Beispiele mechatronischer Systeme
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
9.5 Visual Servoing zur mechanischen Unkrautregulierung mit einem Feldroboter li<br />
Für den Einsatz von bildgebenden Sensoren ist eine Kalibrierung erforderlich, um<br />
die sog. intrinsischen und extrinsischen Kameraparameter zu bestimmen.<br />
Intrinsische Kameraparameter hängen nur von der Kamera ab und sind z. B. die<br />
Brennweite f , Pixelbreite p u und Pixelhöhe p v . Diese beschreiben die Abbildung<br />
eines Punktes auf die Bildebene. Typischerweise kommt hierzu ein Lochkamera-<br />
Modell zur Anwendung. Eine gängige Methode zur Bestimmung der intrinsischen<br />
Kameraparameter ist z. B. in [HS97] beschrieben.<br />
Extrinsische Kameraparameter dienen der Transformation vom globalen Koordinatensystem<br />
in das Kamera-Koordinatensystem, d. h. hier also VS T 0 .<br />
Ausführliche Details finden sich etwa in [Cor11, HZ04].<br />
Leitet man nun den Ausdruck in Gl. (9.65) nach der Kamerapose (0) x VS ab (die Herleitung findet<br />
man Ende des Abschnitts), erhält man die sog. Bild-JACOBI-Matrix J p , welche den Zusammenhang<br />
zwischen der Änderung der Kamerapose in globalen Koordinaten (Raumgeschwindigkeit)<br />
und Bildkoordinaten beschreibt.<br />
(<br />
ṗ = J p K , (0) P , (0) x VS) (0)v VS bzw. (9.66)<br />
⎡ ⎤<br />
v x<br />
⎡<br />
⎤<br />
[ ˙u˙v]<br />
= ⎣ − f<br />
u−u<br />
ρ B Z<br />
0<br />
0 ρ H (u−u 0 )(v−v 0 )<br />
Z<br />
f<br />
− f 2 +ρ 2 B (u−u 0) 2<br />
v y<br />
ρ H<br />
ρ B f<br />
ρ<br />
(v−v<br />
B<br />
0 )<br />
⎦<br />
v z<br />
0 − f v−v 0 f 2 +ρ 2 H (v−v 0) 2<br />
ρ H Z Z<br />
ρ H f<br />
− ρ B(u−u 0 )(v−v 0 )<br />
f<br />
− ρ B<br />
ρ<br />
(u−u<br />
H<br />
0 )<br />
ω<br />
⎢ x<br />
⎥<br />
⎣ω y<br />
⎦<br />
ω z<br />
(9.67)<br />
Hierbei stellen ṗ die Geschwindigkeit in Pixelkoordinaten ( ˙u , ˙v) und (0) v VS die translatorischen<br />
und rotatorischen Geschwindigkeiten (v x , v y , v z , ω x , ω y , ω z ) der Kamera dar. Für<br />
mehrere Punkte lässt sich der Ausdruck in Gl. (9.67) stapeln; am Beispiel von drei Bildpunkten<br />
⎡ ⎤<br />
⎡ ⎤<br />
˙u 1<br />
˙u 1<br />
˙v 1<br />
⎡ ⎤<br />
⎡ ⎤−1<br />
˙u J p1<br />
J ˙v 1<br />
p1<br />
2<br />
= ⎣J ˙v<br />
⎢ 2<br />
p2<br />
⎦ (0) v VS mit der inversen Transformation (0) v VS = ⎣J p2<br />
⎦<br />
˙u 2<br />
.<br />
˙v<br />
⎥ J<br />
⎣ ˙u 3<br />
⎦ p3 J p3 ⎢ 2<br />
⎥<br />
⎣ ˙u 3<br />
⎦<br />
˙v 3 ˙v 3<br />
(9.68)<br />
Die inverse Transformation ist ab drei Bildpunkten möglich und erlaubt die Berechnung der<br />
Geschwindigkeit in globalen Koordinaten. Bei mehr als drei Punkten erfolgt die Berechnung<br />
über die MOORE-PENROSE-Pseudoinverse J † (vgl. Anhang A.2.5). Hierbei gilt<br />
P<br />
⎡ ⎤<br />
J p1<br />
J p2<br />
J P =<br />
⎢<br />
⎣<br />
⎥<br />
. ⎦ und J † P = (J T P J P) −1 J T P . (9.69)<br />
J pn<br />
Mit dem letztgenannten Zusammenhang in Gl. (9.68) lässt sich die notwendige Änderung, um<br />
einen Fehler in Bildkoordinaten zu minimieren, in eine Änderung im kartesischen Koordina-