Robuste modellbasierte Bewegungsregelung bei Visual Servoing mit adaptiver Zustands- und Störgrößenschätzung

Abstract

Der Einsatz von bildgebenden Sensoren zur Steuerung von Bewegungsmechanismen gewinnt immer mehr an Bedeutung. Ähnlich dem menschlichen Auge besteht eine wichtige Aufgabe dieser als Visual Servoing bezeichneten Technik in der zielgerichteten hochdynamischen Nachführung der Bildsensorik (Kamera), damit bewegte Objekte nicht aus dem "Blickfeld" verloren gehen. Gefordert sind dabei niedrige Folgefehler, wobei zwischen dem zu verfolgenden Zielobjekt und dem Bildsensor hohe Realtivgeschwindigkeiten auftreten können.<br />Für den Themenbereich Visual Servoing sind im Wesentlichen zwei Forschungsgebiete maßgebend: Zum Einen die computerunterstützte Bildverarbeitung und Bildauswertung, deren Aufgabenschwerpunkt in der automatischen Extraktion der gewünschten Informationen aus den Bilddaten liegt und zum Anderen das Fachgebiet der Regelungstechnik, wo die Bewegungssteuerung auf Basis der gewonnenen visuellen Informationen im Vordergrund steht.<br />In der vorliegenden Arbeit ist der Hauptaugenmerk auf den regelungstechnischen Aspekt des Visual Servoing gerichtet.<br />Aus regelungstechnischer Sicht bereiten bei Visual Servoing die von der Bildaufnahme und Bildverarbeitung herrührende Verzögerung in der Bereitstellung der gesuchten Bildinformationen sowie die z.T. starke Verrauschung der Bilddaten die maßgebenden Schwierigkeiten. Nachteilig wirkt sich auch die für Bewegungsregelungen verhältnismäßig geringe Abtastrate des Bildaufnahmesystems aus.<br />Für das Folgeverhalten der Kameranachführung sind im Visual Servoing-Regelkreis zwei Regelkreiskomponenten maßgeblich bestimmend:<br />Die Bewegungsprädiktion und die Bewegungsregelung selbst.<br />Durch die Verzögerungszeit in der Bildaufnahme- und Verarbeitung kann die Kameranachführung nur verspätet auf Bewegungen des Zielobjekts reagieren. Bei schnellen Bewegungen kann das Zielobjekt damit leicht aus dem Blickfeld der Kamera verloren gehen. Um den Einfluß dieser Verzögerung so weit als möglich auszugleichen, ist der Einsatz eines Prädiktionsalgorithmus zur Vorhersage des Bewegungszustandes des Zielobjektes erforderlich.<br />Im Allgemeinen muß bei den Anwendungen des Visual Servoing davon ausgegangen werden, dass über das Bewegungsverhalten des Zielobjekts und seine dynamischen Eigenschaften keine näheren Informationen vorliegen.<br />Ein gebräuchlicher Ansatz besteht darin, das Bewegungsverhalten durch ein stochastisches Bewegungsmodell zu beschreiben und die Objektbewegung mit Hilfe eines Zustandsschätzers vorherzusagen. Als optimaler Zustandsschätzer kann in diesem Zusammenhang das sogenannte Kalman Filter angesehen werden.<br />Die Bandbreite an möglichen "Bewegungsmustern" des Zielobjektes muß bei Visual Servoing als groß angenommen werden. Je nach tatsächlichem Bewegungsmuster des Zielobjektes stimmt ein Bewegungsmodell besser oder schlechter mit dem realen Verhalten überein und führt dementsprechend zu einer günstigeren oder schlechteren Vorhersagequalität.<br />Im Rahmen der vorliegenden Arbeit wird ein Ansatz zur adaptiven Prädiktion der Objektbewegung auf der Basis eines sogenannten erweiterten Kalman Filters vorgestellt. Der vorgeschlagene Prädiktionsalgorithmus stellt eine Kombination von kontinuierlicher Modelladaption und unstetiger Filterreinitialisierung dar, sodass ein günstiges Prädiktionsverhalten nicht nur für gleichförmige Objektbewegungen erreicht wird, sondern auch bei abrupten Bewegungsänderungen gewährleistet werden kann.<br />Neben der Qualität der Bewegungsprädiktion spielt auch die Bewegungsregelung selbst, die für die Umsetzung der von dem Prädiktionsalgorithmus ermittelten Sollwerte sorgt, eine maßgebende Rolle für das Folgeverhalten der Kameranachführung.<br />In dieser Arbeit wird untersucht, inwieweit die bei klassischen Lageregelungen hauptsächlich eingesetzten Methoden zur Verbesserung des Folgeverhaltens auch bei Visual Servoing eingesetzt werden können. Neben dem Einfluß der Abtastzeit sowie die Auswirkung von Reibungseffekten auf die erzielbare Dynamik wird ein Augenmerk auch auf die sich einstellende Verrauschung der Stellgröße gelegt. Es zeigt sich, dass bei niedrigen Abtastraten zufriedenstellende Ergebnisse nur erzielt werden können, wenn geeignete Methoden sowohl zur Sollwertvorfilterung als auch zur Reibungskompensation eingesetzt werden.<br />Bei der Auslegung von Regelungen im Bereich von Visual Servoing wird zumeist von einer starren Mechanik ausgegangen. Tatsächlich weisen aber alle in der Praxis eingesetzten Mechanismen mehr oder weniger signifikante Elastizitäten auf. Gerade der industrielle Trend zu Leichtbauweisen führt dazu, dass man es in der Praxis mit flexiblen Strukturen zu tun hat.<br />Während sich klassische Regler nur bedingt zur Bewegungsregelung elastischer Mechanismen eignen, wird in der vorliegenden Arbeit ein aus verfahrenstechnischen Prozessregelungen bekannter modellbasierter Regler für die Geschwindigkeitsregelung eingesetzt. Wie gezeigt wird, liefert dieser sogenannte IM-Regler ein gegenüber klassischen Ansätzen deutlich günstigeres Folgeverhalten. Teil der vorgestellten Regelstrategie ist eine adaptive Reibungskompensation auf Basis eines Kalman Filters als kombinierter linearer Zustands- und Störgrößenbeobachter.<br />In der Praxis immer vorhandene Ungenauigkeiten im stochastischen Prozesmodell des Kalman Filters können zur Instabilität der Regelung führen, wenn die Varianz des Prozessrauschens zu groß gewählt wird.<br />Während in der Literatur meist nur empirische Wege eingeschlagen werden, wird in der vorliegenden Arbeit ein systematisches Verfahren für den robusten Entwurf des Kalman Filters vorgeschlagen. Das Entwurfsverfahren ist graphisch lösbar und bietet dabei den Vorteil, in die Auswirkung der Parametereinstellung unmittelbar einblicken zu können.<br />

Visual sensor-based motion control of mechanisms - shortly denoted as visual servoing - has been recognized as an important tool in industrial and service robotics.<br />High-speed gaze control is one of the basic tasks of visual servoing.<br />The main control objective is to track a moving object - similar to human eye movements - such that the interesting image feature of the target stays centered in the image plane. For industrial applications high speed and low tracking errors are required in order to keep the moving object within the field of view.<br />Visual Servoing encompasses a broad range of research areas. The present work focuses on the control point of view of visual servoing.<br />In the field of vision-based motion control difficulties arise mainly from image noise and the delay caused by image acquisition and image processing. Because of this time delay information about object position can only be supplied to the control system with significant delay which can lead to poor control performance. Especially at fast maneuvers the target object "can easily be lost out of sight".<br />A common approach to cope with the delay caused by the vision system is the use of motion prediction algorithms. One of the major challenges for target tracking arises from the target motion uncertainty. This uncertainty refers to the fact that an accurate dynamic model of the target object is typically not available. Since the target can exhibit a wide range of dynamic characteristics, no fixed tracking filter can estimate the states of the target for every specific maneuver with high accuracy.<br />In the present dissertation an adaptive prediction algorithm based on the extended Kalman filter is proposed. The prediction algorithm combines a model adaptive approach with a nonlinear filter reinitilisation. It is shown that with the proposed tracking filter good prediction quality can be achieved for a wide range of target dynamics, i.e. not only at smooth target motion but also at maneuvers where target motion changes rapidly.<br />Besides motion prediction quality also the motion control algorithm itself has much influence on the resulting tracking performance. Hence, it is investigated to which extent classical position control approaches - e.g. used for the control of tool maschines - are also suitable for visual servoing. In addition to the effects of sampling rates and friction on control loop performance also motor current noise is considered. It is shown that at low sampling rates good tracking performance can only be achieved by the use of reference feedforward as well as friction compensation.<br />The design of vision-based motion control algorithms is typically made under the assumption of an (ideal) rigid mechanical structure. However, in practical applications it has to be assumed that the electro-mechanical system exhibits some elastic behavior. Classical control approaches are typically only suitable for systems with high rigidity. For flexible structures advanced control schemes must be applied in order to achieve satisfactory tracking performance. In this work a control structure based on the so-called internal model controller - mainly used in the field of process control - is proposed.<br />A Kalman Filter is used for state estimation and adaptive friction compensation in order to improve tracking performance. For the robust design of the resulting closed-loop system a simple graphical method using bode plots is proposed.