英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
使用单目伺服变倍视觉系统的机器显微操作与微装配
摘要：这篇论文研究了连续性机械显微操作和微装配，用于构建3D微系统和设备。一个单目可变倍控制系统就是为了这个目的的工具。图像系统使用了可主动变倍的光学显微镜。它可以被非线性投影的方法模拟出来，该方法可准确反映焦距与放大倍数之间的关系。一个两指夹取分散式机械系统(xytheta; 系统和 phi;z 系统)与图像系统结合使用。实验结果推演出了以上这些操作之间的关系。实验的精度如下所述：1.4um的位置误差和0.5°的方向误差。
关键词：聚焦深度的因素，微装配，显微视觉，微机械，伺服式视觉变倍
- 简介
微机电系统和微光电机械系统的发展，趋势为更小的元件和更复杂的微结构，因此需要
更加能够适应这种变化的显微视觉操作技术。此外，这些产品必须要足够可靠，拥有高性价比的装配和包装技术，才能在市场中取得成功。因此，在过去的十年中，业界内的研究人员提出了微装配技术与显微视觉操作技术的概念。同时，用于辅助人员操作微机械的发展也让人们能够控制这些微小部分的装配与自行组装不同，自动化微装配在连续并行操作的条件下具有直接性、确定性强的特
点。最近，自动化的微装配代表了某些最终极的目标。同时，高分辨率摄像机和高性能微处理器的强大性能使得视觉系统在微装配系统中起到举足轻重的地位。因此，在远程操作系统和半自动操作系统执行微控制任务时，视觉传感器成为了最基本的要素。在全自动系统中，视觉传感器反而不是那么重要了。几种视觉技术已经成功应用于微观领域了。一些文献也指出，视觉反馈控制非常适合微操做和微装配。然而，大部分文献所讨论的内容是关于基于视觉的伺服控制。还有少数是研究基于姿态的视觉控制系统，对于可变倍控制的研究更是少之又少。在文献[8]和[12]中，作者提到了分散式图像系统的应用：一个提供局部视野的高分辨率显微镜和一个拍摄工作场景的标准镜头摄像机。这个双重系统用于实现基于图像的多视野可变倍伺服控制。然而，多重倍数操作是可被计算的，并且可以用但图像系统实现。这就需要装备一个可控电子变倍，即主动倍数放大装置。在文献[13]中，作者提到使用主动变倍可以防止观察目标脱离视场。
本篇论文主要研究全自动显微操作和和微装配。我们主要的贡献是设计新的视觉反馈方法。这个方法是在单视野和基于图像的多倍数主动变倍、主动聚焦伺服控制实现的。这个方法分为两个主要部分。第一部分是可变倍摄像显微镜的清晰度。这个参数需要通过新的标定方法来获取。这个方法的创意源于2维光学显微镜多放大倍数（对于每个放大步骤）的计算模式。因此，视觉控制规律可以解释焦距和放大倍数之间的关系。第二部分着重考虑基于单视野视觉控制规律的视觉的发展。由于显微摄像机景深不足，因此使用焦深来计算显微镜头和夹具之间的距离信息。这个信息用于，在显微操作和微装配中的显微镜头获取聚焦图像的视觉规律上使用。
这个新方法非常适用于高精度的微装配和微操做。这个方法和算法已经被应用于实验当中，实验中包括一个5自由度的分散式自动系统（3个自由度用于移动平台，2个自由度用于操作），一个夹取系统，一个图像系统和一个用于控制装配400mu;mtimes;400mu;mtimes;100mu;m硅零件的无尘环境。
本篇论文的大致内容如下：第二章将对自动化微操做各个基本步骤进行分解，讲解每一步的功能。第三章探讨了单目多倍视野控制。第四章介绍了光子显微摄像机的的多倍数模型。同时相对应的介绍了机械和视觉的校准方法。第五章对视野算法的实验进行了说明。说明包括对视场图像中的微物体与夹具的追踪，自动对焦的成果以及景深的恢复。第七章总结了实验的相关设置和结果，它们都与之前提到的概念相关联。
- 自动化微装配的任务计划
用于控制和摆放为零件的自动化操作是依靠一个抓取系统和图像系统结合而成的机器人系统实现的。
首先设定基本任务，让系统循环的将微零件从初始位置夹取并放置在目标位置。图1演示了抓取-放置的顺序。有些任务需要高精度，因此系统最好能够检查它的成功率。图1中的图表显示了系统实现这个功能的方式。
（1）任务1：自动对焦。这一任务保证了操作过程中能够始终将微物体对焦在视场当中。
（2）任务2：探测零件。夹取部分会在这一步会从市视场中识别和定位。
（3）任务3：平行轴线零件校准。这一步还包括增加比例。
（4）任务4：机械手下零件的置中定位。这一步还包括增加比例。
（5）任务5：打开机械手。
（6）任务6：机械手下降。
（7）任务7：机械手闭合。每个手指尖收到相互接触的位置，达到可以将物体抓起来的程度。
（8）任务8：抓住物体。这一步通过基于视觉的控制规律完成。
（9）任务9：机械手携带物体上升。
（10）任务10：移动至目标位置。
（11）任务11：机械手下降。
（12）任务12：打开机械手，放下物体。这步很关键，需要控制好细微的张力，因为物体可能会黏在手指上。
（13）任务13：将机械手复位。
任务顺序可以被认为是专用于执行操纵任务的系统的行为模型。因此，它可以作为执行这些系统控制的手段。该操作表现为包括视觉控制的一系列伺服控制。由于所使用的光学显微镜是多尺度成像系统（配备主动变焦系统），因此在此开发动态和多尺度视觉伺服系统。
- 多尺度视觉控制
基于图像的视觉控制，更确切地说，2维伺服对成像和机器人系统建模的误差十分准确（15）。因此，这种伺服适合于基本操作任务的实现。在各种控制规律的选择中，指数和多项式的误差减小表现出很高的效率。
A.集成变焦控制的基于图像的视觉控制律建模
从一般的观点来看，AIMFIVATION基本控制方案是最小化误差[16 ]。通常在M是一组从图像中提取的视觉信息S（例如，兴趣点的图像坐标），而是期望的视觉特征。
（1）
在我们的例子中，矢量E包含键盒（跟踪窗口）的四个角的坐标，该坐标限定了要处理的微对象。通过引入新的DOF，可以总结出视觉控制律中的变焦距控制。在多尺度视觉控制律中，焦距f、视觉特征点的期望值以及这些点S的当前值是缩放因子:,和的函数，（参见图2）。因此，（1）成为
（2）
设计控制方案需要计算的时间变化与摄像机速度之间的关系。让摄像机（光学显微镜）的空间速度用表示：是瞬时线速度，omega;是瞬时角速度。在控制6自由度机器人的情况下，和。在我们的情况下，考虑了5自由度微型机器人，例如，定位平台的3自由度和微操作器的2自由度，因此，和。在〔15〕中，式（3）给出了S和V的速度变化之间的关系。
（3）
其中是与S相关的相互作用矩阵（也称雅可比图像），参数n表示所使用的视觉特征的数量。
在我们的例子中，是s，和的函数，因此，（3）变为
（4）
其中是所期望的深度信息，它由V-B截面中的聚焦方法处理。如果我们考虑摄像机坐标中的坐标（X，Y，Z）的三维点P，它可以在坐标系p＝（x，y）中投影到图像帧里，得到
其中和是光学显微镜的固有参数（这些参数是使用在第四节中给出的校准方法计算）。更确切地说，（x0，y0）是主点的坐标，并且（u，v）是以像素单位表示的图像点P的坐标。
执行（5）和（6）的时间推导，通过一些处理（更多的细节可以在[15 ]中找到），我们得到
其中：
我们可以通过（1）给出摄像机速度与E的时间变化之间的关系。这种关系是
如果我们想保证误差e的指数解耦减少，我们可以写
其中，是正增益。
因此，从（10）和（11）中，可以导出控制律：
是的伪逆，如果，则可以直接利用相互作用矩阵LS的逆L－1 S，给出控制律:
为了提高收敛速度和发展控制律的稳定性，我们实现了自适应增益（当误差减小时增益减小），因此，正增益被自适应增益所取代：
其中，最大值和最小值是的最大值和最小值。本文给出了和的实验结果。参数允许误差的指数递减率的调整，是其相关的范数。图10中示出了微操作任务期间的的演变。
尺度视觉伺服方案可以由图2中给出的函数图来表示。
B.通过视觉伺服控制夹持器闭合
一旦将微物体和夹持末端执行器定位到它们各自的期望位置，就有必要控制夹持系统，以抓住微对象（夹持任务）。适当的紧固力将使夹持不破坏一个或两个微物体和夹持器尖端。在这种情况下，使用基于微力反馈控制律的控制方法。我们的抓握系统没有配备微传感器，因此，抓握任务是通过基于视觉的控制技术来保证的。该控制律包括将期望值与图像点的当前值之间的距离调节为零。
使对应任务函数的距离为
误差的多项式减小推导出以下式：
其中，是夹持器的第一指尖端的执行部件器的输入，而N是一个常数整数。对于第二输入端，通过对称性导出输入，由下式给出：
IV.光子视频显微镜的多尺度建模
标准透镜基模是由一个线性投影模型所构成的，它包括：本征参数在成像系统中（即焦长F、尺度因子、在x和y方向上）、主点坐标（，）、与位置对应的外参数，以及关于场景帧的离子聚焦框架（通常称为摄像机），即平移分量、、和，以及例如欧拉角alpha;、beta;和gamma;，以及畸变参数：径向（，，hellip;）和切向（，，hellip;）畸变系数。
技术的改进使各向同性图像传感器的制造成为可能，其中X和Y的比例因子是相同的。
基于显微镜的图像源是光学成像，因此可以通过非线性投影模型进行建模。然而，显微镜的质量通常优于标准透镜，因此畸变参数的实验值很弱.。畸变参数的取值范围为[17]，[18]。因此，畸变可以忽略。对于视频显微镜，可以用线性投影模型进行建模。该模型包括通过光学中心将视网膜点投影到视网膜平面上的像素上的透视投影。
设和分别由齐次向量和表示。模型可以写成
其中Q是图像源的3times;4均匀投影矩阵。下式写出Q的具体形式
矩阵K的一般形式为：
其中是图像轴与之间的夹角。一般来说，像素是正方形的，所以为。
考虑到前面给出的所有单纯形，矩阵K变为:
关于矩阵D，它是旋转矩阵R和平移向量T的结合，其形式如下：
集合了三个旋转角度的旋转矩阵(如果欧拉角alpha;,beta;,gamma;是)是由下式给出：
其中：
B.多尺度模型
多尺度校准是必需的，因为视频显微镜工作在多个变焦或放大倍数。因此，有必要引入以前的本征模型中的缩放因子zeta;。
可以注意到，主点（缩放中心）坐标在减小和增大的过程中不发生变化（参见图3），通过跟踪放置在定位平台上的微物体的位移来计算主点的坐标。窗台。微小物体的位移直接与宏观变化有关。
在显微镜中，管与透镜相关联，在前一个方程中的参数变成目标焦距和该管的长度之和[17]。
将与链接的关系由下式给出：
知道，可以计算目标焦距。
从（29）和（30），可以建立和之间的关系。这种关系是由下式建立
其中
根据的变化可以推广的表达式。因此，建立了因子与焦距的非线性关系，这种关系可以用多项式关系表示如下：
化简得
其中
是一个（1times;11）向量，其元素是多项式系数。
C.计算多尺度参数
宏观，中观和微观上的视觉感知有相似之处。对于每个比例尺，通过光学透镜系统从3D物体形成二维图像。由于它们采用相同的方法进行建模，因此可以实现相同的校准方法。这些技术大致分为两类：摄影测量校准方法和自校准方法。在第一种方法中，模型参数是通过观察其几何形状高精度已知的校准对象（三维图案）来计算的。校准对象通常由两个或三个相互正交的平面组成。一个独特的平面物体也被使用，但在这种情况下，几个不同的三维方向的图像被认为是[19]，[20]。在第二种方法中，不需要使用校准模式。静态场景图像之间的对应关系足以恢复内部和外部参数。在这种情况下，精度不如以前的方法[20]。
在任何情况下，都需要一个重要的对应关系p-P。 校准分两个阶段进行。 第一阶段包括通过解析直接线性变换（DLT）粗略估计投影矩阵Q，该直接线性变换是通过组合对应点的投影方程而获得的。第二阶段通过最小化准则来确定参数的估计，通常是几何误差delta;。
即使在宏观和微观尺寸上都可以实现相同的算法，标准镜头和高倍率镜头之间仍存在一些根本差异。 显微镜的特点是较弱的景深和视野。
这些限制的信标序列不能使用a3-Dcalibration模板。 该图案被缩小为与透镜平行的平面物体。视频显微镜沉重笨重，因此不易操纵。这些约束使视频显微镜的校准变得复杂。 另一方面，像xyz平台这样的精确运动源的存在可以实现校准样品平面的准确运动并且便于校准。
取而代之的
全文共10557字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[12487]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
