画像処理装置のコストパフォーマンスの向上、コンピュータの情報処理速度の向上、関連理論の完成に伴い、ビジョンサーボ技術は実用化のための技術的条件を満たし、関連する技術課題が現在の研究ホットスポットとなっている。ビジョンサーボの定義 人間が外界から得る情報のほとんどは目を通して得られる。何世紀もの間、人類は人間の目を模倣し、外界の認識と理解を可能にする最初の機能を持つ、知的機械の創造を夢見てきた。人間の脳には、視覚情報の処理に関与する構造が多数存在するため、視覚に関する多くの問題に難なく対処することができる。しかし
画像処理装置のコストパフォーマンスとコンピュータの情報処理速度の向上、関連理論の完成に伴い、ビジョンサーボ技術は実用化の技術条件を満たし、関連技術課題が現在の研究ホットスポットとなっている。
人間が外界から得る情報のほとんどは目を通して得られる。何世紀もの間、人類は人間の目を模倣し、外界の認識と理解を可能にする最初の機能を備えた知的機械の誕生を夢見てきた。
人間の脳内には、視覚情報の処理に関与する構造が多数存在するため、視覚に関連する多くの問題に難なく対処することができる。しかし、そのプロセスとして、視覚認知に関する我々の理解は依然として限定的であり、知的機械の夢の実現を困難なものにしている。
カメラ技術の発展とコンピュータ技術の出現により、視覚機能を備えたインテリジェントな機械が人間によって製造されるようになり、次第にマシンビジョンという学問分野と産業が形成されるようになった。
製造技術者協会(SME)のマシンビジョン部門とロボット工業会(RIA)のオートメーテッド・イメージング・アソシエーションが定義するマシンビジョンとは、"必要な情報を得るため、またはロボットの動きを制御するために、光学装置や非接触センサーを通して実際の物体の画像を自動的に受信し処理すること "である。
マシンビジョンは、人間の眼に類似した生体模倣システムとして、光学デバイスを介した実オブジェクト情報の取得、および関連情報の処理と実行を広く包含する。これには可視視覚と非可視視覚が含まれ、さらに人間の視覚では直接観察できない物体内部の情報の取得と処理も含まれる。
1960年代、ロボット工学とコンピュータ技術の進歩により、視覚機能を持つロボットの研究が始まった。しかし、これらの研究では、ロボットの視覚と運動は厳密に言えばオープンループであった。
ロボットの視覚システムは、画像を処理してターゲットの位置と向きを決定し、それに基づいてロボットの動作姿勢を計算し、さらに関与することなく、この情報を1回で提供する。
1973年、誰かが視覚システムをロボット制御に応用したことで、視覚フィードバックの概念が導入された。
HillとParkが「ビジュアルサーボ」という概念を提唱したのは1979年のことである。視覚情報から信号を抽出するだけのビジュアル・フィードバックとは異なり、ビジュアル・サーボは視覚信号処理からロボット制御までのプロセス全体を包含しており、ロボットの視覚と制御に関する関連研究をより包括的に反映している。
1980年代以降、コンピュータ技術やカメラ機器の進歩に伴い、ロボット視覚サーボシステムの技術的課題が多くの研究者の注目を集めてきた。近年、ロボットビジュアルサーボの理論と応用の両面で大きな進展があった。
この技術は多くの学会で特集が組まれることも多く、ロボット工学、自動制御、画像処理の各分野にまたがる独立した技術として徐々に発展してきた。
現在、ロボットビジョン サーボコントロール システムは以下のように分類できる:
カメラの台数によって、単眼式ビジョンサーボシステム、両眼式ビジョンサーボシステム、多眼式ビジョンサーボシステムに分けられる。
単眼視覚システムは2次元画像しか得られず、目標の奥行き情報を直接得ることができない。
マルチアイビジョンサーボシステムは、ターゲットの複数の方向から画像をキャプチャし、豊富な情報を提供することができます。しかし、大量の画像データ処理を必要とし、カメラの台数が増えるほど、システムの安定性を維持するのが難しくなる。現在、ビジョンサーボシステムでは主に両眼視が使用されている。
カメラの配置によって、システムはアイ・イン・ハンド・システムと固定カメラ・システム(アイ・トゥ・ハンドまたはスタンドアローン)に分類されます。
理論的には、アイ・イン・ハンドシステムは精密な制御を実現できるが、キャリブレーション誤差やロボットの運動誤差の影響を受けやすい。
固定カメラシステムはロボットの運動学的誤差の影響を受けにくいが、同じ条件下では、得られる目標姿勢情報の精度がアイ・イン・ハンドシステムほど高くないため、制御精度が相対的に低くなる。
ビジョンサーボシステムは、ロボットの空間的な位置や画像の特徴に基づいて、位置ベースのビジョンサーボシステムと画像ベースのビジョンサーボシステムに分けられます。
位置ベースのビジョン・サーボ・システム画像を処理した後、カメラとロボットに対するターゲットのポーズが計算される。
そのため、カメラ、ターゲット、ロボットのモデルのキャリブレーションが必要となり、キャリブレーションの精度が制御精度に影響するのがこの手法の難しさである。制御時には、要求された姿勢変化をロボット関節の回転角度に変換し、関節コントローラで制御する。
画像ベースのビジョンサーボシステムにおいて、 制御誤差情報は、ターゲット画像の特徴と所望の画像の特徴の差から得られる。
この制御法では、画像の差分変化とロボットハンドの姿勢速度変化の関係を反映する画像ヤコビアン行列をどのように確立するかが重要な課題であり、また、画像が2次元であるため、画像ヤコビアン行列の計算には対象の奥行き(3次元情報)を推定する必要があり、コンピュータビジョンでは常に課題とされてきた。
ヤコビアン行列の計算方法には、計算式の導出、校正、推定、学習法などがある。前者はモデルに基づいて導出または較正でき、後者はオンラインで推定できる。学習法は主にニューラルネットワーク法を用いる。
クローズドループの関節コントローラを使用するロボットの場合、ビジョンサーボシステムはダイナミックなオブザーブムーブシステムとダイレクトビジョンサーボに分けられる。
前者は、ロボット関節のフィードバックを利用してロボットアームを安定させ、画像処理モジュールがカメラの持つべき速度や位置の増分を計算し、それをロボット関節コントローラにフィードバックする。後者は、画像処理モジュールがロボットアームの関節運動の制御量を直接計算する。
ビジュアル・サーボの研究は20年近くに及ぶ。しかし、その学際的な性質から、その進化はこれらの多様な分野の進歩に大きく依存している。ビジュアルサーボ研究においては、まだ未解決の問題が多く残されている。
ビジュアル・サーボにおける今後の主な研究の方向性には、以下のようなものがある:
- ビジュアルサーボシステムにとって、実環境における画像の特徴を迅速かつロバストに捉えることは重要な課題である。
画像処理における情報量の多さと、プログラマブルデバイス技術の発展を考えると、情報処理を高速化するハードウェアベースの一般的なアルゴリズム実装は、この問題を前進させる可能性がある。
- ロボットビジョンシステムに適した関連理論とソフトウェアの確立。
ロボットビジョンサーボシステムにおける現在の画像処理方法の多くは、このようなシステム用に調整されていない。もし、専用のソフトウェアプラットフォームがあれば、ハードウェアによる視覚化情報処理によって、作業負荷を軽減し、システムのパフォーマンスを向上させることもできる。
- 様々な人工知能手法をロボットビジョンサーボシステムに応用。
ニューラルネットワークはすでにロボットの視覚サーボに実装されているが、多くのインテリジェントな方法はまだ十分に活用されていない。
数学的なモデリングや計算に過度に依存すると、現在のコンピュータの処理速度では対応できないような、運転中の過大な計算要求が発生する可能性がある。
しかし、人間は膨大な計算によって関連する機能を実現しているわけではない。人工知能の手法を使えば、数学的な計算を減らし、システムの速度要件を満たすことができることを示唆している。
- ロボットビジョンサーボシステムにおけるアクティブビジョン技術の実装。
アクティブビジョンは、現在のコンピュータとマシンビジョンの研究でホットなトピックであり、ビジョンシステムが能動的に環境を認識し、設定されたルールに基づいて必要な画像特徴を抽出することを可能にする。このアプローチは、一般的に対処が困難な問題を解決することができる。
- 視覚センサーを他の外部センサーと統合する。
ロボットが環境をより完全に認識できるようにするために、特にロボットビジョンシステムの情報を補足するために、ロボットビジョンシステムに様々なセンサーを追加することができる。
これは、ロボットビジョンシステムにおける困難の一部を解決することができるが、複数のセンサーの導入は、ロボットビジョンシステムにおける情報融合と冗長性の問題を解決する必要がある。
近年、ロボットのビジョンサーボ技術は大きく進歩し、国内外で実用化が進んでいる。近い将来の研究課題として、多くの技術的課題の克服が期待されている。
今後、ロボットビジョンサーボシステムは、次のような分野で重要な地位を占めるだろう。 ロボット技術そして、その産業用途は拡大し続けるだろう。