13、视觉伺服中轨迹规划与单应性动态估计的变分方法

视觉伺服中轨迹规划与单应性动态估计的变分方法

1. 视觉伺服中的轨迹规划

在视觉伺服领域，轨迹规划是一个关键问题，它对于机器人的高效控制至关重要。我们可以通过图像特征来规划相机的最优路径，进而得到图像空间中的轨迹。

1.1 欧几里得单应性分解

欧几里得单应性可以分解为旋转矩阵和秩为 1 的矩阵，公式如下：
[H = R + \frac{b}{d_f} n_f^T]
其中，(R) 和 (b) 分别表示当前相机帧 (F) 和期望相机帧 (F_f) 之间的旋转矩阵和翻译向量，(n_f) 是在 (F_f) 中表示的虚拟平面的单位法向量，(d_f) 是从平面 (\Pi) 到 (F_f) 原点的距离。通过 (G) 和 (K)，可以使用相关算法确定相机运动参数（旋转 (R) 和缩放平移 (bd_f)）以及法向量 (n_f)。

1.2 共线矩阵的计算

给定场景的初始图像和期望图像，提取并匹配图像特征，这是视觉伺服中的经典框架。从提取的图像特征中，可以计算出时间 (t_0) 时的共线矩阵 (G_0)。当达到期望配置（时间 (t_f)）时，共线矩阵与单位矩阵成比例，即 (G_f \propto I_{3\times3})。

1.3 无约束问题

为了解决后续的约束变分问题，需要一个初始化轨迹。我们使用文献中提出的方法，通过解决最小加速度问题来提供轨迹。假设相机当前位置相对于期望位置由旋转矩阵 (R(t)) 和翻译向量 (b(t)) 表示，此时共线矩阵为：
[G(t) \propto K + [R(t) + b d_f(t) n_f^T] K]
定义 (U) 为 (6\ti