第1章 绪论

1.1 机器人视觉控制

1.1.1 机器人视觉的基本概念

1.1.2 机器人视觉控制的作用

1.2 机器人视觉控制的研究内容

1.2.1 摄像机标定

1.2.2 视觉测量

1.2.3 视觉控制的结构与算法

1.3 机器人视觉系统的分类

1.3.1 根据摄像机与机器人的相互位置分类

1.3.2 根据摄像机数目分类

1.3.3 根据测量方式进行分类

1.3.4 根据控制模型进行分类

1.4 视觉控制的发展现状与趋势

1.4.1 视觉系统标定研究进展

1.4.2 机器人的视觉测量研究进展

1.4.3 机器人的视觉控制研究进展

1.4.4 机器人视觉控制的应用现状

1.4.5 机器人视觉测量与控制的发展趋势

参考文献

第2章 摄像机与视觉系统标定

2.1 摄像机模型

2.1.1 小孔模型

2.1.2 摄像机内参数模型

2.1.3 摄像机外参数模型

2.2 单目二维视觉测量的摄像机标定

2.3 Faugems的摄像机标定方法

2.3.1 Faugems摄像机标定的基本方法

2.3.2 Faugeras摄像机标定的改进方法

2.4 Tsai的摄像机标定方法

2.4.1 位姿与焦距求取

2.4.2 畸变矫正系数与焦距的精确求取

2.5 手眼标定

2.6 基于消失点的摄像机内参数自标定

2.6.1 几何法

2.6.2 解析法

2.7基于运动的摄像机自标定

2.7.1 基于正交平移运动和旋转运动的摄像机自标定

2.7.2 基于单参考点的摄像机自标定

2.8 畸变校正与非线性模型摄像机的标定

2.8.1 基于平面靶标的非线性模型摄像机标定

2.8.2 基于平面靶标的大畸变非线性模型摄像机的标定

2.9 结构光视觉的参数标定

2.9.1 基于立体靶标的激光平面标定

2.9.2 主动视觉法激光平面标定

2.9.3 斜平面法结构光视觉传感器标定

参考文献

第3章 视觉测量

3.1 视觉测量中的约束条件

3.1.1 特征匹配约束

3.1.2 不变性约束

3.1.3 直线约束

3.2 单目视觉位置测量

3.3 立体视觉位置测量

3.3.1 双目视觉

3.3.2 结构光视觉

3.4 基于目标约束的位姿测量

3.4.1 基于立体视觉的位姿测量

3.4.2 基于矩形的位姿测量

3.5 基于PnP问题的位姿测量

3.5.1 P3P的常用求解方法

3.5.2 PnP问题的通用线性求解

3.6 基于消失点的位姿测量

3.6.1 基于消失点的单视点三维测量

3.6.2 基于消失点的单视点仿射测量

3.7 移动机器人的视觉定位

3.7.1 基于单应性矩阵的视觉定位

3.7.2 基于非特定参照物的视觉定位

3.8 移动机器人的视觉全局定位

3.8.1 基于非特定参照物的视觉全局定位

3.8.2 视觉定位与里程计推算定位的信息融合

3.9 MEMS装配中的显微视觉测量

3.9.1 显微视觉系统的构成

3.9.2 显微视觉系统的自动调焦与视觉测量

3.9.3 实验与结果

参考文献

第4章 视觉控制

4.1 基于位置的视觉控制

4.1.1 位置给定型机器人视觉控制

4.1.2 机器人的位置视觉伺服控制

4.1.3 基于位置的视觉控制的稳定性

4.1.4 基于位置视觉控制的特点

4.2 基于图像的视觉控制

4.2.1 基于图像特征的视觉控制

4.2.2 基于图像的视觉伺服控制

4.2.3 基于图像的视觉控制的稳定性

4.2.4 基于图像的视觉控制的特点

4.3 混合视觉伺服控制

4.3.1 2.5D视觉伺服的结构

4.3.2 2.5D视觉伺服的原理

4.4 基于结构光的机器人弧焊混合视觉控制

4.4.1 图像空间到机器人末端笛卡儿空间的雅可比矩阵

4.4.2 混合视觉控制

4.4.3 实验与结果

4.5 直接视觉控制

4.5.1 直接视觉控制的结构

4.5.2 visual.motor函数的实现

4.6 基于姿态的视觉控制

4.6.1 姿态测量

4.6.2 基于姿态估计的视觉控制系统的结构与基本原理

4.6.3 实验与结果

4.7 基于图像雅可比矩阵的无标定视觉伺服控制

4.7.1 动态牛顿法

4.7.2 图像雅可比矩阵的估计

4.8 自标定视觉控制

4.8.1 摄像机的自标定

4.8.2 目标跟踪视觉控制

4.9 基于极线约束的无标定摄像机的视觉控制

4.9.1 基本原理

4.9.2 视觉伺服控制

4.9.3 实验与结果

参考文献

第5章 视觉控制的应用

5.1 开放式机器人控制平台

5.1.1 多层次结构的开放式机器人控制平台

5.1.2 本地机器人的实时控制

5.1.3 图形示教实验与结果

5.2 具有焊缝识别与跟踪功能的自动埋弧焊机器人系统

5.2.1 焊接小车与视觉系统

5.2.2 结构光焊缝条纹图像的处理

5.3 曲线焊缝跟踪的视觉伺服协调控制

5.3.1 机器人运动与特征点坐标变化的数学分析

5.3.2 模糊视觉伺服控制器的设计

5.3.3 实验与结果

5.4 仿人形机器人的火炬传递

5.4.1 系统构成与目标特征

5.4.2 目标分割与边缘提取

5.4.3 特征提取

5.4.4 火炬传递任务中的视觉引导

5.4.5 趋近与对准

5.4.6 实验与结果

参考文献

徐德，1965年12月生，山东五莲人，博士，中国科学院自动化研究所研究员，博士生导师。中国人工智能学会智能机器人专业委员会委员，中国机械工程学会焊接学会机器人与自动化专业委员会委员，IEEE会员，中国电子学会高级会员。长期从事机器人视觉测量与控制、智能控制、计算机控制技术等方面的科研工作。主持与参加科研项目20余项，获省部级科技进步奖3项，发明专利3项，出版教材和著作3部。在国内外重要学术刊物上发表论文70余篇。

机器人视觉测量与控制涉及光学、电子学、控制科学、计算机科学等众多学科，是一门重要的综合性前沿学科。在工业机器人、移动机器人领域。军事领域、航天与空间探索领域等具有广阔的应用前景。研究实时视觉测量与控制，对于提高机器人的自主作业能力、拓展机器人的应用范围具有十分重要的意义。

本书从控制的角度出发，以工程实现为目标，以机器人的视觉控制为背景，系统全面地介绍了视觉系统的构成和标定、视觉测量的原理与方法、视觉控制的原理与实现，并给出了机器人视觉测量与控制的应用示例。全书以串联关节机器人为主，同时兼顾了移动机器人的控制问题。

全书由5章构成，分别为绪论、摄像机与视觉系统标定、视觉测量、视觉控制、视觉控制的应用。本书从控制角度，以能够进行工程实现为目标，以机器人的视觉控制为背景，系统全面地介绍了视觉系统的构成和标定、视觉测量的原理与方法、视觉控制的原理与实现，并给出了机器人视觉测量与控制的应用示例。

本书面向从事机器人研究和应用的科技人员，注重反映本领域的研究前沿和可实现性。可作为机器人、计算机视觉等领域科研工作者和工程技术人员的参考书，也可作为控制科学与工程、计算机等学科的研究生和高年级本科生的教材。

目录

前言

第1章 绪论

1.1 先进制造与视觉测量

1.2 视觉测量的发展

1.3 视觉测量的主要研究内容

1.3.1　视觉摄像机

1.3.2 成像模型及其参数确定

1.3.3 结构标定与系统标定

1.3.4 高精度亚像素图像处理

1.3.5 光学编码与辅助光学靶标

1.3.6 大范围视觉测量系统

1.3.7 移动视觉测量

1.3.8　视觉测量自动化

参考文献

第2章 视觉测量的数学基础

第1章 绪论

1.1 机器人控制方法简介

1.1.1 机器人常用的控制方法

1.1.2 不确定机器人系统的控制

1.2 机器人动力学模型及其结构特性

1.3 基于S函数的SIMULINK仿真

1.3.1 S函数简介

1.3.2 S函数使用步骤

1.3.3 S函数的基本功能及重要参数设定

第2章 机器人独立PD控制

2.1 机器人独立PD控制

2.1.1 控制律设计

2.1.2 收敛性分析

2.1.3 仿真实例

2.2 基于重力补偿的机器人PD控制

2.2.1 控制律设计

2.2.2 控制律分析

2.3 机器人鲁棒自适应PD控制

2.3.1 问题的提出

2.3.2 机器人动力学模型及其结构特性

2.3.3 控制器的设计

2.3.4 机器人动态方程的线性推导

2.3.5 仿真实例

第3章 机器人神经网络自适应控制

3.1 定理与引理

3.1.1 全局不变集定理

3.1.2 用Barbalat引理作类Lyapunov分析

3.1.3 一种微分方程不等式的收敛性分析

3.2 RBF网络的逼近

3.2.1 RBF神经网络

3.2.2 网络结构

3.2.3 逼近算法

3.2.4 参数对逼近效果的影响

3.2.5 仿真实例

3.3 基于模型不确定补偿的RBF网络机器人自适应控制

3.3.1 问题的提出

3.3.2 模型不确定部分的RBF网络逼近

3.3.3 控制器的设计

3.3.4 仿真实例

3.4 基于模型分块逼近的机器人RBF网络自适应控制

3.4.1 问题的提出

3.4.2 控制律的设计

3.4.3 稳定性分析

3.4.4 仿真实例

3.5 工作空间中机械手的神经网络自适应控制

3.5.1 工作究竟直角坐标与关节角位置的转换

3.5.2 机械手的神经网络建模

3.5.3 控制器的设计

3.5.4 仿真实例

3.6 基于模型整体逼近的机器人RBF网络自适应控制

3.6.1 问题的提出

3.6.2 基于RBF神经网络逼近的控制器

3.6.3 针对f(x)中各项分别进行神经网络逼近

3.6.4 仿真实例

3.7 基于死区补偿的神经网络自适应鲁棒控制

3.7.1 死区非线性特性

3.7.2 系统描述

3.7.3 GL矩阵和GL乘法算子

3.7.4 RBF神经网络死区补偿器的设计

3.7.5 系统的稳定性分析

3.7.6 仿真实例

3.8 机器人神经网络数字控制

……

第4章 机器人模糊自适应控制

第5章 机器人迭代学习控制及重复控制

第6章 机器人反演控制

第7章 机器人滑模控制

第8章 机器人自适应鲁棒控制

第9章 机器人参数观测、辨识及控制

第10章 机器人路径规划2100433B

自主移动机器人尤其是无人机的兴起推动了相关学科的蓬勃发展。自动化的目的是设计能够操纵现有动态系统（汽车、飞机、经济系统等）的控制系统。因此受控系统应按如下方式构建：使物理系统形成回路，并配备使用智能电子器件的传感器。虽然最初的系统仅服从物理定律，但是闭环系统的演化遵循电子元器件中内嵌的IT程序。

本书主要阐述机器人的建模、仿真和控制方法，并通过大量习题来对基本概念和基本方法进行演绎和验证，所涉及的理论分析采用状态空间方法，从而可以用简单的方式来处理普通和复杂的系统，包括不同类型的开关和传感器。本书是一本讲述机器人自动化的基本原理和方法的书籍，可作为高等院校机器人专业的教材，也可供从事机器人研究和产业化的工程技术人员阅读。