Fusión Borrosa de Estimadores para Aplicaciones de Control Basado en Imagen

Carlos Pérez Vidal, Luis Gracia, Óscar Reinoso

Resumen

El control visual es una disciplina de gran actualidad dentro del control de robots, y dentro de ésta, los algoritmos de predicción se usan para estimar la localización de objetos o características visuales proporcionadas por un sensor con retardo (cámara). Algunos de los algoritmos más utilizados son: el filtro de Kalman; los filtros alpha-beta/gamma; el AKF; el SKF; etc. El mayor problema de algunos de ellos es conseguir que su implementación permita trabajar en aplicaciones con fuertes restricciones temporales o de tiempo real. En este artículo se presenta un nuevo método de predicción, denominado FMF, basado en la fusión o combinación borrosa de varios filtros, y por tanto con un alto coste computacional. En el artículo se estudia a través de simulación la mejora obtenida con la predicción del FMF respecto a los filtros individuales, lo que justifica su interés. Así mismo, se desarrolla su implementación de tiempo real en una FPGA empleando técnicas de paralelización y segmentado. La viabilidad, robustez y fiabilidad del algoritmo propuesto se ha comprobado mediante una aplicación experimental de control visual.

Palabras clave

Métodos predictivos; Algoritmos paralelos; Sistemas fuzzy; Visión por computador; Control automático

Texto completo:

PDF

Referencias

Bar-Shalom, Y., X. Li, and T. Kirubarajan (2001). Estimation with Applications to Tracking and Navigation. John Wiley & Sons, New York, USA.

Chroust, S. and M. Vincze (2003). Improvement of the prediction quality for visual servoing with a switching kalman ſlter. International Journal of Robotics Research 22(10-11), 905–922.

Corke, P. (1996). Visual Control of Robots: High performance Visual Servoing. Research Studies Press. Taunton, Somerset, England.

Corke, P. and S. Hutchinson (2000). Real-time vision, tracking and control. In: Proc. of the IEEE Int. Conf. on Robotics and Automation. p. 622–629. San Francisco, CA, USA.

Efe, M. and D. Atherton (1998). Maneuvering target tracking with an adaptative kalman ſlter. In: Proc. of the 37th IEEE Conference on Decision and Control. p. 737–742. Tampa, Florida, USA.

Hutchinson, S., G. Hager and P. Corke (1996). A tutorial on visual servo control. IEEE Transactions on Robotics and Automation 12(5), 651–670.

Kawase, T., H. Tsurunosono, N. Ehara, and I. Sasase (1997). Alpha-beta tracking ſlter combined with ellipsoidal prediction using generalized hough transform. Radar 97, 609–613.

Kolodziej, J. and T. Singh (2000). Target tracking via a dynamic circular ſlter/linear alpha-beta ſlters in 2-d. In: Proc. of the American Control Conference. p. 4343–4347. Chicago, IL, USA.

Moore, M. and J. Wang (2001). Adaptive dynamic modelling for kinematic positioning. In: IAG Scientiſc Meeting. Budapest, Hungary.

Pérez, C., N. García, J.M. Sabater, J.M. Azorín, O. Reinoso and L. Gracia (2007). Improvement of the visual servoing task with a new trajectory predictor. the fuzzy kalman ſlter. In: Proc. of the Int. Conf. on Informatics in Control, Automation and Robotics. p. 133–140. Angers, France.

Perez-Vidal, C. and L. Gracia (2009). High speed ſltering using reconſgurable hardware. Journal of Parallel and Distributed Computing 69(11), 896–904.

Perez-Vidal, C., L. Gracia, N. Garcia and E. Cervera (2009). Visual control of robots with delayed images. Advanced Robotics 23(6), 725–745.

Robert, C. and G. Casella (1999). Monte Carlo Statistical Methods. Springer-Verlag. New York, USA.

Sharkey, P. and D. Murray (1996). Delays versus performance of visually guided systems. IEE Proceedings on Control Theory and Applications 143(5), 436–447.

Simon, D. (2006). Optimal State Estimation: Kalman, Hinf and Nonlinear Approaches. Wiley-Interscience. Hoboken, NJ, USA.

Tenne, D. and T. Singh (2002). Circular prediction algorithms - hybrid ſlters. In: Proc. of the American Control Conference. p. 172–177. Anchorage, AK, USA.

Vincze, M. and G. Hager (2000). Robust Vision for Vision-Based Control of Motion. IEEE Press. Piscataway, NJ, USA.

Yoo, J.-C. and Y.-S. Kimb (2003). Alpha-beta-tracking index (Alpha-beta-Lambda) tracking ſlter. Signal Process 83(11), 169–180.

Abstract Views

318
Metrics Loading ...

Metrics powered by PLOS ALM


 

Citado por (artículos incluidos en Crossref)

This journal is a Crossref Cited-by Linking member. This list shows the references that citing the article automatically, if there are. For more information about the system please visit Crossref site

1. Revisión de Esquemas de Control Visual y Propuesta de Mejora
Luis Gracia, Carlos Perez-Vidal
Revista Iberoamericana de Automática e Informática Industrial RIAI  vol: 7  num.: 2  primera página: 57  año: 2010  
doi: 10.1016/S1697-7912(10)70026-1



Creative Commons License

Esta revista se publica bajo una Licencia Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)

Universitat Politècnica de València     https://doi.org/10.4995/riai

e-ISSN: 1697-7920     ISSN: 1697-7912