Optimal Error-Clamping Design for Position-Based Visual Servoing of a 2-DOF Model Helicopter
Notice bibliographique
Résumé
A vision-based servoing technique is proposed for a 2 degrees-of-freedom (dof) model helicopter equipped with a monocular vision system. In general, these techniques can be categorized as image- and position-based, where the task error is defined in the image plane in the former and in the physical space in the latter. The 2-dof model helicopter requires a configuration-dependent feed-forward control to compensate for gravitational forces when servoing on a ground target. Therefore, a position-based visual servoing deems more appropriate for precision control. Image information collected from a ground object, with known geometry a priori, is used to calculate the desired pose of the camera and correspondingly the desired joint angles of the model helicopter. To assure a smooth servoing, the task error is parameterized, using the information obtained from the linearaized image Jacobian, and time scaled to form a moving reference trajectory. At the higher level, a Linear Quadratic Regulator (LQR), augmented with a feed-forward term and an integrator, is used to track this trajectory. The discretization of the reference trajectory is achieved by an error-clamping strategy for optimal performance. The proposed technique was tested on a 2-dof model helicopter capable of pitch and yaw maneuvers carrying a light-weight off-the-shelf video camera. The test results show that the optimized controller can servo the model helicopter to a hovering pose for an image acquisition rate of as low as 2 frames per second.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».