提出一種新的機器人視覺伺服控制方法，該方法參照人的抓取動作，首先根據物體在圖像中的位置信息，利用模糊邏輯將機器人的手爪移動到物體附近，然后再根據物體當前圖像和參考圖像之差，利用局部神經網絡對手爪的位姿進行精確調整。整個過程無需機器人和攝像機的標定，能有效利用人的控制經驗，伺服速度快，控制精度高。仿真結果說明本方法的有效性。

　　引言（Introduction）

　　將神經網絡應用到機器人的視覺伺服，可省去基于圖像雅可比矩陣方法中復雜的攝像機標定和矩陣求逆操作。但神經網絡的控制精度和學習速度與學習樣本的數量和網絡結構的復雜性密切相關，單靠一個神經網絡很難普適整個機器人工作空間，為此文［1］采用一個全局BP網和一個局部BP網分別適用于機器人的全局工作空間和局部工作空間，以減少學習樣本和網絡節點，提高每個神經網絡的學習效率；文［2］用若干自適應線性神經元逼近相應的局部圖像雅可比矩陣，而由一個自組織映射網根據機械手的當前位置來決定哪一個神經元被激活；文［3］用多個CMAC組成分層結構，由管理層根據輸入參數選擇一個執行層，以控制部分任務空間里的機器人動作；文［4］則用一系列局部神經網絡對對應示教軌跡點鄰域進行近似。

　　以上研究均采用了分級控制的思想，但由于神經網絡學習方法的固有缺陷，全局網的設計存在一些不足：一方面全局網的覆蓋范圍大，相應的尋優空間大，使得權值的學習可能陷入局部極小，進而影響到局部神經網路的選擇，甚至控制誤差的收斂；另一方面，人在機器人控制中的一些先驗知識卻沒能被網絡學習所利用。而模糊邏輯恰能很好地表述和記憶人的經驗知識，從而有效地引導機器人的操作［5，6］。文［5］根據運動目標在手眼中的面積等圖像特征判斷目標離手眼的距離，進而將攝像機的控制分為接近和對準兩個階段，并分別運用模糊邏輯和模糊神經網絡完成這兩個階段的控制；文［6］首先將機械手的各種操作分解為接近、對中、抓取等基本行為，并針對各基本行為總結相應的模糊控制規則，以減少整個操作的模糊控制規則數量，實現了基于行為的機械手視覺伺服控制。

　　本文以機器人的智能抓取作業為研究背景，針對工件形狀和手爪抓取姿態已知而工件位姿未知的情況，首先用模糊視覺伺服控制器進行機器人手爪的初步定位，然后利用局部神經網絡對手爪的位姿作精確調整。整個控制過程模仿了人的操作行為，控制速度快，控制精度高。六自由度機器人的數字仿真結果說明算法的有效性。

　　2 機器人視覺伺服實現方案（Scheme for Robot Visual Servoing Control）

　　2.1 視覺伺服系統的結構（Structure of Visual Servoing System）

　　為完成對工件的智能抓取，本文采用圖1所示系統結構。其中六自由度關節機器人可達到三維空間的任意位姿；CCD1為固定安裝在工作現場中的數字攝像機，能在較大范圍內獲取工件質心的位置；CCD2安裝在手爪上，與手爪的相對位姿固定，可以近距離且準確地觀察工件的擺放姿態。

　　2.2 智能抓取中的模糊行為（Fuzzy Behavior in Intelligent Grasp ） 人在抓取遠處物體時，首先需要利用眼睛觀察物體的方位，但接下來并不是立刻調整好手部的姿態然后一步到位將物體抓住，而是首先將手移到物體附近，待看清物體的準確姿態后再調整手部的姿態，最后將物體準確抓取。

　　同樣的控制思想可應用到機器人的智能抓取作業中，使機器人的控制變得容易。首先，在手爪的初步定位中，因不涉及手爪姿態的控制，所以完全可以只靠機器人的三個自由度（如圖1中的21，θθ和3θ）的運動來實現，而控制變量的減少可以大大簡化控制器的設計。其次，由于完全模仿人的動作，許多人的控制經驗可以被充分利用。例如，在圖1的配置中，根據工件在CCD1拍攝的圖像中的位置（假設已通過鏡像調整到與人的視覺同向），就可以總結如下的控制策略：

　　如果工件在圖像的上方，那么二關節下壓或三關節上抬；

　　如果工件在圖像的左方，那么一關節左轉。 顯然，這些控制規則都是用模糊語言描述的。這種基于模糊行為的視覺伺服方法能幫助機器人進行大致定位，其間機器人各關節的運動變化規律明確、合理且可控，從而有效避免了神經網絡方法中學習的盲目性和輸出軌跡的不可預測性。

　　但基于模糊邏輯的方法卻不太適合于機器人手爪的精確位姿控制。因為精確的位姿控制需要機器人六個自由度的協調配合，其控制隨機器人各關節當前位置的不同而不同，很難由人進行總結。所以本文就智能抓取這一階段任務選用了基于局部神經網絡的視覺伺服方法。

　　2.3 智能抓取中的局部神經網絡（Local Neural Network in Intelligent Grasp）

　　2.4 系統整體實現方案（Implementation Scheme for the Whole System）

　　系統的整體實現方案如圖1所示。整個智能抓取操作分手爪的初步定位和精確定位等兩步進行。

　　2.4.1 手爪的初步定位（Initial Position of the Grasper）

　　手爪的初步定位由基于模糊行為規則的視覺伺服控制器完成。鑒于手眼CCD2的視線范圍有限，本方案首先通過安裝在機器人基座正上方的固定攝像機CCD1對整個工作空間場景進行觀察。由于CCD1的軸

　　4 結論（Conclusion）

　　本文針對機器人的智能抓取作業，提出一種能總結人的模糊操作經驗的視覺伺服新方法。本方法將機器人的抓取操作分成模糊初步定位和神經網絡精確調整兩個階段來完成，具有控制規律易獲取，控制誤差能收斂，控制速度快以及控制精度高等特點。通過對六自由度機器人智能抓取任務的仿真說明所提方法的有效性。