Professional Documents
Culture Documents
Abstract— En este artı́culo se presenta una solución novedosa de la tarea de control (Figura 1). Antes de llevar a la práctica
y original a la restricción de visibilidad que en los últimos años es la idea de permitir la desaparicin y reaparicin temporal de car-
uno de los tópicos más importantes en el campo de los sistemas acterı́sticas en la imagen durante el control, hay que plantearse
de control visual de robots. La solución propuesta se basa en
la aceptacin de los cambios de visibilidad de las caracterı́sticas qué efecto produce esta estrategia. Como el control visual
durante la ejecución de la tarea de control frente a las soluciones basado en caracterı́sticas de la imagen se define en el espacio
propuestas hasta la fecha que se basan en la restricción de los de la imagen, el efecto producido por la prdida y recuperación
movimientos de la cámara con el objetivo de evitar la salida de de caracterı́sticas es el de producir una discontinuidad en la ley
las caracterı́sticas del campo de visión de la misma. de control. Dependiendo de la magnitud de la discontinuidad
La solución propuesta se aplica con posterioridad a un novedoso
sistema de control visual invariante respecto a los cambios en los se producirán o no movimientos no deseados en la cámara o
parámetros intrı́nsecos de la cámara mediante su reformulación. en el robot.
Imágenes adquiridas por la cámara en distintos instantes de muestreo
Index Terms— Visión por computador, control visual de robots,
robótica, restricción de visibilidad, continuidad, robustez. 2 6
1 6 6
7
5 8 7 2 7
1
I. I NTRODUCCI ÓN 4 3
2 8 5
3
8
1 4
El control visual de robots ha sido investigado profunda- 5 3
4
mente en las tres últimas décadas [1], [2]. En los últimos años, Imagen en T0 Imagen en TK Imagen en TK+N
Para llevar a buen término este objetivo, se define una no deseados en la posición y orientación de la cámara. En la
función de la tarea (task function approach [13]) asociada a Figura 4 (a), se puede apreciar un cambio brusco en la posición
un sistema formado por una cámara y un robot. Toda función de la cámara debido a las discontinuidades producidas en la
de la tarea vendrá dada por una función de salida que en este ley de control. Aunque se produce un cambio de orientación
caso consiste en una función de error e definida en el espacio de la cámara, ste no es apreciable debido a su pequea magnitud
de caracterı́sticas de la imagen: (Figura 4 (b)).
+ (s − s∗ )
e=L (1) 0.1 0.1
0
0.05
v
salida e para que en un determinado intervalo de tiempo se −0.05 0
ω
−0.2
−0.3
vx −0.15
ω
x
v = −λ e + (s − s∗ )
siendo e = L (2) (a) (b)
donde λ es una constante proporcional definida positiva direc- Fig. 3. Discontinuidades en la ley control cuando algunas caracterı́sticas
tamente relacionada con la velocidad de convergencia. desaparecen del campo de visión de la cámara. Las velocidades de traslación
(a) y rotación (b) de la cámara están medidas en m y deg respectivamente
Supongamos que durante la tarea de control una o más s s
0.1
desaparecido de la imagen o bien en el caso de que aparezcan 0.1
t
0.05 0.08
0.04
−0.1
de salto finito en la ley de control (2). La magnitud de (a) Error de posición (b) Detalle (Error posición)
la discontinuidad depende del número de caracterı́sticas que 18
uθ x
uθ
16 x y
uθ uθ
tiempo, de la distancia entre las caracterı́sticas actuales y las
11
14 y z
uθ
z
12
de referencia y de la pseudoinversa de la matriz de interacción
10.5
10
L+ .
10
uθ
8
uθ
6 9.5
4
9
2
8.5
0
−2 8
0 200 400 600 800 1000
sn+1
50 60 70 80 90 100 110
Iteraciones Iterations number
Como pi = K mi = (ui , vi , 1), la matriz Sp puede ponerse en la cámara. La segunda será contestada a lo largo de esta
en función de Sm y de los parámetros intrı́nsecos de la cámara sección pero la idea fundamental es anticipar mediante los
K: Sp = K Sm K . Si los puntos son no colineales y n > pesos, las caracterı́sticas que son potencialmente más proclives
3, las matrices Sp y Sm son definidas positivas y pueden a desaparecer o a aparecer en el plano de la imagen.
descomponerse utilizando la descomposición de Cholesky en: La idea clave de esta formulación es asociar a cada carac-
Sp = Tp T
p y Sm = Tm Tm . De estas ecuaciones se terı́stica (puntos, lı́neas, momentos, etc) un peso que puede
puede obtener la relación: Tp = K Tm ser función de las coordenadas de la imagen (u,v) y/o de la
La matriz Tp al igual que la matriz Tm definen un trans- distancia a un objeto que pueda ocluir el objeto de referencia,
formación proyectiva al nuevo espacio proyectivo Q. Podemos etc. En esta sección se utilizará una función de pesos que
ahora, por tanto, calcular los vectores qi ∈ Q mediante la depende de la posición de la caracterı́stica en la imagen (u,v).
expresin qi = Tp −1 pi partiendo de los puntos de la imagen, Denominando γy al peso asociado a una caracterı́stica, se ha
o bien mediante la expresin qi = Tm −1 mi si se conoce el utilizado la siguiente función para obtener su valor:
modelo del objeto y la posición/orientación deseada. Estas
(x−xmed )2n
ecuaciones definen el mismo punto en el espacio proyec- γy (x) = − m
e (x−xmin ) (xmax −x)
m
xmin < x < xmax
T−1p pi = Tm K
−1 −1
Kmi = T−1 m mi . Por tanto, el nuevo La función γy (x) es una función simétrica respecto a xmed =
espacio proyectivo Q es independiente de los parámetros xmin +xmax
y con forma de campana. Con los parámetros n,
2
intrı́nsecos de la cámara (T−1 m y mi no dependen de los m se puede controlar la forma de la función(Figure 5). En la
parámetros intrı́nsecos de la cámara). De igual forma que en el Figura se muestra también la representación gráfica de γuv
i
en
control visual clásico basado en caracterı́sticas de la imagen, la cual se puede observar que los pesos tienden a cero cerca
el control de la cámara se consigue introduciendo todos los del borde de la imagen mientras que tienden a 1 cerca del
puntos de referencia del espacio invariante Q en un vector centro de la imagen.
s∗ (ξ ∗ ) = (q∗1 , q∗2 , · · · , q∗n ) de dimensión (3n×1). De la misma
manera, los puntos caracterı́sticos en la posición/orientación
actual del sistema de referencia de la cámara son introducidos 1
0.2
n=m=1
+ (s − s∗ )) y
n=m=4
convergencia. Sustituyendo ė por su expresión obtenida en la De forma similar a cmo se procedi en la seccin 3, se tiene
ecuación (6), se obtiene la expresión de la ley de control v: que si los puntos son no colineales, se cumple la restricción
indicada anteriormente mediante la redistribución de pesos (9)
CWLv − CWṡ∗ + (CẆ + ĊW)(s − s∗ ) = −λe
y n > 3, entonces Sγpi y Sγmi son matrices definidas positivas
y pueden ser expresadas, utilizando la descomposición de
v = −λ (CWL)−1 e + (CWL)−1 CWṡ∗ + Cholesky, como: Sγpi = Tγpi Tγpi y Sγmi = Tγmi Tγmi
+ (CWL)−1 (CẆ + ĊW) (s − s∗ ) (7) Como pi = K mi = (ui , vi , 1), la matriz Sγpi puede ponerse
en función de Sγmi y de los parámetros intrı́nsecos de la cámara
Ya que los pesos asociados a las caracterı́sticas varı́an muy
K:Sγpi = K Sγmi K . De estas ecuaciones se puede obtener
lentamente se puede considerar que la derivada de la matriz
la relacin: Tγp = K Tγm La matriz Tγp al igual que la matriz
W es aproximadamente nula (Ẇ ≈ 0). Si a la matriz C le
Tγm definen un transformación proyectiva al nuevo espacio
damos el valor (W∗ L∗ )+ , entonces (CWL) > 0 y la función
proyectivo Qγ . Podemos ahora por tanto calcular los vectores
de la tarea definida converge a cero resultando que, en ausencia
qi ∈ Qγ a partir de los puntos de la imagen según la siguiente
de mı́nimos locales y singularidades, el error de caracterı́sticas
transformación: qi = Tγp −1 pi o si se conoce el modelo del
de la imagen s − s∗ tambin converge a cero. En este caso C
es constante y por tanto Ċ = 0. Tomando en consideración objeto y la posición/orientación deseada:qi = Tγm −1 mi . Estas
estas suposiciones , la ley de control que permitirı́a controlar ecuaciones definen el mismo punto en el espacio proyectivo
el movimiento de la cámara vendrı́a dada por: Qγi . Sin embargo, al contrario de lo que sucede en el control
visual en el espacio invariante comentado ampliamente en
v = −λ (CWL)−1 e + (CWL)−1 CWṡ∗ (8) la Sección III, los vectores qi no son independientes de los
parámetros intrı́nsecos de la cámara debido a que Tγp y Tγm
C. Control Visual Invariante con Caracterı́sticas Ponderadas dependen de los pesos redistribuidos γi . A su vez, los pesos
redistribuidos γi dependen directamente de los pesos totales
Las bases teóricas del control visual en el espacio invariante
γuv
i
asociados a cada caracterı́stica de la imagen los cuales se
se han introducido en la Sección III. En este punto se va
calculan en función de la posición de la caracterı́stica en la
a reformular el control visual en el espacio invariante para
imagen. Por lo tanto γuv i
varı́a en función de los parámetros
que pueda ser utilizado con las caracterı́sticas ponderadas
intrı́nsecos de la cámara. No obstante el esquema de control
propuestas en este artı́culo.
que se propone en este punto permite dirigir la cámara a la
En la nueva formulación propuesta cada caracterı́stica de la
posición de referencia aunque los parámetros intrı́nsecos de la
imagen pi es multiplicada por su propio peso γi (pγi i = γi pi ).
cámara varı́en durante el control.
Hay que tener presente que γi no es el mismo peso total γuv i
⎢
2 2
γi ui
2
γi ui vi
2
γi ui
⎥ redistribuyen mediante (9) obteniendo los pesos γi . Con los
⎢ i=1 ⎥ pesos redistribuidos se obtienen las caracterı́sticas actuales
⎢ i=1
i=1
⎥
1 ⎢ n n n
⎥ ∗
y de referencia ponderadas pγi i , pγi i pre-multiplicando las
Sγpi = ⎢ ⎢
2
γi ui vi
2 2
γi vi γi vi ⎥
2
⎥
n ⎢ i=1 ⎥ caracterı́sticas por el peso γi y por último, se calculan qi y q∗i .
⎢ n
i=1
n
i=1
n ⎥ Hay que destacar que como q∗i se calcula en cada instante de
⎣ 2 2 2 ⎦
muestreo, (q∗i (t)), y por tanto en el diseño de la ley de control
γ u i γ iv γ i i i
−0.15 −0.15
ω
v
Imagen Referencia −0.2 −0.2
Extracción
Calculo
Fig. 7. Ley de control continua cuando algunas caracterı́sticas desaparecen
Caract.
Profundidad Amplificadores Zoom del campo de visión de la cámara. Las velocidades de traslación (a) y rotación
q*( t ) de potencia
(b) de la cámara están medidas en m s
y deg
s
respectivamente
Transfor. Control Controlador
Espacio del Robot articulaciones
Invariante
gi q tx 0.25
t
y tx
t
z ty
0.2
0.2
tz
Calculo
Transfor.
Pesos
Espacio 0.15
Invariante giuv gi
t
1
0.1
0.8
i 0.6
g
Imagen
uv
0.4
0.2
Características 0
0
0.05
500
400 500
300 400
200 300
200
v (pixels) 100
100
0 0
u (pixels)
0 100 200 300 400 500 600 700 800 900 1000 0
0 50 100 150
Iterations number
Fig. 6. Control visual en el espacio invariante con caracterı́sticas ponderadas: Iteraciones
10
de la tarea continua (4) y en la ecuación (8): 8
uθ
8
uθ
2
4
= = −2
2
Iterations number
600 700 800 900 1000
0
0 10 20 30 40 50 60 70
Iteraciones
80 90 100 110 120 130 140 150
la matriz de interacción determinada con las caracterı́sticas la ley de control y a pesar de las discontinuidades el sistema
visuales y aproximación de sus profundidades calculadas para es estable tendiendo las velocidades articulares a cero.
la posición de referencia. El objetivo del control es mantener En el segundo experimento, el objetivo de control es el
al robot en su posición de referencia corrigiendo el desplaza- mismo pero se emplea la nueva formulación con caracterı́sticas
miento introducido por la perturbación aplicada a la pinza del ponderadas que evita las discontinuidades producidos en la ley
robot. Durante la tarea de control una caracterı́stica ((U4 V4 )) de control por la aparición/desaparición de caracterı́sticas en la
abandona el plano de la imagen como se muestra en el error imagen. En la Figura 12 (b), se muestran los pesos asociados
de caracterı́sticas representado en la Figura 9 (a). Debido a a cada caracterı́stica ponderada. De la observación de la
la eliminación de la caracterı́stica del vector de caracterı́sticas Figura, se puede deducir que las caracterı́sticas 2, 3 y 4 han
actuales y de referencia se produce una discontinuidad en la abandonado el plano de la imagen (caracterı́stica 4) o se han
ley de control (Figura 9c-d). En la Figura 9 (b), se muestran las encontrado próximas al borde de la misma (caracterı́sticas 2 y
velocidades articulares enviadas al controlador del robot. Los 3) durante la tarea de control. A pesar de que la caracterı́stica
picos son debidos a las discontinuidades en la ley de control. 4 ha desaparecido del plano de la imagen y se ha vuelto a
Como se puede intuir de los resultados presentados el sistema incorporar con posterioridad, la ley de control es continua
es inestable como se muestra en la trayectoria seguida por como muestra la Figura 12c-d. El sistema es estable como
el robot (Figura 9 (e))y en dos posiciones del robot en dos se muestra por la convergencia a cero de la ley de control
instantes de muestreo distintos presentados en la Figura 9 (f). (Figura 12c-d). De esta forma quedan demostradas las ventajas
En el segundo experimento, el objetivo del control es el en cuanto a continuidad y estabilidad proporcionadas por la
mismo empleando la nueva formulación con caracterı́sticas aproximación propuesta en este capı́tulo.
ponderadas que evita las discontinuidades producidas en la VI. C ONCLUSIONES
ley de control por la prdida de caracterı́sticas en la imagen.
En este artı́culo se ha presentado la restricción de visibil-
En la Figura 11 (f), se muestran los pesos asociados a cada
idad que afecta a todas las aproximaciones de control visual
caracterı́stica ponderada. De la observación de dicha figura, se
aportadas durante las últimas tres décadas. Dentro de este
puede deducir que las caracterı́sticas 2, 3 y 4 han abandonado
contexto se han enunciado los problemas de continuidad que
el plano de la imagen (caracterı́stica 4) o se han encontrado
introducen la permisibilidad respecto a la presencia temporal
próximas al borde de la misma (caracterı́sticas 2 y 3) durante
de las caracterı́sticas en la imagen en la ley de control.
la tarea de control. A pesar de que la caracterı́stica 4 ha
Se ha presentado y desarrollado una novedosa aproximación
desaparecido del plano de la imagen y se ha vuelto a incorporar
a la solución de la problematica que introducen los cambios de
con posterioridad, la ley de control es continua como muestra
visibilidad en las caracterı́sticas durante la ejecución de la tarea
la Figura 11c-d. El sistema es estable como se muestra en
de control. Posteriormente se ha aplicado esta formulación al
la trayectoria seguida por el robot (Figura 11e) y por la
control visual en el espacio invariante aportando el esquema de
convergencia a cero de las velocidades articulares (Figura
control utilizando caracterı́sticas ponderadas y la presentación
11b). De esta forma quedan demostradas las ventajas que
de resultados donde se demuestra la continuidad del sistema.
introduce la utilización de esta nueva aproximación en cuanto
a la continuidad de la ley de control y a la estabilidad del R EFERENCES
sistema. Hay que resaltar que en esta ópcion de diseño del [1] Espiau, B., Chaumette, F. y Rives P., (1992) A new approach to visual
sistema de control, la única forma de asegurar la estabilidad servoing in robotics. IEEE Trans. on Robotics and Automation, 8(3):313–
326
es utilizar la aproximación propuesta en este artı́culo, como se [2] Hutchinson, S., Hager, G. y Corke, P., (1996) A tutorial on visual servo
demuestra en los resultados experimentales de esta sección. control. IEEE Trans. on Robotics and Automation, 12(5):651–670
[3] P. I. Corke and S. Hutchinson, “A new partitioned approach to image-
based control,” IEEE Trans. Robotics and Automation, vol. 17, no. 4, pp.
B. Matriz de Interacción Variable 507–515, August 2001.
[4] G. Chesi, K. Hashimoto, D. Prattichizzo, and A. Vicino, “Keeping
En esta sección, se presentan los resultados obtenidos features in the camera field of view:a visual servoing strategy,” in 15th Int.
utilizando durante el control una estimación de la matriz Symp. on Mathematical Theory of Networks and Systems, Notre-Dame,
Indiana, August 2002.
de interacción que será actualizada cada iteración con las [5] Mezouar, Y. y Chaumette, F., (2002) Path Planning For Robust Image-
caracterı́sticas visibles y una aproximación de sus profundi- based Control, IEEE Trans. on Robotics and Automation,v. 18, 4, 534–549
dades calculadas mediante el algoritmo de DeMenthon [8]. [6] Y. Mezouar and F. Chaumette, “Optimal camera trajectory with image-
based control,” Int. Journal of Robotics Research, vol. 22, no. 10, pp.
El objetivo del control es mantener al robot en su posición 781–804, October 2003.
de referencia corrigiendo el desplazamiento introducido por [7] Benhimane, S. y Malis, E., (2003) Vision-based control with respect to
la perturbación aplicada a la pinza del robot.Durante la tarea planar and non-planar objects using a zooming camera, IEEE Interna-
tional Conference on Advanced Robotics, v. 18, 991-996, July, 2003
de control una caracterı́stica ((U4 V4 )) abandona el plano de [8] DeMenthon, D. y Davis, L.S., (1995) Model-Based Object Pose in 25
la imagen como se muestra en el error de caracterı́sticas Lines of Code, International Journal of Computer Vision, v. 15, 123–
representado en la Figura 10 (a). Debido a la eliminación 141.
[9] Garcı́a, N., (2004) Técnicas avanzadas para el control visual de robots
de la caracterı́stica de los vectores de caracterı́sticas actuales basadas en caracterı́sticas de la imagen. Aplicación a la solución de
y de referencia se produce una discontinuidad en la ley de posibles singularidades. Tesis Doctoral. Universidad Miguel Hernández.
control (Figura 10c-d). En la Figura 10 (b), se muestran las ((http://lorca.umh.es/isa/es/personal/nicolas.garcia/tesis/tesis.html)
[10] Garcı́a, N. y Malis, E. (2004) Preserving the continuity of visual ser-
velocidades articulares enviadas al controlador del robot, los voing despite changing image features. In Proc. IEEE/RSJ International
picos producidos en qp4 son debidos a las discontinuidades en Conference on Intelligent Robots and Systems, Sendai, Japan.
33
[11] Garcı́a-Aracil, N., Malis, E., Reinoso, O., Aracil, R.(2005) Parame- 250
U1
V1
0.4
qp
1
[13] Samson, C., Le Borgne, M. y Espiau, B., (1990) Robot Control: the Task −150
−0.2
−0.3
−250 0 50 100 150 200
ωx vx
U2 1 qp 0.06
0.08 vy
3 ω
100
V2 0.5 qp ω
y
vz
Error (pixels)
4 0.04 z 0.06
U qp5
3 0 0.04
0
V3 qp6 0.02
U −0.5 0.02
4
V4 0 0
v
ω
−100 −1
−0.02
−1.5 −0.02
−200 −0.04
−2
−0.04 −0.06
−300 −2.5
0 5 10 15 20 25 30 0 5 10 15 20 25 30 −0.08
−0.1
0 20 40 60 80 100 120 140 160 180 200 0 20 40 60 80 100 120 140 160 180 200
Estable
v
0.2
ω
0.7 0.7
−0.4
0.6
0 0.6
0.5
−0.6
Trayectoria del Robot
uv
−0.2
0.4 Robot 0.5
γi
−0.4 vx 0.3
0.4
−0.8
v 0.2
y
−0.6 0.3
vz 0.1
s
−1 1
0 0.2
−0.8
0 5 10 15 20 25 30
0 5 10 15 20 25 30
0.05
s
2
Iteraciones Iteraciones 0 s
0.7 0.1 3
−0.05
0.5
0.6 s
4
0.4
cámara la cámara
(e) Trayectoria del robot (f) γuv
i
0.8
Inestable
0.7
0.6
0.3 0.9
Robot
50
0.2
0.8
0.1
0 0.7
0
U
Feature Weights
0.05
1
Error (pixels)
0 0.8
−50
V1 0.6
−0.05 0.6 U
−0.1 2 0.5
0.4
V
−0.15 0.2 2
−100
−0.2 0
U3 0.4
V
3
−150 U 0.3
0.2 Feature1
−200 Feature2
0.1 Feature3
Feature4
50 0.7 ωx
qp1 0.08
ω
y
0.6 qp2 ω
0.06 z 0
0 qp3
0.5
velocidades articulares (rad/s)
qp4 0.04
0.4 qp5
−50 qp 0.02 −0.05
0.3
6
Error (pixels)
0
ω
0.2
−100 U1 −0.02 −0.1
V1 0.1
U −0.04
−150 2
V2 0
−0.15
U
−0.06
vx
3 −0.1
V vy
−0.08
−200 3
U v
−0.2 z
4 −0.1 −0.2
V4 0 10 20 30 40 50 60 70 80 0 10 20 30 40 50 60 70 80
−0.3
−250
0 10 20 30 40 50 60 70 80
0 10 20 30 40 50 60 70 80 Iteraciones Iteraciones
Iteraciones Iteraciones
0.08
ωx
ω
y 0.05
Fig. 12. Resultados experimentales con sistemas industriales: Aproximación
0.06
ωz
0
utilizando caracterı́sticas ponderadas con la matriz de interacción variable.
0.04
0.02 −0.05
v
0
ω
−0.1
−0.02
−0.04 −0.15
−0.06 v
x
−0.2
v
y
−0.08
v
z
−0.25
−0.1 0 10 20 30 40 50 60 70 80
0 10 20 30 40 50 60 70 80
Iteraciones Iteraciones