Output from the MRCS software is communicated along an Alter Line to a Unimation computer controller, running VAL-II。 VAL-II computes in- verse kinematic equations for a Puma 560 manip- ulator and converts  inpidual  trajectory  requests into motor actuation  once every 28  msec。Artificial Intelligence, Robotics, and Vision Laboratory, Department of Computer Science, University ofMinnesota, 200 Union Street SE, Minneapolis, MN 55455, U。S。A。

机器人操纵器需要知道他们的环境，以便执行他们所期望的行动。几个机器人任务，视觉传感器通过提供必要的数量和质量的信息起关键作用关于机器人的环境。例如，“视觉伺服”算法可以控制机器人操纵器以跟踪由相机成像的移动物体。当前的视觉伺服系统往往缺乏能够自动检测相机视野内出现的物体。在这项研究中，我们提出了一个强大的“数字/地面”框架，用于视觉检测感兴趣的对象。这一点的重要贡献

研究是允许检测框架在实时内运行的优化方案的集合视觉伺服系统的限制。最重要的这些计划涉及使用“自发”和“连续”领域。连续域的数量和位置被允许随着时间的推移而改变到检测过程的动态条件。我们开发了实际的伺服系统来测试框架的可行性，并展示其对视觉控制机器人操纵器的有用性。 ©1997爱思唯尔科技有限公司

关键词：机器人视觉伺服; 跟踪 检测; 基于传感器的机器人控制; 实时机器人视觉; 框架参考

1。 介绍

1。1  概述

灵活的机器人系统需要感官信息才能有效地与他们的环境进行交互。 关于机器人环境的信息很重要，因为它提供了机器人可以感知，分析和反应的原始数据环境中的特定对象。 在机器人遇到的所有对象中，只有一个子集对于机器人必须完成的任务是重要的。 我们说这些都是感兴趣的对象，我们关心我们自己与执行的操作。

     感官信息可以来自各种传感器（例如，相机，全球定位系统，激光器，接近检测器，雷达和触觉传感器）中的任何一种。 摄像机经常提供比上述其他传感器更丰富，更完整和更合适的信息。 此外，新的CCD相机比较旧的视觉传感器便宜且更准确。 但是，另外挑战伴随着视觉模式的优势。 这个挑战涉及视觉传感器没有提供对象已经移动到其视野中的固有信号的事实。 这可以与使用触觉传感器的机器人进行对比，附近物体的存在是传感器信号的一部分。

现有研究主要侧重于其他问题，理解实际实现将需要添加对象检测组件。 有时，通过限制实验可以避免检测问题对于特殊情况，对象检测是微不足道的。 但是，如果机器人在不可预测的自然环境中运行，还必须考虑这个问题。因此，本研究的目的是提出一种自动检测感兴趣的物体的方法，这些物体可能在其他时候有时会停止运动。

这项研究不仅仅是检测存在对象。 我们也连接检测模块到其他重要的感官组件

基于视觉的机器人控制方案。 尤其重要的是在对象上找到地标的能力感兴趣，并了解其形状对象 。此外，使用跟踪技术无需人为干预即可监视物体。 我们的跟踪问题的解决方案遵循控制主动视觉框架，避免了严重依赖于先验信息使用光流。 任何光诱导光流相机或物体运动的组合。

这项研究的主要贡献是我们的检测框架的完整的软件和硬件实现。在构建这个系统的过程中，我们选择和修改了适合的计算机视觉技术视觉检测问题。我们的框架使用的许多技术（例如框架差异）在现有研究中也出现了类似的形式，这表明了它们的有用性。我们对检测问题的解决方案是创新的，它将这些技术独特地组合成可以直接应用于现实世界的一般框架。我们在必要时对这些技术进行了修改，并且我们还将现有文献缺乏的自己的想法（例如动态分割域）纳入其中。最后，我们将理论定义为机器人的具体工业需求。这表明我们的框架可以准确地提供需要有效管理需要视觉检测的情况所需的信息类型。我们的视觉伺服系统的实验结果显示了我们在一般条件下的方法的潜力。