비주얼 서보잉

Visual servoing

시각 서보잉은 시각 기반 로봇 제어라고도 하며, 약칭 VS라고도 하며, 시각 센서에서 추출한 피드백 정보(시각적[1] 피드백)를 사용하여 로봇의 움직임을 제어하는 기법이다.시각 서보 제작에 관한 가장 초기 논문 중 하나는 1979년 SRI 인터내셔널 랩스였다.[2]null

시각 서보 분류법

고속 캐칭 시스템의[3] 시각적 서보화 예

로봇 엔드 이펙터(핸드)와 카메라의 두 가지 기본 구성이 있다.[4]

  • 카메라를 움직이는 손에 부착하고 대상의 상대적 위치를 관찰하는 손으로 직접 보는 또는 엔드 포인트 폐쇄 루프 컨트롤.
  • 카메라가 세계에 고정되어 있고 손의 대상과 움직임을 관찰하는 손대손 또는 엔드 포인트 오픈 루프 제어.

시각적 서보 제어 기법은 크게 다음과 같은 유형으로 분류된다.[5][6]

  • 이미지 기반(IBVS)
  • 위치/노출 기반(PBVS)
  • 하이브리드 어프로치

IBVS는 Weiss와 Sanderson에 의해 제안되었다.[7]제어법은 이미지 평면에서 현재 형상과 원하는 형상 사이의 오차를 기초로 하며, 대상의 자세에 대한 어떠한 추정도 포함하지 않는다.형상은 시각적 형상, 선 또는 지역의 순간의 좌표일 수 있다.IBVS는 카메라 후퇴라고 불리게 된 매우 큰 회전 운동으로 어려움을[8] 겪고 있다.[9]null

PBVS는 모델 기반 기법(카메라 1대 포함)이다.관심 대상의 포즈가 카메라와 관련해 추정된 뒤 로봇 컨트롤러에 명령이 내려져 로봇이 제어되기 때문이다.이 경우 영상 기능도 추출되지만 3D 정보(카르트 공간에서 물체의 노출)를 추정하는 데 추가로 사용되므로 3D로 서보화된다.null

하이브리드 접근법은 2D와 3D 서보의 일부 조합을 사용한다.하이브리드 서보링에는 몇 가지 다른 접근법이 있었다.

  • 2-1/2-D 서보잉[10]
  • 모션 파티션 기반
  • 분할된 DOF 기반[9]

조사

선행 작업에 대한 다음의 설명은 세 부분으로 나뉜다.

  • 기존 시각 서보 방식 조사
  • 사용되는 다양한 특징과 시각적 서보화에 미치는 영향
  • 시각적 서보화 계획의 오류 및 안정성 분석

기존 시각 서보 방식 조사

시각 서보라는 용어는 1987년에야 생겨났지만, 서보라고도 불리는 시각 서보 시스템은 1980년대 초부터 존재해왔다.[11][4][5][6]비주얼 서보잉은 본질적으로 사용하는 센서가 카메라(비주얼 센서)인 로봇 제어 방식이다.서보잉은 주로 두 가지 기법으로 구성되며,[6] 하나는 이미지에서 얻은 정보를 사용하여 로봇의 자유도(DOF)를 직접 제어하는 것으로, 따라서 이미지 기반 시각 서보잉(IBVS)이라고 한다.다른 하나는 카메라에서 추출한 정보의 기하학적 해석을 수반하는 반면, 카메라의 포즈 및 파라미터(표적의 일부 기본 모델을 알 수 있다고 가정)를 추정하는 것과 같은 것이다.다른 서보 분류는 서보 시스템의 각 구성 요소의 변동에 기초하여 존재한다.[5] 예를 들어 카메라의 위치, 두 종류는 손으로 보는 구성과 손으로 보는 구성이다.제어 루프를 기반으로 엔드포인트 오픈 루프와 엔드포인트 클로즈드 루프 두 종류가 있다.컨트롤이 조인트(또는 DOF)에 직접 적용되는지 또는 로봇 컨트롤러에 대한 위치 명령으로 적용되는지 여부에 따라 두 가지 유형은 직접 서보 및 동적 모양 및 이동이다.저자들은 초창기 작품 중 하나로 이미지 기반 서보화에 적용되는 계층적 시각적 서보 구조를 제안했다.이 기법은 관심 대상(예: 가장자리, 코너 및 중심)에서 좋은 형상 집합을 추출하여 장면 및 로봇의 글로벌 모델과 함께 부분 모델로 사용할 수 있다는 가정에 의존한다.제어 전략은 DOF 로봇 암 2개 및 3개의 시뮬레이션에 적용된다.null

Feddema 등에서는 형상 속도에 관한 작업 궤적을 생성하는 아이디어를 소개했다.[13]이는 센서가 로봇 모션에 대해 비효과적인(피드백 중지) 상태가 되지 않도록 하기 위함입니다.저자는 객체가 priori(priori)로 알려져 있으며(예: CAD 모델) 모든 특징을 객체에서 추출할 수 있다고 가정한다.에스피아우 외 연구원의 연구는 시각 서보화에서 몇 가지 기본적인 질문들에 대해 논한다.[14]토론은 상호작용 매트릭스, 카메라, 시각적 특징(점, 선 등)의 모델링에 초점을 맞춘다.적응형 서보 시스템에서는 모양과 움직임 서보 아키텍처와 함께 제안되었다.이 방법은 SSD와 함께 광학 흐름을 사용하여 신뢰 메트릭스를 제공하고 제어 계획에 Kalman 필터링을 포함한 확률적 컨트롤러를 제공했다.시스템은 (예에서) 카메라의 평면과 형상의 평면이 평행하다고 가정하고,[16] Jacobian 관계 s˙ = Jv˙를 이용한 속도 제어 접근법을 논한다. 또한, 저자는 대상의 추출된 위치에 고유 오류(센서 오류)가 있다고 가정하여 Kalman 필터링을 사용한다.목표 속도의 모델이 개발되어 제어 루프에서 피드-포워드 입력으로 사용된다.또한, 운동학적 불일치, 동적 효과, 반복성, 안정화 시간 진동 및 응답 지연을 조사하는 것의 중요성에 대해 언급한다.null

코크는 시각적 서보화에 대해 일련의 매우 비판적인 질문을 제기하고 그들의 함의를 자세히 설명하려고 노력한다.그 논문은 주로 시각 서보화의 역학에 초점을 맞추고 있다.저자는 제어 루프의 피드-포워드 경로에 대해 이야기하면서, 지연과 안정성 같은 문제를 해결하려고 노력한다.또한 본 논문은 궤적 생성, 축 제어 방법론 및 성능 지표 개발에 대한 정당성을 모색하려고 노력한다.null

차우메트 인은 IBVS의 두 가지 주요 문제에 대한 좋은 통찰력을 제공한다.첫째, 지역 미니마에 서보하고 둘째, 야코비안 특이점에 도달한다.저자는 특이점이 발생하기 때문에 이미지 포인트만으로는 좋은 특징이 없다는 것을 보여준다.논문은 _ J_s와 J^T_s의 null 공간을 확인하기 위해 J_s와 J^T_s의 특이점을 방지하기 위한 추가적인 점검 가능성을 논의함으로써 계속된다. 저자가 강조하는 한 가지 요점은 현지의 미니마와 실현 불가능한 이미지 특징 동작 사이의 관계다.null

수년에 걸쳐 많은 하이브리드 기법이 개발되었다.[4]여기에는 다중 뷰 또는 다중 카메라를 사용하여 에피폴라 지오메트리의 부분/완전 포즈 계산이 포함된다.값은 직접 추정 또는 학습 또는 통계적 계획을 통해 얻는다.다른 사람들은 Lyapnov 함수에 기반한 이미지 기반과 위치 기반 사이에서 변화하는 스위칭 접근법을 사용해 왔다.[4]서보 작업을 위해 이미지 기반 접근법과 포즈 기반(2D 및 3D 정보) 접근법의 조합을 사용한 초기 하이브리드 기법은 포즈 정보를 추출하기 위해 객체의 전체 또는 부분 모델을 필요로 했으며, 이미지에서 모션 정보를 추출하기 위해 다양한 기법을 사용했다.[19]거친 다면 CAD 모델 외에 이미지 모션에서 어핀 모션 모델을 사용하여 카메라와 관련하여 물체 포즈(PBVS 라인)를 추출하여 물체(PBVS 라인)null

말리스 등이 개발한 2-1/2-D 시각 서보는 서보에 필요한 정보를 회전과 번역을 분리하는 조직화된 패션으로 분해하는 잘 알려진 기법이다.[20]신문들은 원하는 자세를 선험적으로 알고 있다고 가정한다.회전 정보는 (동음이의 고유값과 고유 벡터를 계산하여) 회전 축과 각도를 제공하는 (본질적으로 3D 정보) 부분 포즈 추정으로부터 얻는다.변환 정보는 형상점 집합을 추적하여 이미지에서 직접 얻는다.추적되고 있는 형상점들이 시야를 떠나지 않고 어떤 오프라인 기법에 의해 깊이 추정치가 미리 결정된다는 유일한 조건. 2-1/2-D 서보화는 그 이전의 기법보다 더 안정적인 것으로 나타났다.이 공식에 대한 또 다른 흥미로운 관찰은 저자들이 비주얼 자코비언은 동작 중에 특이점이 없을 것이라고 주장한다는 것이다.코크와 허친슨에 의해 개발된 하이브리드 기법은 [21][22]흔히 부분 접근법이라고 불리는 시각적(또는 이미지) Jacobian을 X축과 Y축과 Z축과 관련된 움직임(회전 및 번역 모두)으로 분할한다.[22]기법을 개략적으로 설명하여, Z축 번역과 회전에 해당하는 비주얼 자코비안의 열(이름, 제3열, 제6열)을 분리한다.분할된 접근방식은 에서 논의된 차우메트 코눈드럼을 처리하는 것으로 보인다.[23]이 기법은 제대로 기능하기 위해서는 충분한 깊이 추정이 필요하다.[24] 서보 작업을 둘, 즉 주 작업과 보조 작업으로 나누는 하이브리드 접근법을 개략적으로 설명한다.주요 업무는 관심 있는 특징을 시야 내에 유지하는 것이다.2차 작업은 고정 지점을 표시하고 이를 참조로 사용하여 카메라를 원하는 포즈로 만드는 것이다.이 기법은 오프라인 절차의 깊이 추정이 필요하다.이 논문은 로봇 비행측정으로부터 깊이 추정치를 얻는 두 가지 예와 모든 기능이 평면에 있다고 가정하는 두 가지 예를 논한다.2차 과제는 시차 개념을 사용하여 달성된다.추적되는 형상은 일반적으로 포인트인 첫 번째 프레임에서 수행되는 초기화에 의해 선택된다. 시각적 서보화, 형상 모델링 및 모델 기반 추적의 두 가지 측면에 대한 논의를 수행한다.1차 가정은 개체의 3D 모델을 사용할 수 있다는 것이다.저자들은 운동의 DOF가 선형 관계에 의해 분리될 수 있도록 이상적인 형상을 선택해야 한다는 개념을 강조한다.저자들은 또한 추적 성능을 개선하기 위해 상호작용 매트릭스에 목표 속도의 추정치를 도입한다.이 결과는 혼선이 발생하더라도 잘 알려진 서보 기법과 비교된다.null

사용되는 다양한 특징과 시각적 서보화에 미치는 영향

이 절에서는 시각 서보 분야에서 수행된 작업에 대해 논의한다.우리는 특징의 사용에서 다양한 기법을 추적하려고 노력한다.작품 대부분은 영상 포인트를 시각적 특징으로 사용해 왔다.이미지의 가정된 점에서의 상호작용 행렬의 공식은 대상을 나타내기 위해 사용된다.포인트 사용에서 벗어나 형상 영역, 선, 영상 모멘트 및 순간 불변제를 사용하는 작업 본체가 있다.[26]저자들은 이미지 기능의 추적에 대한 진술에 근거한 논의를 한다.[27]영상 형상은 형상이 겪게 되는 변형을 기준으로 한 불일치 측정에 따라 선택된다.사용된 특징은 질감 패치였다.논문의 핵심 중 하나는 시각적 서보화를 개선하기 위한 특징에 대한 검토 필요성을 강조했다는 것이다.저자들은 이미지 기능의 선택을 검토한다(추적 맥락에서도 동일한 질문이 논의되었다).영상 기능의 선택이 제어법에 미치는 영향은 단지 깊이 축에 관해서만 논의된다.저자는 형상점과 물체의 면적 사이의 거리를 형상으로 간주한다.이러한 특징들은 성과에 미치는 영향을 강조하기 위해 약간 다른 형태로 제어법에 사용된다.서보 오류가 깊이 축의 변화에 비례했을 때 더 나은 성능을 얻었다는 점에 주목했다.[29] 순간 사용의 초기 논의 중 하나를 제공한다.저자들은 비록 복잡하기는 하지만 이미지에서 순간의 속도를 이용하여 상호작용 매트릭스의 새로운 공식화를 제공한다.비록 그 순간들을 사용했지만, 그 순간들은 그린의 정리를 사용하면서 등고선점 위치의 작은 변화들이다.이 논문은 또한 6 DOF 로봇의 기능 집합(평면에 있는)을 결정하려고 한다.in에서는 영상 모멘트를 사용하여 비주얼 자코비안을 공식화하는 것에 대해 논의한다.이 공식은 선택된 모멘트 유형에 따라 DOF를 디커플링할 수 있다.이 제형의 단순한 경우는 개념적으로 2-1/2- D 서보화와 유사하다.[30]모멘트의 시간 변동(miij)은 두 영상과 그린스 정리 사이의 운동을 이용하여 결정된다.m˙ij와 속도 나사(v)의 관계는 m m_ij = L_m_ij v로 주어진다.이 기법은 물체가 평면이라고 가정하고 깊이 추정치를 사용하여 카메라 교정을 방지한다.이 기술은 평면 케이스에서는 잘 작동하지만 일반적인 케이스에서는 복잡한 경향이 있다.기본 아이디어는 [4] 모멘트 불변제가 사용되어 온 [4]의 작업에 기초한다.[31]핵심 아이디어는 움직임의 모든 DOF를 분리하는 특징 벡터를 찾는 것이다.2D 번역에는 중앙집중적인 순간이 불변한다는 관측도 있었다.복잡한 다항식 형태는 2D 회전을 위해 개발된다.이 기술은 티칭 바이 쇼에 따르며, 따라서 원하는 깊이와 물체의 면적의 값을 요구한다(카메라와 물체의 평면이 평행하고, 물체가 평면이라고 가정).형상 벡터의 다른 부분은 불변성 R3, R4이다.저자들은 오해가 처리될 수 있고 에 설명된 작업을 바탕으로 할 수 있다고 주장한다.[29][31][32]주요 차이점은 저자가 과제를 둘로 나누는 것과 유사한 기법을 사용한다는 점이다([16]특징이 캠 시대 평면에 평행하지 않은 경우).피쳐링을 카메라 평면에 평행하게 하기 위해 가상 회전을 수행한다.[34]이미지 모멘트에 대한 저자의 작업을 통합한다.null

시각적 서보화 계획의 오류 및 안정성 분석

Espiau 인은 순수하게 실험적인 작업에서 영상 기반 시각 서보(IBVS)가 교정 오류에 대해 강건하다는 것을 보여주었다.저자는 포인트 매칭과 함께 명시적 보정 기능이 없는 카메라를 포즈 추정 없이 사용했다.이 논문은 상호작용 행렬의 용어들에 대한 오류와 불확실성의 영향을 실험적인 접근방식으로 고찰한다.사용된 목표는 포인트였고 평면적인 것으로 가정되었다.null

비슷한 연구가 저자들이 90년대에 유행했던 몇 개의 보정되지 않은 시각 서보 시스템에 대한 실험적인 평가를 수행하는 곳에서 이루어졌다.주요 결과는 기존 제어 방법에 대한 시각적 서보 제어의 효과에 대한 실험적 증거였다.Kyrki 등은 위치 기반 및 2-1/2-D 시각적 서보화에 대한 서보 오류를 분석한다.[37]이 기법에는 이미지 위치 추출의 오류를 결정하고 이를 포즈 추정 및 서보 제어로 전파하는 것이 포함된다.이미지에서 나온 점들은 매핑을 얻기 위한 선행(기본적으로 동음이의어인, 논문에 명시적으로 명시되어 있지는 않지만)에 매핑된다.이 지도는 순수한 회전과 번역으로 나뉜다.포즈 추정은 Computer Vision의 표준 기법을 사용하여 수행된다.픽셀 오류는 포즈로 변환된다.이것들은 컨트롤러에 전파되고 있다.분석 결과 영상 평면의 오차는 깊이에 비례하고 깊이 축의 오차는 깊이의 제곱에 비례하는 것으로 나타났다.시각 서보에서 측정 오차는 광범위하게 검토되었다.대부분의 오류 기능은 시각 서보의 두 가지 측면과 관련이 있다.하나는 정상 상태 오류(한 번 서보 처리됨)이고, 다른 하나는 제어 루프의 안정성에 관한 것이다.포즈 추정과 카메라 보정에서 발생하는 다른 서보 오류도 관심의 대상이다.즉,[38] 저자는 내적 및 외적 교정 오류가 존재하는 경우 글로벌 안정성을 고려하여 에서 수행한 작업을 확장한다.[40] 는 과제 함수 추적 오류를 바인딩하는 접근방식을 제공한다.인에서 저자들은 티칭 바이 쇼 시각 서보 기법을 사용한다.[41]원하는 포즈가 알려지고 로봇이 지정된 포즈에서 이동되는 경우.이 논문의 주요 목적은 볼록 최적화 기법을 사용하여 이미지 노이즈로 인한 위치 측정 오류의 상한을 결정하는 것이다. 이 논문은 깊이 추정의 불확실성과 관련하여 안정성 분석에 대한 토론을 제공한다.저자들은 알 수 없는 표적 기하학의 경우 오류를 제한하기 위해 보다 정확한 깊이 추정이 필요하다는 관찰로 논문을 마무리한다.많은 시각적 서보 기법들은 은연중에 하나의 물체만이 영상에 존재한다고 가정하고 물체의 영역과 함께 추적하기 위한 관련 기능을 이용할 수 있다.대부분의 기법은 부분 포즈 추정치 또는 현재 포즈와 원하는 포즈의 정확한 깊이 추정치가 필요하다.null

소프트웨어

참고 항목

참조

  1. ^ "Basic Concept and Technical Terms". Ishikawa Watanabe Laboratory, University of Tokyo. Retrieved 12 February 2015.
  2. ^ G.J. 아긴 "모바일 카메라로 로봇의 실시간 제어"1979년 2월 SRI 인터내셔널 기술 노트 179
  3. ^ "High-speed Catching System (exhibited in National Museum of Emerging Science and Innovation since 2005)". Ishikawa Watanabe Laboratory, University of Tokyo. Retrieved 12 February 2015.
  4. ^ a b c d F. 차우메트, S.허친슨.시각적 서보 제어, 파트 II: 고급 접근.IEEE 로봇 및 자동화 매거진, 14(1):109-118, 2007년 3월
  5. ^ a b c d e S. A. 허친슨, G. D.하거, 그리고 P.I. 코크.시각적 서보 제어에 대한 튜토리얼.IEEE 트랜스.로봇. 오토매트, 12:651--670, 1996.
  6. ^ a b c F. 차우메트, S.허친슨.시각적 서보 제어, 파트 1: 기본 접근법.IEEE 로봇 및 자동화 매거진, 13(4):82-90, 2006년 12월
  7. ^ A. C. 샌더슨과 L. E. 와이스.로봇의 적응형 시각 서보 제어.A. Pugh, Robot Vision 편집자 107–116페이지.IFS, 1983
  8. ^ F. 차우메트.영상 기반 및 위치 기반 시각 서보에서 안정성과 수렴의 잠재적 문제.D. Kriegman, G. Hager, S.에서.Morse, 편집자, 시각과 통제의 결합, 통제와 정보 과학의 강의 노트 237권, 66-78페이지.1998년 스프링거-베를라크.
  9. ^ a b P. Corke and S. A. Hutchinson (August 2001), "A new partitioned approach to image-based visual servo control", IEEE Trans. Robot. Autom., 17 (4): 507–515, doi:10.1109/70.954764
  10. ^ E. 말리스, F.차우메트와 S.Boudet, 2.5D 시각 서보, IEEE 로봇 및 자동화에 관한 거래, 15(2):238-250,
  11. ^ G. J. 아긴.산업 검사 및 조립을 위한 컴퓨터 비전 시스템.IEEE 컴퓨터, 1979년 11-20페이지
  12. ^ Lee E. Weiss, Arthur C.샌더슨과 찰스 P.네우만.시각적 피드백을 통해 로봇의 동적 센서 기반 제어IEEE 로봇 및 자동화 거래, 3:404–417, 1987년 10월
  13. ^ J. T. Feddema와 O. R. Mitchell.형상에 기반한 사다리 생성을 포함한 시각 유도 서보화.IEEE 로봇 및 자동화 거래, 5:691–700, 1989년 10월
  14. ^ 에스포, 에스포Chaumette, 그리고 P.로봇 공학에서 시각 서보 제작에 대한 새로운 접근법.IEEE 로봇 및 자동화 거래, 8:313–326, 1992년 6월
  15. ^ N.P. 파파니코풀로스와 Khosla P. K. Adaptive 로봇 시각 추적:이론과 실험.자동제어에서의 IEEE 거래, 38(3):429–445, 1993년 3월
  16. ^ a b P. 코크.고성능 로봇 육안 서보 실험.1993년 10월 국제 로봇공학 심포지엄
  17. ^ P. 코크.로봇 시각 서비스 시스템의 동적 문제.로보틱스 연구에 관한 국제 심포지엄에서는 1995년 488-498페이지에 이른다.
  18. ^ F. 차우메트.영상 기반 및 위치 기반 시각 서보에서 안정성과 수렴의 잠재적 문제.D. Kriegman, G. Hagar, S에서.Morse, 편집자, Con-luence of Vision and Control, Control and Information Systems의 강의 노트, 제237권 66-78페이지.1998년 스프링거-베를라크.
  19. ^ E Marchand, P. Bouthemy, F Chaumette, V.모로.커플링 2d 및 3d 포즈 추정에 의한 강력한 시각적 추적1999년 IEEE 이미지 처리에 관한 국제 회의의 진행에서.
  20. ^ E. 말리스.내재 카메라 매개 변수와 외재 카메라 매개 변수 모두에서 큰 보정 오류에 대한 강력한 하이브리드 비전 기반 로봇 제어유럽 통제 회의에서는 2001년 9월 289-293페이지.
  21. ^ a b P. 코크와 S.허친슨.새로운 하이브리드 이미지 기반의 시각적 서보 제어 방식.2000년 12월, 제39차 IEEE 의사결정 및 통제에 관한 회의의 진행 중
  22. ^ a b c P. 코크와 S.허친슨.이미지 기반 시각 서보 제어에 대한 새로운 분할 접근 방식.IEEE 로봇 및 자동화 거래, 17:507–515, 2001년 8월
  23. ^ F. 차우메트.영상 기반 및 위치 기반 시각 서보에서 안정성과 수렴의 잠재적 문제.D. Kriegman, G. Hagar, S에서.Morse, 편집자, 시각과 통제의 융합, 제어 및 정보 시스템의 강의 노트, 제237권 66-78페이지.1998년 스프링거-베를라크.
  24. ^ C. 콜레윗과 F.차우메트.2-d 시각 서보 및 3-d 추정치를 결합하여 알 수 없는 모양의 평면 객체에 대한 카메라 위치 지정.IEEE 로봇 및 자동화 거래, 18:3:322–333, 2002년 6월
  25. ^ F. Chaumette와 E.Marchand.로봇공학 용도에 대한 시각적 서보화 최근 결과, 2013년
  26. ^ N. Andreff, B. Espiau, R.호러.선에서 시각적 서보.2000년 4월 샌프란시스코에서 열린 로봇 및 자동화 국제 컨퍼런스
  27. ^ J. Si와 C.토마시 입니다추적하기 좋은 기능.컴퓨터 비전 및 패턴 인식에 관한 IEEE 회의의 진행에 관하여, 593–600페이지, 1994년
  28. ^ R. 마호니, P. 코크, F.차우메트.영상 기반 시각 서보 제어에서 깊이 축 제어를 위한 영상 기능 선택.지능형 로봇 및 시스템에 관한 IEEE 회의의 절차, 2002년 10월 페이지 390–395
  29. ^ a b F. 차우메트.이미지 모멘트를 사용하여 시각적 서보화를 위한 첫 번째 단계.IEEE 지능형 로봇 및 시스템에 관한 회의의 진행 내용(378–383페이지, 2002년 10월)
  30. ^ a b F. 차우메트.이미지 모멘트:시각적 서보화를 위한 일반적이고 유용한 기능 세트.IEEE 로보틱스 거래, 20:713–723, 2004년 8월
  31. ^ a b O. 타흐리와 F.차우메트.시각적 서보화에 모멘트 불변제 적용.로봇과 자동화에 관한 IEEE 회의의 절차서, 2003년 9월 페이지 4276-4281
  32. ^ a b O. 타흐리와 F.차우메트.이미지 모멘트:분리된 이미지 기반 시각적 서보화를 위한 일반 설명자.IEEE 로봇 및 자동화에 관한 회의의 절차서, 2004년 4월 페이지 1861–1867페이지
  33. ^ O. 타흐리와 F.차우메트.복잡한 물체는 이미지 모멘트 불변성에 기반한 추정을 나타낸다.로봇과 자동화에 관한 IEEE 회의의 절차서, 436-441페이지, 2005년 4월
  34. ^ O. 타흐리와 F.차우메트.평면 객체의 vi-sual 서보화를 위한 포인트 기반 및 지역 기반 이미지 모멘트.IEEE 로보틱스 거래, 21:1116–1127, 2005년 12월
  35. ^ B. 에스피아우.카메라 보정 오류가 로봇 공학에서 시각적 서보화에 미치는 영향3번지 인트.실험로봇 심포지엄, 1993년 10월
  36. ^ M. 자거산드, O.푸엔테스, 그리고 R.넬슨.정밀조작을 위한 보정되지 않은 시각 서보의 실험적 평가1997년 4월 2874-2880페이지의 로봇 및 자동화에 관한 국제 컨퍼런스
  37. ^ V. Kyrki, D. Kragic, H Christensen.시각 서보에서 측정 오류.IEEE 로봇 및 자동화에 관한 회의의 절차서, 2004년 4월 페이지 1861–1867페이지
  38. ^ E. 말리스.내재 카메라 매개 변수와 외재 카메라 매개 변수 모두에서 큰 보정 오류에 대한 강력한 하이브리드 비전 기반 로봇 제어유럽 통제 회의에서는 2001년 9월 289-293페이지.
  39. ^ E. 말리스, F.차우메트와 S.부데 2-1/2-d 시각 서보.IEEE 로봇 및 자동화에 관한 거래, 15(2):238–250, 1999년 4월
  40. ^ G. 모렐, P. 잔, F.플레스탄.강력한 시각적 서보화: 작업 펑션 추적 오류 제한제어시스템 기술에 관한 IEEE 거래, 13:998–1009, 2009년 11월
  41. ^ G. 체시와 Y. S. 흥.이미지 노이즈로 인해 카메라 포지셔닝에 오류가 발생함패턴 분석 및 머신 인텔리전스에 관한 IEEE 거래, 29:1476–1480, 2007년 8월
  42. ^ E. 말리스와 P.깊이 분포 오류에 대한 이미지 기반 시각 서보의 견고성.2003년 9월 IEEE 로봇 및 자동화에 관한 국제 컨퍼런스
  43. ^ E. 말리스, F.차우메트와 S.부데 2-1/2-d 시각 서보.IEEE 로봇 및 자동화에 관한 거래, 15(2):238–250, 1999년 4월
  44. ^ E. Marchand, F. Spindler, F.차우메트.ViSP for visual 서보: 광범위한 로봇 제어 기술을 갖춘 일반적인 소프트웨어 플랫폼.IEEE 로보틱스 앤 오토메이션 매거진, "시력 기반 동작 제어를 위한 소프트웨어 패키지" 특별호, P.오, D. Burschka (Eds.) 12:40-52, 2005년 12월.

외부 링크