Tuyển tập công trình Hội nghị Cơ điện tử toàn quốc lần thứ 6 787 Mã bài: 167 Điều khiển tốc độ bệ pan-tilt-camera bám mục tiêu di động với nhiều tham số bất định Velocity Control of Pan-Tilt-Camera System Tracking Moving Object with Uncertain Parameters Nguyễn Tiến Kiệm Trường Đại học Công nghiệp Hà nội Phạm Thượng Cát Viện Công nghệ thông tin, Viện KH và CN Việt Nam Email: kiemnguyentien@gmail.com Tóm tắt: Báo cáo khảo sát bài tóan điều khiển bệ Pan/Tilt Camera bám mục tiêu di động khi có nhiều tham số bất định trong hệ động lực của bệ. Sau khi xây dựng mô hình và phân tích hệ thống báo cáo đề xuất một phương pháp điều khiển mới sử dụng mạng nơ ron học on-line trong vòng điều khiển kín để điều khiển bệ chuyển dịch camera luôn bám theo mục tiêu cơ động không biết trước. Cấu trúc điều khiển dựa trên sai lệch đặc trưng ảnh, xác định tốc độ quay hai phương Pan và Tilt cần thiết và tính được mô men điều khiển các khớp để camera luôn bắt được ảnh mục tiêu ở tâm điểm. Tính ổn định tiệm cận toàn cục của hệ kín được chứng minh theo nguyên lý ổn định Lyapunov. Các kết quả mô phỏng trên Matlab tool cho thấy hệ thống bám nhanh và ổn định. Abstract: This paper studies a problem controlling a Pan-Tilt Camera tracking a moving target where many uncertain parameters exist in the system’s dynamics. After modelling and analysing the system, this paper suggests a new control method using an on-line neural network in closed-loop to control the Pan-Tilt moving the Camera always tracking an unknown moving target. The control structure based on the image property error determines necessary rotate velocities on the Pan and Tilt joints and computes the torques controlling the joints such that the target image always be at the center point in the image plane. The global asymptotical stability of the closed-loop is proven by the Lyapunov direct stability theory. Simulation results on Matlab show the system tracking fast and stable. Ký hiệu Đặc trưng ảnh J c Ma trận Jacobi ảnh d q Vận tốc góc khớp Pan Tilt mong muốn q Vận tốc góc khớp thực của Pan Tilt c Vận tốc góc Camera trong hệ tọa độ camera J Ma trận Jacobi của Pan-Tilt Mô men khớp của Pan Tilt w o r Tọa độ mục tiêu trong hệ tọa độ bệ Pan-Tilt c o r Tọa độ mục tiêu trong hệ tọa độ camera Chữ viết tắt: RBF- Radial Basis Function. 1. Đặt vấn đề Bệ Pan/Tilt có hai bậc tự do quay theo theo hai hướng phương vị (Pan) và góc tà (Tilt). Cấu trúc này được ứng dụng nhiều làm bệ quay radar (cố định hay di động đặt trên xe, tàu) hay bệ quay các thiết bị quang học theo dõi, kiểm tra không gian. Bài báo này khảo sát và nghiên cứu phương pháp điều khiển tốc độ bệ Pan/Tilt gắn camera bám mục tiêu cơ động khi ta không biết rõ mô hình động lực của bệ. 788 Nguyễn Tiến Kiệm, Phạm Thượng Cát VCM2012 fx fy u v z z Hình 1: Bệ Pan-Tilt-camera. Hiện nay trên thế giới có nhiều bài báo và báo cáo khoa học về phương pháp điều khiển bám mục tiêu di động sử dụng bệ Pan-Tilt và camera, các bài báo tiêu biểu đã nghiên cứu về lĩnh vực này như : Điều khiển cánh tay robot bám mục tiêu theo phương pháp bù sử dụng mạng nơ ron đăng trên tạp chí của viện Franklin-Mexico, nội dung chủ yếu của bài nghiên cứu là thiết kế bộ điều khiển dùng mạng nơ ron để bù các thành phần bất định [8] . Phương pháp điều khiển bám mục tiêu trong không gian 3 chiều bằng bệ Pan-Tilt và camera bằng cách sử dụng phương pháp bám điểm ảnh liên tục và bộ lọc điểm ảnh, báo cáo tại hội nghị SICE năm 2011, đại học Waseda, Tokyo, Japan, bài nghiên cứu này sử dụng phương pháp bám theo mục tiêu trong không gian 3 chiều để nhận dạng vị trí và hướng của vật thể chuyển động liên tục [9]. Điều khiển bám mục tiêu bằng cách bám theo tín hiệu nhận được qua video thu được từ vật thể bay được báo cáo tại hội nghị AIM2011, Budapest, Hungary, năm 2011, bài nghiên cứu này sử dụng tín hiệu nhận được qua video để bám theo mục tiêu [10]. Nghiên cứu về công nghệ điều khiển robot dựa trên việc quan sát đối tượng trong không gian, báo cáo tại hội nghị quang điện tử và điện tử quốc tế năm 2011 (ICEOE2011), bài nghiên cứu này sử dụng cánh tay ro bốt 6 bậc tự do điều khiển từ xa kết hợp với phương pháp điều khiển linh hoạt để bám theo mục tiêu trong không gian 3 chiều [11]. Cách tiếp cận mới về việc điều khiển bám mục tiêu di động bằng cánh tay robot và camera sử dụng bộ quan sát phi tuyến báo cáo cho hội nghị IEEE/ASME transaction on mechatronics, Vol2.16, No2, April, 2011 bài nghiên cứu này giới thiệu phương pháp điều khiển mới để tìm kiếm vật thể chuyển động trong không gian 3 chiều [12]. Điều khiển ổn định bám mục tiêu di động kết hợp mạng nơ ron cho cánh tay robot, báo cáo tại hội nghị IEEE transaction neural networks, Vol.17, No4, July, 2006, bài nghiên cứu sử dụng mạng nơ ron để nhận dạng thông số của rô bốt để điều khiển bám theo đối tượng [13]. Trong báo cáo này chúng tôi sử dụng thuật toán điều khiển vận tốc bệ Pan Tilt bám theo mục tiêu dùng mạng nơ ron để nhận dạng các tham số bất định, và dùng bộ lọc Kalman để ước lượng vận tốc và vị trí của đặc trưng ảnh của mục tiêu. Với thuật điều khiển này cánh tay robot điều khiển vận tốc luôn bám sát mục tiêu khi nhận được tín hiệu ảnh của mục tiêu trên mặt phẳng ảnh. 2. Xây dựng thuật toán điều khiển bám mục tiêu di động Mô tả phương trình tạo ảnh của camera Ảnh của một điểm P (x,y,z) trong không gian được ánh xạ vào mặt phẳng ảnh thu được điểm i P(u, v) có toạ độ như sau Hình 2: (1) trong đó f là tiêu cự của camera. Ảnh của camera sau khi qua bước số hoá và xác định đặc trưng ảnh sẽ cho ta toạ độ trọng tâm của mục tiêu trên mặt phẳng ảnh. Toạ độ này được ký hiệu là [ , ] T u v ξ và sẽ được sử dụng như một thông số của hệ Pan-Tilt-camera. Xây dựng thuật toán điều khiển bám mục tiêu di động Nhiệm vụ điều khiển được thực hiện thông qua hàm sai lệch giữa đặc trưng ảnh mong muốn * ξ và đặc trưng ảnh thu được. Hàm sai lệch này có thể được định nghĩa như sau: e = M( ξ - ξ*) (2) với M là ma trận hằng số có hạng bằng số khớp của robot. M được chọn là ma trận đơn vị khi số đặc trưng ảnh bằng số biến điều khiển của robot. Ta nhận thấy rằng, đối với sự thay đổi của đặc trưng ảnh, hàm sai lệch (2) phụ thuộc vào chuyển động của camera và chuyển động của mục tiêu: ( ) ( , ) c w w c o t t t 0 e r e r r (3) trong đó, c r o là vector vị trí và hướng của mục tiêu nhìn trong khung toạ độ camera, w r c là vector vị trí Tuyển tập công trình Hội nghị Cơ điện tử toàn quốc lần thứ 6 789 Mã bài: 167 và hướng của camera nhìn trong khung toạ độ bệ Pan-Tilt và w r o là vector vị trí và hướng của mục tiêu nhìn trong khung toạ độ rô bốt (Hình1). Từ phương trình (3), ta có: 0 w w c o c w w c o d dt t t t r r e e e e J Ω r r (4) trong đó / w c c J e r là ma trận Jacobi ảnh thể hiện quan hệ giữa sự thay đổi của đặc trưng ảnh và sự thay đổi của vector w r c , thành phần / w o w o t t r e e r được coi là thành phần đặc trưng cho chuyển động của mục tiêu gây nên sự thay đổi trên đặc trưng ảnh, / w c c t Ω r là thành phần vận tốc của camra gắn trên bệ Pan-Tilt. Mục đích điều khiển là đảm bảo nếu c o ( (t)) * ξ r ξ , thì e 0. Để đạt được điều này thì ta phải tìm được luật điều khiển dựa trên đặc trưng ảnh thu được. Từ (4), luật điều khiển theo vận tốc của camera có thể chọn là: 1 1 c c t c e Ω J e J (5) ở đây J c -1 là ma trận nghịch đảo hoặc giả nghịch đảo (pseudo-inverse) của ma trận Jacobi J c . Lúc này phương trình (4) ổn định tiệm cận và có dạng e e . Để hệ thống điều khiển ổn định theo hàm mũ, ee ( > 0), ta có thể chọn luật điều khiển vận tốc của camera như sau: c c t 1 1 c e J e J Ω (6) trong đó gọi là hệ số suy giảm, thành phần t/ e là thành phần đặc trưng cho chuyển động của mục tiêu. Do chuyển động của mục tiêu là không biết trước nên ta phải ước lượng dự đoán trong quá trình điều khiển. Từ (4) ta có thể xấp xỉ t/ e như sau: ˆ ˆ c c c c d t dt e e J Ω ξ J Ω (7) Có nhiều phương pháp dự báo ˆ ξ từ ảnh của mục tiêu. Phương pháp phổ biến là lọc Kalman hoặc lọc Kalman mở rộng. ˆ c Ω là giá trị ước lượng của c Ω thường được lấy từ giá trị đo tốc độ chuyển động của camera gắn trên rô bốt. 3. Thuật điều khiển tốc độ bệ pan/tilt-camera bám mục tiêu di động Ta khảo sát cấu trúc bệ pan/tilt-camera được điều khiển theo góc quay phương vị (pan) và góc tà (tilt) như Hình 1. Thuật điều khiển tốc độ bệ bám mục tiêu di động được xác định qua 2 bước. Bước 1 là xác định tốc độ cần thiết cho các khớp Pan và tilt và bước 2 là xác định mô men cho các khớp Pan và Tilt bảo đảm tốc độ của các khớp bám sát tốc độ cần thiết tính trong bước 1. 3.1 Xác định tốc độ cần thiết cho các khớp Pan và Tilt bảo đảm sai lệch ảnh luôn triệt tiêu Hệ phương trình động lực học của bệ pan/tilt có dạng [2]: τ = H q q + h q,q (8) với: TT qq, 2121 qτ 2 2 1 12 2 21 2 2 1 1 2 1 1 2 1 1 2 2 ( sin cos ) 0 0 2 I I q I q I c q q C q c q C q H q h q,q 2220211 qcosqsinIIc trong đó q 1 , q 2 là các biến khớp theo trục quay pan và tilt. I 1 , I 2 , I 21 là momen quán tính của trục quay pan và trục quay tilt, C 1 , C 2 là hệ số ma sát của trục q i . τ là vector momen của động cơ lắp ở các khớp. Vận tốc góc c của camera theo hai hướng pan và tilt quan hệ với vận tốc khớp theo ma trận Jacobi 2 x 2 của bệ [2] như sau: c Ω = Jq (9) Trong đó 2 0 1 os 0 c q J ; 2 1 q q q ; pan tilt w w c Ω = Do vậy tốc độ của các khớp được tính theo công thức: 1 c q J Ω (10) Ma trận Jacobi ảnh xét trong trường hợp chuyển động pan/tilt [2] là: 2 2 2 2 c uv f u f f f v uv f f J (11) trong đó [ , ] T u v ξ là toạ độ trọng tâm của đặc trưng ảnh, f là tiêu cự của thấu kính camera. Để camera luôn chiếu thẳng đến mục tiêu ta chon * ξ = 0 . Lúc này * e = ξ -ξ = ξ và t t e ξ . Lưu ý là [ , ] T u v ξ . Thay thế vào phương trình (6), ta có phương trình điều khiển vận tốc của camera theo hướng pan và tilt dựa trên sự thay đổi của đặc trưng ảnh khi chọn M I là: 790 Nguyễn Tiến Kiệm, Phạm Thượng Cát VCM2012 c c t 1 1 c e J e J Ω (12) Từ các phương trình (10) và phương trình (12) ta có thể nhận đươc vận tốc mong muốn d q của các khớp của robot để camera luôn bám mục tiêu là: 1 1 0 0 0 ˆ d c q J J ξ J J ξ J Ω (13) Như vậy (13) là vận tốc mong muốn của các khớp của hệ robot-camera được xác định khi biết đặc trưng ảnh ξ tại thời điểm hiện tại là đặc trưng ảnh thu được, đặc trưng ảnh hoặc tốc độ của đặc trưng ảnh tại thời điểm tiếp theo ˆ ξ (có thể ước lượng được), và tốc độ của các khớp robot đo được tại thời điểm hiện tại q . 3.2 Xác định mô men cần thiết cho các khớp Pan và Tilt bảo đảm tốc độ khớp bám theo tốc độ cần thiết d q . Nếu ta bíết chính xác mô hình động lực bệ Pan-Tilt (7), ma trận Jacobi của bệ (9) và ma trận Jacobi ảnh (11) thì ta có thể chọn được mômen điều khiển các khớp robot theo phương pháp tính momen [1] như sau: τ = H(q)u + h(q,q) (14) Trong đó, u là tín hiệu điều khiển phụ sẽ xác định sau, d q là vận tốc mong muốn từ (13). Thay thế (14) vào (7) ta có phương trình hệ kín như sau: q u (15) Đây là hệ tích phân kép. Nếu ta chọn: d d u q -K(q -q ) (16) trong đó K là ma trận xác định dương và ký hiệu d ε = q -q thì hệ kín (15) có dạng: ε + Kε = 0 (17) Như vậy hệ sai số ε sẽ triệt tiêu về 0 theo hàm số mũ tức là tốc độ các khớp q sẽ bám theo tốc độ d q (13) mong muốn. Điều này sẽ bảo đảm camera bám mục tiêu với Hình 3. Sơ đồ khối hệ điều khiển tốc độ bệ Pan/Tilt-camera. sai lệch đặc trưng ảnh . e 0 Sơ đồ điều khiển của hệ visual servoing như Hình 3. 4. Thuật điều khiển visual servoing cho bệ pan/tilt khi có nhiều tham số bất định Khi không biết chính xác mô hình rô bốt ta không thể chọn mô men các khớp như (14). Ta có thể mô tả các đại lượng bất định trong hệ động lực bệ Pan-Tilt dưới dạng: H(q) = H(q) + ΔH(q) h(q) = h(q)+ Δh(q) (18) trong đó , H(q) h(q) là các phần biết, , H(q) h(q) là các phần không biết. Thay thế (18) vào (14) ta có: τ = H(q)q + h(q,q) f (19) với f = H(q)q + h(q,q) (20) Ta chọn mô men τ điều khiển các khớp rô bốt như sau: 0 1 τ τ + τ (21) ) 0 d d τ H(q)(q -K(q - q )+ h(q,q) (22) trong đó d ε q q ; K là một ma trận đối xứng xác định dương, 1 τ là tín hiệu điều khiển bù các thành phần bất định sẽ được xác định sau. Thay thế (21), (22) vào (19) ta có hệ động lực sai số tốc độ bám -1 1 1 ε + Kε = H (τ - f ) (23) Tuyển tập công trình Hội nghị Cơ điện tử toàn quốc lần thứ 6 791 Mã bài: 167 Đặt -1 1 τ' = H τ (24) -1 1 f' = H f (25) Thay vào (23) ta có ' ' ε + Kε = τ - f (26) Ta sẽ xây dựng mạng nơ ron RBF với thuật học phù hợp để mạng xấp xỉ ' f và xác định tín hiệu điều khiển 1 τ sao cho hệ (26) ổn định tiệm cận. Cấu trúc của mạng nơron RBF nhân tạo để xấp xỉ các thành phần bất định f' của hệ robot- camera phụ thuộc vào sai lệch vị trí của các khớp ε có thể chọn như Hình 4. Mạng nơron xấp xỉ hàm ( ) f ε là mạng RBF 3 lớp. Ở đây ta chọn lớp đầu vào của mạng nơ ron là n=2 thành phần của sai lệch tốc độ ε . Lớp ra có n=2 nơ ron tuyến tính. Lớp ẩn là các nơron có hàm phân bố Gauss dạng: 2 2 exp j j j j c ; j = 1, 2. (27) trong đó jj c , là tham số kỳ vọng và phương sai của hàm phân bố Gauss có thể tự chọn. Thông thường chọn jj c , khác nhau và phủ hết dải thay đổi biên độ của hàm bất định f ( ε) . Đầu ra của mạng là giá trị xấp xỉ của f ( ε) . Đầu vào của mạng nơ ron là sai lệch ε . Hình 4: Mạng RBF xấp xỉ hàm f Theo định lý Stone-Weierstrass, mạng RBF có cấu trúc trên có thể xấp xỉ thành phần bất định 2 R f mô tả bằng phương trình sau: ˆ f = W σ +β = f + β (28) ˆ f = W σ (29) trong đó: W là ma trận trọng số của mạng được cập nhật on-line. β là sai số xấp xỉ và bị chặn 0 β . Định lý 1: Hệ robot Pan Tilt-camera 2 bậc tự do có nhiều tham số bất định (19) với mạng nơron (28), (29) sẽ bám theo mục tiêu di động với sai số ( ) d ε q - q 0 nếu ta chọn thuật điều khiển τ và thuật học W của mạng nơron như sau: d d 1 τ = H(q)(q - K(q -q ) + h(q,q) + τ (30) 1 1 ε τ = H ( )Wσ - ε (31) T W εσ (32) trong đó các tham số tự chọn K là ma trận đối xứng xác định dương T K = K > 0 , các hệ số , 0 . Cấu trúc của hệ điều khiển có thể mô tả theo sơ đồ trên Hình 5. Mô men τ gồm hai thành phần chính: ˆ ˆ 0 d d τ H(q)(q - K(q -q ) + h(q,q) là thành phần phản hồi và bù các thành phần phi tuyến, 1 τ là thành phần có mạng nơron với thuật học on-line để xấp xỉ các thành phần bất định. Định lý này được chứng minh bằng phương pháp ổn định Lyapunov đảm bảo tính ổn định tiệm cận toàn cục của cả hệ thống như sau: Chứng minh: Chọn hàm V xác định dương như sau: 2 1 1 2 i i i V T T ε ε w w (33) Trong đố i w là véc tơ cột thứ i của ma trận trọng W. Ta có V > 0 khi i ε,w 0 ; V = 0 khi và chỉ khi i ε,w 0 i=1,2; V khi i ε,w . Lấy đạo hàm V theo t ta có 2 T i i i 1 V T ε ε w w (34) Từ (26) ta rút ra: ε = τ'- f'- Kε (35) Thay (35) vào (34), đạo hàm V theo t có dạng: 2 T i i 1i V T T ε Kε ε τ -f w w (36) Với thuật học on-line (32) ta có i i w s ; i = 1, 2; i w là cột i của ma trận W (37) ta có thể xác định được: 2 2 T T i i i 1 1 2 T T i i 1 i i i i w w w ε ε w ε Wσ (38) Thay (38) và (27) vào (36) ta có: 792 Nguyễn Tiến Kiệm, Phạm Thượng Cát VCM2012 Hình 5: Cấu trúc của hệ visual servoing điều khiển camera bám mục tiêu di động có nhiều tham số bất định + (1 )V T T ε Kε ε τ Wσ β (39) Từ (24) và (31) ta có (1 ) - ε τ Wσ ε ; 0 (40) Thay (40) vào (39) ta được: 0 ( ) . . V T T T T ε ε Kε ε β ε ε Kε ε ε β ε Kε ε ε (41) Nếu chọn 0 ; 0 ta có 0 - + - ε ε ε (42) Thay (42) vào (41) ta nhận được: 0 V T ε Kε ε (43) Ta thấy 0 V khi ε 0 và 0 V khi và chỉ khi ε 0 .Theo nguyên lý ổn định Lyapunov ta có sai lệch tốc độ ε 0 và sai số đặc trưng ảnh cũng sẽ triệt tiêu e 0 . Như vậy hệ (23) là ổn định tiệm cận và do đó ( )t d ξ ξ hay nói cách khác camera bám theo mục tiêu di động với sai lệch đặc trưng ảnh bằng 0. Định lý 1 cũng như tính ổn định tiệm cận toàn cục của hệ rô bốt - camera bám mục tiêu sử dụng mạng nơ ron mô tả trong Hình 5 đã được chứng minh. 5. Ước lượng vị trị và vận tốc của đặc trưng ảnh Bài toán bám mục tiêu di động yêu cầu phải dự báo được vị trí và tốc độ của đặc trưng ảnh ở bước tiếp theo. Bộ lọc Kalman được sử dụng để ước lượng dự đoán căn cứ vào thông tin ảnh thu được từ camera số tại thời điểm hiện tại. Bộ lọc Kalman được coi như bộ ước lượng trạng thái hệ thống. Nó có cấu trúc lọc đơn giản và độ hội tụ tốt cùng với khả năng lọc nhiễu cao [5], [7]. Mô hình cần được ước lượng được mô tả bởi hệ phương trình trạng thái: kkk kkk ζCxy GωAxx 1 1 (44) Ở đây, (x k , y k ) và (x k+1 , y k+1 ) tương ứng là vector trạng thái và vector đầu ra của hệ thống tại thời điểm thứ k và k+1. Đối với bài toán ước lượng trọng tâm ảnh, ta có: T kkkkk vvuu ][ x ; T kkk vu ][y (45) Nhiễu quá trình k là nhiễu thể hiện độ không chính xác của mô hình và được giả thiết là nhiễu ồn trắng và có giá trị kỳ vọng bằng 0, ma trận tương quan Q đã biết, có thể coi k (0, Q); k là nhiễu đo lường do độ không chính xác của sensor và cũng là nhiễu ồn trắng có giá trị kỳ vọng bằng 0, ma trận tương quan R, k (0, R). Trong mô phỏng Q, R được chọn xác định dương và là các ma trận đơn vị. Trong bài toán dự báo vị trí và vận tốc của điểm đặc trưng, ta xấp xỉ chuyển động của mục tiêu giữa hai lần cắt mẫu T có vận tốc hằng số. Như vậy các ma trận có giá trị như sau: 1000 100 0010 001 T T A ; 0100 0001 C ; G = I Thuật toán lọc Kalman: Bước cập nhật trạng thái 1 1 ˆ ˆ k k T T k k x Ax P AP A GQG Tuyển tập công trình Hội nghị Cơ điện tử toàn quốc lần thứ 6 793 Mã bài: 167 Cập nhận ma trận hệ số bộ lọc Kalman 1 1 1 1 T T k k k K P C CP C R Bước cập nhật phép đo 1 1 1 1 1 1 1 1 1 ˆ ˆ k k k k k k k k k x x K y Cx P P K CP Khởi tạo ban đầu. 0 0 , x x P P là ma trận tương quan sai lệch, ban đầu P 0 chọn là ma trận đơn vị, chỉ số “-“ xác định giá trị trước thời điểm cập nhật. Đầu ra của bộ dự báo cho ta vị trí và tốc độ của tâm điểm ảnh mục tiêu. 6. Kết quả mô phỏng hệ thống điều khiển visual servoing trên Matlab Hệ thống điều khiển camera được điều khiển để bám theo đối tượng, đáp ứng được yêu cầu bám mục tiêu khi có nhiều bất định trong hệ động lực của bệ Pan/Tilt. Sai số của hệ có điều khiển khi bám theo mục tiêu cho đặc trưng ảnh nằm ở chính giữa ảnh đã đạt được độ chính xác cao. Kết quả mô phỏng. Mục tiêu nằm tại vị trí (2000, -119, 165) mm theo hệ toạ độ thực. Vị trí ban đầu các góc khớp là (q 1 =0; q 2 =0). Mục đích của hệ visual servoing là bệ Pan/Tilt quay camera sao cho ảnh của mục tiêu nằm ở tâm ảnh (u=0; v=0). Kết quả mô phỏng trên Matlab như Hình 6. -3 -2.5 -2 -1.5 -1 -0.5 0 0.5 x 10 -3 -0.005 0 0.005 0.01 0.015 0.02 0.025 0.03 U axis V axis dac trung anh Hình 6.1 Đồ thị đặc trưng ảnh. 0 1 2 3 4 5 6 7 8 9 10 -1 0 1 2 3 4 Do Thi van toc goc khop mong muon cua Pan-Tilt Time (s) Angular Velocity (rad/s) q d dot 1 q d dot 2 Hình 6.2 Đồ thị các vận tốc khớp mong muốn 0 1 2 3 4 5 6 7 8 9 10 -150 -100 -50 0 50 100 Time (s) Mo men khop (N.m) Mo men khop Pan Mo men khop Tilt Hình 6.3 Đồ thị mô men khớp 0 1 2 3 4 5 6 7 8 9 10 -0.1 -0.05 0 0.05 0.1 0.15 0.2 0.25 Time (s) Neural Network Weights w 11 w 12 w 21 w 22 Hình 6.4 Đồ thị các trọng số mạng nơ ron 0 1 2 3 4 5 6 7 8 9 10 -0.1 0 0.1 0.2 0.3 0.4 0.5 0.6 Time (s) Joint Angle (rad) q 1 q 2 Hình 6.5 Đồ thị các góc khớp 0 1 2 3 4 5 6 7 8 9 10 -4 -3 -2 -1 0 1 Time (s) Sai lech van toc khop Pan-Tilt e 1 =q 1 -q d1 e 2 =q 2 -q d2 Hình 6.6 Đồ thị các sai lệch vận tốc khớp 7. Kết luận. Báo cáo đã trình bày về phương pháp xây dựng hệ visual servoing bám được mục tiêu. Kết quả mô phỏng trên Matlab chứng tỏ thuật toán đưa ra là hội tụ và đạt độ chính xác cao. Các nghiên cứu thử nghiệm trên mô hình thực tế sử dụng bệ pan/tilt của hãng DPerception cung cấp sẽ được triển khai trong thời gian tới. Các hướng nghiên cứu khi bệ pan/tilt đặt trên các phương tiện di động hoặc tầu thuỷ đang được nghiên cứu với sự trợ giúp của khối quán tính trong bài toán ổn định bệ. Tài liệu tham khảo. [1]. J.Somlo, B.Lantos, P.T.Cat. Advanced Robot Control. Akademiai Kiado Budapest, 1997. 794 Nguyễn Tiến Kiệm, Phạm Thượng Cát VCM2012 [2]. Trần Việt Phong. Xây dựng hệ điều khiển robot trên cơ sở phản hồi hình ảnh. Luận văn thạc sỹ, Đại học Bách Khoa 2002. [3]. Seth Hutchison, Greg Harger, Peter Corke. A Tutorial on Visual Servo Control. IEEE Trans. Robot. Automat., 12(5): 651-670, Oct. 1996. [4]. Armel Cretual, Francois Chaumette. Image- Based Visual Servoing by Integration of Dynamic Measurements. IEEE Int. Conf. Robot. Automat., Vol 3:1994-2001, May, 1998. [5]. Peter I. Corke. Visual Control of Robot: High- Performance Visual Servoing. Research Studies Press Ltd, 1996. [6]. Koichi Hashimoto. Observer-based visual servoing. Okayama University, Japan. [7]. J.A. Piepmeier, G.V. McMuray, H.Lipkin. Tracking moving target with Model Independent Visual Servoing: A predictive estimate Approach Proceeding of the 1998 IEEE, Int. Conf. On intelligent robot and system, Leuven, Begium, 1998. [8]. Wen Yu, Marco A Moreno-Armendariz. Robust visual servoing of Robot Manipulators with neuro compensation. Journal of the Franklin institute. [9]. Hyroiuki Ukida, Masayuki Kawanami, Yasuhiro Terama. 3D object tracking by Pan-Tilt moving camera and robot using sparse template matching and particle filter. SICE annual conference 2011september 13-18, 2011, Waseda university, Tokyo, Japan. [10]. Tingting Wang, Guodong Liu, Wenfiang Xie, member IEEE. Visual servoing control of video tracking system for tracking a flying target. 2011 IEEE/ASME International conference on advance intelligent machetronics (AIM2011), Budapest, Hungary, July 3-7, 2011. [11]. Chengxian Zhou, Wei Fu. A study of robot control technology base on stereo vision. 2011 international conference on electronics and optoelectronics (ICEOE 2011). [12] Hesheng Wang, Yun-Hui Liu, Weidong Chen, Zhongli Wang. A new approach to dynamic Eye-in- Hand visual tracking using nonlinear observers. IEEE/ASME Transactions on Mechatronics, Vol.16, No2, April 2011. [13] G.Loreto, R.Garrido. Stable Neurovisual Servoing for Robot Manipulator. IEEE Transaction Neural Networks Vol.17, No4, July 2006. . Thuật điều khiển tốc độ bệ pan/ tilt- camera bám mục tiêu di động Ta khảo sát cấu trúc bệ pan/ tilt- camera được điều khiển theo góc quay phương vị (pan) và góc tà (tilt) như Hình 1. Thuật điều khiển. học về phương pháp điều khiển bám mục tiêu di động sử dụng bệ Pan- Tilt và camera, các bài báo tiêu biểu đã nghiên cứu về lĩnh vực này như : Điều khiển cánh tay robot bám mục tiêu theo phương. tốc góc khớp thực của Pan Tilt c Vận tốc góc Camera trong hệ tọa độ camera J Ma trận Jacobi của Pan- Tilt Mô men khớp của Pan Tilt w o r Tọa độ mục tiêu trong hệ tọa độ bệ Pan- Tilt