由于传输的图像信息数据量大，存在较大时间延迟，可能会导致工程机器人无法正常完成作业。为解决此问题，工程上采用三目立体视觉定位技术来获取工程机器人的位置信息。但该方法操作复杂，成本高，且鲁棒性差。

1基于ＮＮ的机器人视觉定位

1.1BP神经网络的基本原理

BP神经网络模型是特征点图像坐标与三维立体坐标之间的对应关系模型，可以通过Matlab离线训练得到输入输出层间的权值阈值。本文选取BP神经网络建立图像坐标和实际坐标的关系，实现对机器人特征点的双目立体视觉定位。

1.2BP神经网络的算法的实现

在使用训练好的神经网络进行泛化时，需要将泛化后的数据进行反归一化。在Matlab中BP神经网络的构建和初始化，使用函数newff函数建立一个可训练的前馈网络。该函数包含4个输入参数。此函数建立了一个权值初始化的网络结构，这个网络为后期数据训练做准备。在网络训练前，需设定相应参数。

完成上述工作后，可将归一化后的数据进行网络训练，经过这一步，能够建立训练好的非线性关系的神经网络模型。

由此建立好神经网络模型，可利用此模型进行测试数据，然后将输出的数据进行反归一化，即可得到三维坐标。

2基于ＧＡ优化ＮＮ的机器人视觉定位

遗传算法目的是优化BP神经网络的初始权值和阈值，使用优化后的网络有更好的预测效果，操作步骤如下：

1、种群初始化

个体编码方法为实数编码，每个个体均为一个实数串，由输入层和隐含层连接权值、隐含层阈值、隐含层与输出层连接权值以及输出层阈值4部分组成。个体包含了神经网络全部的权值和阈值，在网络结构一致的情况下，就可以构成一个结构、权值、阈值都已确定的神经网络。

2、适应度函数

根据个体得到BP神经网络的初始权值和阈值，用训练数据训练BP神经网络后，预测系统输出，预测输出和期望的输出之间的误差绝对值作为个体适应度值F计算公式。

3视觉定位的实验

3.1基于ＮＮ的机器人视觉定位实验

本文利用所建立的ＮＮ模型对机器人定位进行大量的实验研究。将两台工业相机摄取的图像呈现在MFC界面上，分别进行图像处理。用手柄控制机器臂运动，特征点随之移动。为了保证数据收敛的稳定性，采用均方根误差函数。

统计得到测试样本的部分实验数据。X方向最大偏差为2.5299，最小偏差为0.0078，Y方向最大偏差为2.2165，最小偏差为0.0971，Z方向偏差极小，最大均方根误差为2.6225，最小均方根误差为0.5956。制得实验中采集的特征点实际位置与模型输出对比图。

3.2基于ＧＡ优化ＮＮ的机器人视觉定位实验

本实验依然釆用上次釆集到的数据进行训练，本文中釆用最常用的二进制编码方案，其次确定种群大小，本文的种群数量定为50，交叉概率定为0.7，交叉概率定为0.01进行测试。

统计得到测试样本的部分实验数据。X方向最大偏差为1.9729，最小偏差为0.2674，Y方向最大偏差为1.4545，最小偏差为0.112，Z方向偏差极小，最大均方根误差为1.1408，最小均方根误差为0.3617。制得到GA-NN与特征点的实际位置模型输出对比图。

通过上述实验数据以及对比图的对比，发现遗传算法优化后的神经网络的权值阈值后的测试样本误差减小，而且最大误差与最小误差的范围也缩小。遗传算法优化的神经网络算法使得均方误差明显减小，说明鲁棒性得到提高。由数据和对比图得出，遗传算法优化的神经网络使得实际输出与网络输出的数据波动变小，鲁棒性[3]更好，精度略微提高。

4结论

基于神经网络的双目立体视觉定位方法简单有效，定位精度满足工程要求。经过遗传算法优化的神经网络算法，用于遥操作工程机器人视觉定位上，精度进一步提高，且具有良好的鲁棒性，可为网络环境下机器人的位置反馈控制提供技术参考。

参考文献

[1]郭晓波，宋爱国.基于Internet力觉临场感遥操作机器人系统的研究［J］.制造业自动化，2006，28（11）：40-46.

[2]刘寒冰.临场感遥操作机器人综述［J］.机器人技术与应用，2004（1）：42-45.

[3]吕大刚,宋鹏彦,崔双双,王闽雄.结构鲁棒性及其评价指标[J].建筑结构学报,2011,32(11):44-54.[2017-10-06].