霍敬轩+马小康+张爱萍
摘 要：伺服系统又称随动系统，是用来精确地跟随或复现某个过程的反馈控制系统。伺服系统使物体的位置、方位、状态等输出被控量能够跟随输入目标（或给定值）的任意变化的自动控制系统。
关键词：视觉伺服；分类；分析
1 视觉伺服系统的分类介绍
视觉伺服系统一般可以根据反馈、摄像头位置、视觉控制方式和摄像头数量的差异进行分类：
（1）与工业控制系统一样根据有无反馈可分为两类：开环体系和闭环体系。闭环体系这种视觉伺服系统的主要优点是，摄像头对机器人的标定不必非常精确，系统就可以控制机器人按照预先的规划进行运动。
（2）根据摄像头位置的不同来分类：一般摄像头在视觉伺服系统中被称为机器人的“眼睛”，而执行体系如机械卡爪等被称为机器人的“手”。另一种是摄像头安装在执行系统之外，通常叫为“眼在手外”。
（3）当使用闭环控制体系来控制机器人的运动状态时按照视觉控制方式的差异可以分为两类：一种为基于位置的视觉伺服系统，第二种为基于图像的视觉伺服系统：在该种视觉伺服体系中偏差的主要来源为图像，它是直接利用图像的特征来进行系统反馈的。图2为这种视觉伺服体系的工作原理图。
（4）按摄像头数目分类：不同的视觉伺服体系中安放的摄像头数量不同，所以对视觉伺服体系可以按照摄像头数量进行分类，当具有一个摄像头时称为单目系统，具有两个摄像头时称为双目系统，摄像头数量在两个以上时称为多目系统。
2 视觉系统的研究现状
视觉系统的研究现状主要包括摄像头标定技术的研究现状，边缘检测技术的研究现状，特征提取算法的研究现状。
2.1 摄像头标定技术研究现状
一般情况下，系统需要通过建立摄像头成像的几何模型来确定空间物体表面某点的笛卡尔空间坐标与其在图像中对应点之间的几何关系，这些几何模型的参数就是摄像头参数，而这些参数大多数是通過多次实验与计算才能够得到，这个求解参数的过程就称之为摄像头标定（或摄像机标定）。摄像头标定技术一般有以下三种方法：（1）一般标定方法。（2）主动视觉标定方法（3）自标定方法。
2.2 边缘检测算法研究现状
边缘检测是视觉系统中数字图像处理与分析的基础内容，在图像处理中起着非常重要的作用，边缘检测算法的好坏直接影响图像处理的结果进而影响系统的精度与稳定性。综合已有的边缘检测技术，其算法主要有分为三类，第一种为微分算子方法。第二种方法为基于局部图像的方法。第三种方法为基于全局的边缘检测方法
现在，边缘检测的主要研究重点是寻找灰度值强度的非连续性、抑制噪声和保持边缘定位精度等三个内容。因此要求不同，采取的边缘检测方法也不相同，甚至会采用几种方法相互结合的手段进行检测。
2.3 特征提取算法研究现状
图像的特征检测最基本的有直线检测、圆检测和椭圆检测等。
（1）直线检测研究现状。当前在直线检测领域，使用最为广泛的为霍夫算法和Randon算法。霍夫算法是霍夫在1962 年提出的一种在直角坐标系下检测直线的方法通常称为霍夫变换，随后在1972年Duda改进了霍夫变换，通过极坐标系解决了图像的90度死角问题。
（2）圆检测算法研究现状。上述的这些直线检测算法主要针对的直线为直线的变量数减少的情况，但是对直线的变量数增加的情况，其检测效果就不是很明显。因此，在对圆进行检测时，就需要对霍夫算法进行改进，使其能够对变量增多的圆进行检测。
（3）椭圆检测算法研究现状。在检测椭圆图像的算法中，有两种算法应用最为广泛，一种为霍夫变换的改进算法聚类算法，这种算法主要是根据椭圆的几何性质，使其降维，再通过霍夫算法进行检测。屈稳太提出的基于弦中点霍夫变换，就是此类算法。首先是计算出对椭圆的切点方向，然后计算出椭圆的切线方程，最后确定椭圆的方程。另一种算法为最优化算法，例如最小二乘法以及遗传算法等。这些算法都是由下向上的检测算法，都是直接对图像数据进行检查。
3 结束语
本文主要论述了视觉伺服系统分类和研究现状。首先介绍了视觉伺服系统的分类包括四种不同的分类方法，详细叙述了摄像头现阶段主流的的三种标定技术，边缘检测主流的三种检测算法，最后论述了直线、圆、椭圆等三种特征的提取算法。
参考文献
[1]杨楠.PUMA560机械臂视觉伺服系统设计[D].哈尔滨工业大学，2013.
[2]王鹏飞.基于RM-501机械臂视觉伺服系统的研究[D].哈尔滨工业大学，2009.
[3]王麟琨，徐德，谭民.机器人视觉伺服研究进展[J].机器人，2004，03：277-282.
[4]Chaumette F， Malis E. 2 1/2 D visual servoing： a possible solution to improve image-based and position-based visual servoings[C]//Robotics and Automation， 2000. Proceedings. ICRA'00. IEEE International Conference on. IEEE， 2000， 1： 630-635.
[5]Tsai R Y. An efficient and accurate camera calibration technique for 3D machine vision[C]//Proc. IEEE Conf. on Computer Vision and Pattern Recognition， 1986.
