机器学习和视觉伺服汇报
23页A Hybrid Visual Servo Controller for Robust Grasping by Wheeled Mobile Robots,汇报人:xxx 时 间:202x年xx月,CONTENTS 目录,1.1 背景,自主协作 移动机器人,视觉控制,灵活性 机动性 健壮与鲁棒性,1.2 国内外发展现状,2.1 任务描述,自主搜索零件 识别 自动抓取,2.2 基本控制律,机器人坐标、 摄像机坐标,图像平面坐标、 像素坐标、 摄像机坐标,2.3 基于视觉的移动机器人运动控制,机器人、摄像机坐标转换:,摄像机坐标到机器人 坐标的齐次变换,代表旋转矩阵,摄像机坐标原点相对于 机器人坐标的位置向量,相机速度和机器人速度:,机器人相对于机器人坐标的速度矢量,机器人在地面上的平移速度和旋转速度,代表对于摄像机坐标的摄像机速度矢量,代表斜对称矩阵,机器人平移速度和旋转速度可用车轮速度表示:,2.3 基于视觉的移动机器人运动控制,摄像机、图像平面、像素坐标转换:,摄像机坐标到平面坐标原点距离,P在平面坐标系投影p点的坐标,使用机载激光/声纳测距仪估计,控制律:通过图像可以直接估计轮子的角度,通过软件可直接测量得到,是一个22方程,来源于,Q-Learning算法中有两个术语:“状态” (state)“行为” (action)。每个房间都是一个“状态”,将agent从一个房间走到另外一个房间称为“行为”。,状态为行,行为为列,可构建一个reward值的矩阵R,其中-1代表不相连。,reward,类似地,可构建一个矩阵Q,用它表示agent从经验中已经学到的知识,该矩阵与矩阵R是同阶的。,当危险区域较大时,在IBVS控制下,视觉特征可以很容易进入危险区域。 仲裁员会经常起作用。 训练过的Q-learning控制器具有很强的鲁棒性。,开发了一种基于Q-learning的离散事件控制器; 基于规则的仲裁器与IBVS控制器,构成混合控制器; 自主学习其行为策略。,谢谢!,
《机器学习和视觉伺服汇报》由会员船**分享,可在线阅读,更多相关《机器学习和视觉伺服汇报》请在金锄头文库上搜索。
2023-06-06 27页
2022-09-28 52页
2022-09-20 27页
2021-12-24 33页
2021-09-22 20页
2021-09-22 24页
2021-09-22 16页
2021-09-22 25页
2021-09-22 15页
2021-09-22 34页