Fig. 4 shows the system framework o

Fig. 4 shows the system framework of the proposed visual servo control design, which is a hybrid switching architecture consisting of an image-based reactive planning unit, a positionbased reactive planning unit, and an inverse kinematics controller. As mentioned in the previous subsection, the system requires two cameras to accomplish the object pick-and-place task that contains three stages. In the first stage, the overheadmounted camera estimates the target center position in world coordinate to assist the position-based reactive planning process. The camera first captures the image of whole view of the table, and a color-based image segmentation algorithm is then applied to extract all color objects in the global observed image. Next, an SVM-based shape classifier is employed to classify all extracted color objects into four types of shape: spherical, cubic, spherical hole, and square hole. Based on these classified results, a coordinate conversion approach based on the conventional camera calibration techniques is adopted to convert the center position of all spherical-hole and squarehole objects from image coordinate to world coordinate. The converted coordinates will be used as the desired end-effector positions in world coordinate for the robot to put a grasped object. Moreover, the orientation of each square-hole is also estimated via an image-based object orientation estimation algorithm, which will be presented in Section III.

結果 (中文) 1:

图 4 显示的拟议的视觉伺服控制设计，是由一个基于图像的无功规划单位，positionbased 的无功规划股和逆运动学控制器组成的混合交换体系结构的系统框架。正如前一节所述，如系统需要两个摄像头来完成对象挑地方任务包含三个阶段。在第一阶段，overheadmounted 相机估计在世界坐标，以协助基于位置的无功规划过程的目标中心位置。相机第一次捕捉到的整个视图的表，形象和基于颜色的图像分割算法并用于提取全球观测图像中的所有颜色对象。接下来，基于支持向量机的形状分类器用来提取的颜色的所有对象都分为四种类型的形状︰ 球形、 立方、 球形孔和方孔。基于这些分类的结果，通过了一种基于传统摄像机标定方法的坐标转换方法将从图像坐标转换球形孔和 squarehole 的所有对象的中心位置，为世界坐标。转换后的坐标将用作世界坐标机器人的末端执行器所需的位置，把掌握的对象。此外，每个方孔的取向也预计将在第三节中提出了一种基于图像的对象方向估计算法，通过。

結果 (中文) 2:

图。4显示了建议视觉伺服控制设计，这是一种混合交换架构包括基于图像的无功规划单元，positionbased活性规划单位，并反向运动控制器的系统框架。如前面款所述，该系统需要两个摄像机来完成，它包含三个阶段对象拾取和放置任务。在第一阶段中，overheadmounted相机估计在世界的目标中心位置坐标，以协助基于位置的反应计划过程。相机首先捕捉表中的整体视图的图像，然后一个基于颜色的图像分割算法应用于提取全局观察图像中的所有颜色的对象。接着，基于SVM的形状分类，采用对所有提取的颜色的对象分类成四种类型的形状：球形，立方体，球形孔，方孔。基于这些分类结果，坐标基于常规相机校准技术转换方法被采用到转换所有球形孔和从图像squarehole物体的中心位置坐标，以世界坐标。转换后的坐标将被用作在世界的所需端部执行位置坐标机器人把一个抓住对象。此外，每个方孔的取向也经由基于图像的对象方向估计算法，这将在第三部分被呈现估算。

結果 (中文) 3:

图4显示了视觉伺服控制系统的设计框架，这是一个混合交换结构组成的基于图像的无功规划单元，一个还无功规划单元，和逆运动学控制器。正如前面所提到的，该系统需要两个摄像头来完成对象的选择和放置任务，包含三个阶段。在第一阶段，该overheadmounted相机估计在世界坐标的目标中心位置协助基础无功规划过程中的地位。相机首先捕捉到的表的整个视图的图像，和一个基于颜色的图像分割算法，然后应用到在全局观察到的图像中提取所有的颜色对象。接下来，基于支持向量机的形状分类器进行分类，所有提取的颜色对象分为四种类型的形状：球形，立方体，球形孔，和方孔。基于这些分类结果，基于传统的摄像机标定技术坐标转换的方法是通过将中心位置的所有球洞，squarehole图像坐标到世界坐标的对象。转换后的坐标将被用来作为所需的端部执行器的位置在世界坐标中的机器人把一个抓住的对象。此外，每个方孔的方向也估计通过基于图像的目标方向估计算法，这将在第三部分。