基于对称Kullback-Leibler度量的仿生机器人眼睛跟踪行为

摘要

基于对称的Kullback-Leibler公制，其能够跟踪移动目标的基于仿生球的并联机构，以最小化跟踪误差功能以模拟对人眼的平滑追踪。更具体地，我们提出了一种利用的实时移动目标跟踪算法空间直方图考虑到对称的Kullback-Leibler度量。该算法提取关键的空间直方图，并将其引入到粒子滤波框架中。一旦识别出目标，就采用基于图像的控制方案驱动仿生球面并联机构，使识别出的目标在捕获图像的中心位置被跟踪。同时，对机器人的运动信息进行前馈，开发了一种自适应平滑跟踪控制器门穴曲线反射机制。所提出的跟踪系统是为了使机器人在可传输地形特别是颠簸环境中行走时能够跟踪动态目标而设计的。执行bumpy-resist能力在暴力态度变化的条件下，当机器人在提到的颠簸环境中工作时，实验结果表明了我们使用仿仿眼的平行机制的生物悬浮跟踪系统的有效性和鲁棒性。

1.介绍

机器人视觉系统是移动机器人识别和获取周围信息的关键。目标跟踪、目标识别、周围感知、机器人定位和姿态估计是机器人领域最热门的研究课题。而目标跟踪函数已经成为一个重要的方面人体机器人互动（HRI）， 相机Motion-Disturbance补偿(MDC)，跟踪稳定。

机器人运动信息通常用于保持相机稳定并补偿相机的小旋转或运动。这些系统使用惯性传感器和视觉提示来计算相机的运动信息。jung和sukhatme [1)开发了一个Kanade-Lucas-Tomasi（klt.基于移动机器人的运动目标跟踪系统。Hwangbo等[2那3.[还开发了一种陀螺辅助KLT功能跟踪方法，在快速相机 - 自我旋转条件下保持稳健。Park等人。[4.]提出了一个扩展的卡尔曼滤波器（EKF.基于运动数据融合的自动车辆视觉目标跟踪方案。Jia等[5.提出了一种视觉特征与车辆惯性测量相结合的视觉目标识别与跟踪方案。霍尔等人[6.通过融合来自惯性传感器（加速度计和速率陀螺）的测量和估计和预测相机的位置和取向（姿势）以实现鲁棒实时跟踪来使用多型EKF。

近年来，利用人眼的运动机制对仿生系统进行了广泛的研究。眼球神经生理学的发展为建立眼动控制模型提供了大量的数据和理论基础。在几种类型的眼球运动中，平滑的跟踪和稳定的注视起着基础性的作用。Lenz等人[7.]开发了一种受前庭反射(VOR)启发的自适应凝视稳定控制器。它整合惯性和视觉信息，驱动眼睛向相反方向运动，从而在动态变化下稳定视网膜上的图像。柴田的生物动眼神经系统[8.]使用人眼的VOR和Optopetic反射（OKR）来改善视觉系统的凝视稳定。Chameleon启发双目的双目“负相关”视觉系统（Cibncvs）颈部[9.旨在实现SWIFT和准确的定位和跟踪。Avni等人。[10也提出了一种受变色龙视觉系统启发而使用独立摄像机进行跟踪的生物动机方法。法律等[11]描述了在ICUB机器人上的眼睛头凝视控制的发育学习的生物学限制架构。谢等。[12]提出了一种基于眼动控制生理神经路径的机载泛倾变焦摄像机稳定直升机视觉跟踪的仿生控制策略。Vannucci等人[13]建立了机器人自适应控制模型，能够在预测目标运动的情况下进行视觉追踪。Falotico等[14在移动目标的情况下，采用“追赶”扫视模型来固定感兴趣的对象，以获得人类的跟踪系统。与经典的控制方法相比，使用仿生控制器的优点使机器人容易适应可传输的地形和轨道稳定地移动目标。灵感来自优秀的工作，我们使用跟踪系统通过颠簸地形行进时，跟踪跟踪的湍流问题，即，bumpy-resist能力．

此外，随着人眼的解剖学的发展，人眼的运动力学引起了对仿生工程的兴趣。人形机器人詹姆斯[15那16]配备了两只假眼，可独立平移和倾斜(共4自由度)。因此，iCub [17那18]还有两个人造眼睛，具有3个DOF，提供观察和跟踪运动。Wang等人。[19]设计了一种新型的人形机器人眼睛，它由六个气动人工肌肉（PAM）驱动，并用3个DOF旋转。已经提出了BioinSpired的执行器和机制来平移并将相机倾斜，具有与人眼相似的特征[20.那21.］．肌腱驱动的机器人眼睛[22.]是利用眼的几何学的机械基础及其驱动系统背后的Listing法则的实施。Gu et al. [23.]提出了一种由小型伺服马达驱动形状记忆合金(SMAs)的人工眼球植入物。一种微型人工复眼，称为弯曲人工复眼(CurvACE) [24.的微动作与苍蝇复眼的微动作相似。

以上已经介绍了许多仿生眼睛。而球面并联机构(SPM)结构紧凑、动态性能好、精度高;此外，三自由度SPM符合仿生眼的结构设计。由于这个原因，3-DOF SPMs吸引了相当多的兴趣。这种三自由度SPM仿生眼已经被提出了很多。假眼[25.那26.]对于人形机器人已经设计成尺寸和体重较小，并模仿人眼的高动态运动。“敏捷眼睛”[27.是一种高性能的并联机构，它能够在一个比人眼更大的工作空间内对安装在摄像机上的末端执行器进行定向，并且速度和加速度都大于人眼。Bang等人[28.设计一个3自由度拟人化动眼肌系统，以匹配类人眼的性能。我们的机制平台是受到这些优秀作品的启发，在跟踪动态对象方面起着至关重要的作用。

当机器人执行其正常运动时，跟踪动态对象在应用程序中很常见。为了保持顺利跟踪移动物体，我们开发了一个仿生跟踪系统，广泛应用于机器人工作在颠簸环境或动态干扰在这篇文章中。提出了一种基于图像反馈的机器人主动视觉跟踪系统，使跟踪伺服最小化，能够在颠簸环境中跟踪运动目标。具体地说，我们提出了一种利用空间直方图和对称Kullback-Leibler (SKL.）集成在粒子过滤框架中的度量，以实现自动移动目标跟踪和凝视稳定。该算法提取关键的空间直方图，并将其引入到粒子滤波框架中。基于图像的反馈控制方案被实现为驱动仿生SPM，使得在捕获图像的中心被跟踪所识别的目标。同时，机器人运动信息被前进以开发由VOR机构的自适应平滑跟踪控制器BioInspired。为了执行良好的规格，我们在机器人工作时在暴力态度变化的条件下测试我们的视觉稳定系统颠簸的环境．

从机器人的角度来看，我们的系统是受生物启发的。在利用平滑跟踪来建立对周围世界的一致感知的同时，还利用与环境的交互来调整平滑跟踪生成所涉及的控制模型。动作和感知以双向的方式紧密耦合:感知触发动作，动作的输出改变感知。同时，受VOR机构的启发，将机器人的运动信息前馈，实现机器人的平稳跟踪。

本文的结构如下。部分2介绍了我们的仿生SPM的仿生问题和设计。部分3.基于对称klullback-Leibler度量来提出视觉跟踪舆图．我们的仿生眼植物控制系统描述在本节4.．实验结果显示在一节中5.．部分6.呈现我们的结论。

2.基于人眼的云台平台设计

2.1。人类的眼睛的运动机制

每只眼睛由三对互补的视网膜肌肉控制，如图所示1（a）．每只眼睛的运动涉及在头骨插座中旋转眼睛的地球。由于在其运动期间的翻译最小，眼睛可以被视为球形接头，其具有由三个旋转轴（水平，垂直和扭转）限定的方向。但在我们对模拟器的实施和开发中，我们认为眼球移动，为简单起见没有翻译。

内直肌使眼睛向内转动，因此，外直肌向外转动。因此，它们形成一对来控制眼睛的水平位置。在收缩对内直肌和外直肌时，其他两对肌肉的动作更为复杂。当眼睛位于眼眶中心时，上直肌和下直肌的主要作用是向上或向下旋转眼睛。然而，当眼睛在眼眶中水平偏移时，这些肌肉也会导致扭转，即眼睛在视线周围的旋转，决定视网膜上图像的方向。

当眼睛不偏离水平位置时，上下斜肌的主要效果是向下和向上转动眼睛。所以over高级直肠和劣质直肌。此外，这些肌肉还确定了眼睛的垂直方向。

光滑的追踪眼球运动缓慢地旋转眼睛以补偿视觉目标的任何运动，从而起到最小化否则将发生的视网膜图像的模糊。我们实施平滑的目标跟踪，通过关于目标图像（视网膜图像）的视觉反馈不断调整。

SPM的运动学特征与眼球运动力学非常相似[29.］．两者都有一个3-DOF球形运动和旋转地球是球体的中心。SPM也具有紧凑的结构，优异的动态性能和高精度，所以3-DOF SPM符合仿生眼的结构设计，复制眼球运动。

眼球被视为球体，当它旋转时具有旋转中心。受到眼动力学和主动机器人视觉的机制的启发，我们介绍了一种基于SPM的新的仿生眼原型，该原型由一个涉及的系统组成，如图所示1（b）．

因为眼睛可以在三维空间中自由旋转，所以当眼球追踪移动目标时，可以在中央窝保持视网膜图像的稳定。在我们的工作中，我们提出了受人眼启发的结构要求的两个要点:(1)摄像机的中心必须位于“眼球”的中心，以确保两个不同位置之间的像面角度与“眼球”的旋转角度一致;(2)眼球运动的过程中,除了“眼球”不能超过任何机械组件的平面的中心范围尽可能确保当发生“眼球”的运动时,他们不会阻止相机的视线,不干扰机器人的脸。

２.２.VOR眼动植物补偿

在人眼VOR中，来自前庭系统的与头部速度相关的信号由半规管编码，用于驱动眼睛向与头部运动相反的方向移动。VOR以前馈模式运行，因此需要进行校准，以确保头部运动的精确零值。这个“三神经元弧”的简单性，加上眼植物的相对简单的机制，使VOR长期以来成为寻求了解小脑功能的实验和计算神经科学家的一个有吸引力的模型。为了消除视网膜上的影像运动，前庭信号必须经过神经回路的处理，以补偿动眼植物的机械特性。因此，VOR是发动机设备补偿的一个特殊例子。水平和垂直、角度和直线的头部运动激发六种眼外肌在三维空间的适当组合。

2.3。人眼启发PTZ平台的运动学

球形并联机构由上层和基座组成，由三对相同的运动亚基连接，如图所示2．在每个链中，有一个固定的旋转关节两个自由转动关节和将近端连接至远端连接，远端连接至上层。所有转动关节的轴相交于一个共同的点它被称为旋转中心。通过这个点的平面与底面平行的称为球心面，也称为眼球Listing的面。那那那,是这种机制的参数，在哪里和为下连杆和上连杆的结构角度，和是上部平台和基座的半锥角，和为上部平台与基座初始状态下的结构扭转角，即初始扭转角。

数字2展示了我们SPM平台的运动学，SPM的运动学方程是由[30.] 在哪里是电动机的角速度矢量输入，上面平台的角速度矢量输出，和是由机械参数决定的雅可比矩阵吗和眼球姿势．和是下连杆和上连杆的结构角度。和是基地和上平台的角度。该拟议的PTZ平台对人眼具有类似的运动学，如图所示3.．

3.基于skl的粒子滤波视觉跟踪

3.1。空间直方图：舆图

彩色直方图是常见目标模型之一，这只是整个图片中的不同颜色的统计，而不担心每种颜色的空间位置。因此，它对旋转不敏感，但适合于非脂肪或容易变形建模目标物体。基于该模型的目标容易受到具有相似颜色分布或其他干扰的背景，从而导致目标跟踪失败。在本文中，我们改进了基于新目标模型的粒子滤波器算法，SpAtiogram [31.]，它将像素坐标信息添加到传统的颜色直方图并使用SKL度量标准。二阶季度局可以描述如下： 在哪里是间隔和的总数吗是每个间隔，坐标均值和协方差矩阵的概率。它们可以使用如下方式计算： 是目标区域内的总像素数，坐标位置是像素，和表示,将像素量化为th间隔,而表明,将像素量化到其他间隔。

3.2。基于SKL的粒子过滤器

为了将空间图应用到目标跟踪中，我们需要选择一种方法来度量目标与候选目标之间的空间直方图的相似性度量。我们选择基于skl的相似性度量系数来度量目标空间图的相似性和候选目标空间图．

给予舆图，我们使用高斯分布来描述每个部分中所有像素的空间分布。分布的可以描述为 在哪里是所有像素的坐标的平均值th间隔和是所有像素坐标的均值协方差矩阵吗时间间隔。

高斯分布之间的KL距离和高斯分布可以通过使用以下公式计算的封闭式溶液获得： 在哪里是空间尺寸（用于省略的尺寸，）.类似地，我们可以得到高斯分布之间的KL距离和高斯分布： 的两个高斯分布的SKL距离和是 一般来说，相似度的范围是和相似性每对间隔的季度图可以描述为 因此，可以计算基于SKL距离的班车的相似性作为

根据 （11）， 我们可以得到

这表明基于对称的QualGram的相似度测量基于k1距离的kl距离可确保对象与目标具有最相似性。

4.基于图像的反馈和动态补偿眼植物控制

4．1.视觉反馈方案

当目标在图像中被识别时，提出了视觉反馈跟踪控制策略来控制仿生眼植物机构使跟踪误差函数最小化，也称为眼手视觉伺服[32.那33.］．因为SPM之间的相对距离和移动目标很大,如果误差函数定义在任何3 d参考坐标系,粗估计之间的相对姿态SPM和移动目标可能导致移动目标的视野,同时调整SPM伺服机制,也会影响到收敛后所达到的姿态精度。在我们的项目中，为了使跟踪控制更加鲁棒和稳定，我们在视觉传感器框架中定义了一个跟踪误差函数，其为[32.那33.] 在哪里和分别为被跟踪运动目标质心相对于像面的测量位置和期望位置。在我们的工作中，我们全力以赴，一个常数，这是捕获图像的质心。

4.2。人眼灵感PTZ平台的相机校准

基于云台视觉系统，建立如图所示的坐标系3.．假设物体的运动是未知的;如何控制PTZ平台的运动，使运动物体的投影固定在像平面的中心，同时充分考虑“眼球”的动态效应?为了使通过调整摄像机的姿态，使摄像机坐标系的-轴与目标重合，我们需要补偿摄像机与目标之间的偏移角。我们采用针孔相机模型来获得更精确的相机投影。在一般针孔摄像机模型的基础上，给出了摄像机的内参数模型方程 在哪里为目标在图像坐标系中的图像坐标。是主点的坐标。是相机坐标系中的目标坐标。比例因子在里面吗坐标方向,比例因子在里面吗- 科学方向。

为了使目标在场的中心被跟踪，我们需要使目标位于光轴上。通过光轴的目标位置表示为， 在哪里是相机与目标之间的距离。方向是

最后，我们可以推导出目标与摄像机视线之间的角度偏移:

在我们的实施中，相机中心位于“眼球”的中心，使得两个不同位置之间的图像平面角度与“眼球”的旋转保持相同。3-DOF SPM满足眼球运动的原理;相机可以安装在SPM中，并主动定向（水平，垂直，扭转）周围-轴，- 轴，和分别设在。我们考虑到在眼睛运动过程中最小的翻译，实现了我们的眼植物系统，为简单起见没有翻译。所以我们的视觉跟踪策略适用于所有没有平移的SPMs。

在视觉跟踪部分，我们给出了如何确定运动目标的位置。相对位置决定了我们的视觉跟踪策略。眼睛绕垂直旋转"-axis“由横向和内侧肌肉控制，这导致左或右眼的眼睛运动。横向旋转“-axis“由上级和劣质肌肉控制，其升高并抑制眼睛。最后，关于前后的旋转“导致眼睛逆时针以及向上和向下运动。参见图1（a）和1（b）．我们的模型接收视觉引导信号来控制眼植物;看 （14）.同时，将机器人的运动信息前馈到控制回路中。我们的整个生物灵感跟踪系统如图所示4.．据了解，VOR基本上是由内耳前庭器官的信号驱动的。半规管(SCs)检测头部旋转并驱动旋转VOR;另一方面，耳石检测头部平移并驱动平移VOR。解剖学家和生理学家倾向于认为VOR是一个由三神经元弧介导的简单神经系统，显示出一种独特的功能。从前庭系统开始，SCs通过头部旋转激活，并通过前庭神经通过脑干神经元发送脉冲，最终在动眼植物中结束。在这里，我们使用IMU来获取机器人眼睛的姿态变化。

当机器人在颠簸环境中工作时，刚性凸起和脉冲抖动导致具有高频和姿势的高频变化的显着湍流的发生。因此，获取机器人的运动信息并将向前馈送到控制器中以补偿外部干扰。在 [34.]，提出了一种主动视觉误差补偿模型，该模型根据(15）.在这里，我们使用所提出的BioInspired控制器来补偿由颠簸抖动引起的运动干扰。因此， 在哪里视网膜的幻灯片错误，为头部旋转角度，为表示眼球的旋转角度。那,分别表示头部旋转速度信号、视网膜滑动速度信号和视网膜显示引起的神经纤维刺突的增益。为视网膜错误信号引起的小叶补偿权值。在我们的系统中,那,等于1吗．将位置补偿与眼球速度补偿相结合，我们的系统用于构建平滑的跟踪系统。

5.实验和结果

为了证明，基于我们发达的引发原型的基于图像的反馈跟踪系统能够将相机定向具有所需方向的变化，尤其是其动态扰动能力和基于SPM的结构灵活性，闭环控制进行实验。我们设计基于跟踪机器人的实验平台，如图所示5.．在跟踪的机器人的路径上放置各种障碍以模拟真正的恶劣环境。我们介绍了使用过的联合空间控制架构[35.］．在所选择的控制方法中，所需要的摄像机姿态通过逆运动学转换为线性执行器设定点。因此，这里只简要介绍体系结构和示例控制结果。

为了测量三轴的“眼球”的角速度，我们采用态度传感器3DM-GX-25TM。该设备提供从完全校准的惯性测量（加速，角速率和DeltaAngle和Deltaptocle）到计算的方向估计的输出数据量，包括间距，滚动和标题（偏航）或旋转矩阵。所有数量都是完全温度补偿，并与正交坐标系进行数学上对齐。

此外，利用高速摄像机(Guppy F-033C)获取图像信息。高速摄像机与装有采集视频信号的英特尔核心处理器(Intel Core CPU)的PC上安装的IEEE 1394卡相连。相机是一个超紧凑，廉价的VGA机器视觉摄像机CCD传感器(索尼ICX424)。在全分辨率下，最高可达58帧/秒。我们采用针孔相机模型来获得更精确的相机投影。摄像机标定重复10次，求一个近似的摄像机标定矩阵．用棋盘校准相机[36.］．在这里，我们采用针孔相机模型来获得更准确的相机投影。遵循一般针孔相机模型，参数包含在内称为摄像机内部参数或摄像机的内部方向。参见[37.)以了解更多详情。

数字4.显示我们的跟踪控制方案。我们实现平滑目标跟踪(smooth pursuit)，以确保目标位于视场内，通过对目标图像的视觉反馈不断调整目标。图像由摄像机(视网膜图像)捕获，IMU测量机器人身体的运动来补偿动态干扰。

假设我们不知道被跟踪物体的运动情况，如何控制“眼球”的运动，使运动物体固定在像平面的质心上?

在跟踪移动目标的过程中，跟踪算法应该坚固地对闭塞，照明变化和姿势变化引入的外观变化。在我们的图书馆环境中，当对象外观由于照明，缩放和姿势变化而改变时，所提出的算法可以重新定位目标。一旦移动目标所在，“眼球”应在视野（图像中心）中保持图像稳定。也就是说，目标位置波动为零。参见图6.和7.．数字6.给出了跟踪结果的一些快照，并证明了运动目标在视场内的定位。同时，还进行了大量的抗碰撞试验。数字7.中的像素差异和方向。较小的眼球误差伴随较大的姿势改变，可以很好地证明良好的抗碰撞能力和VOR功能。

数据7.和8.展示了所提出的跟踪系统在履带机器人在颠簸环境中运行时的性能。统计结果表明，98.37%的跟踪误差包括和方向差，都落在<30像素的范围内，如图所示7.．统计数据和方向像素差异在图中展示8.．在我们的测试中,作为跟踪机器人平台穿过木龙骨充满障碍,刚性碰撞和脉冲抖动造成重大动荡的发生与高频振荡频率较低的姿态变化,这使得跟踪效果比文献中记录的数据,如(13那14］．但我们的实验是在比较恶劣的环境条件下进行的，所取得的效果是客观的。跟踪效果仍然保持在可控范围内，就像上述情况。显然，这表明该系统具有鲁棒性。

在我们的实际情况下，我们在跟踪的机器人和眼科植物上安装三个IMU以测量姿势变化。我们记录了角度差异以验证在跟踪机器人的姿态改变时，眼球根据位置补偿和速度补偿在相反方向上验证的系统颠簸抗蚀剂能力。换句话说，机器人姿势方差信息被向前进入控制器以形成耳机协调系统。数据9.和10给出了履带机器人在颠簸环境下的姿态变化和眼动变化的实验结果。此外，当机器人遇到瞬时姿态变化时，会产生较大的跟踪误差。然而，快速返回的低误差的眼球验证了仿生视觉跟踪系统的良好鲁棒性和基于spm的仿生眼的高灵巧性。显然，这些方差反映了跟踪系统的良好稳定性。

6.结论

为了准确地复制人类视觉系统，我们根据眼球的机械师，在水平，垂直和扭转轴方向上呈现了3dof“眼球”。因此，呈现基于图像的视觉反馈跟踪系统以最小化能够跟踪移动目标的跟踪误差函数。更具体地，所提出的实时移动目标跟踪算法利用集成到粒子过滤框架中的空间直方图和对称KULLBACK-LEILBLER度量，以实现自动移动目标识别和凝视稳定。同时，机器人运动信息被前进以开发由VOR机构的自适应平滑跟踪控制器BioInspired。实验结果表明，我们的算法在处理移动物体跟踪方面是有效和稳健的，并且可以始终将目标保持在相机的中心，以避免跟踪失败。此外，随着跟踪的机器人平台穿过充满障碍物的粗糙地，刚性凸块和脉冲抖动导致具有高频和振荡姿势的显着湍流的发生，频率较低。跟踪效果仍保持可控范围，这表明系统具有抗抗蚀剂能力。

利益冲突

提交人声明没有关于本文的出版物的利益冲突。

致谢

基金资助:国家自然科学基金项目(no. 61233010, no. 61305106);基金资助:国家自然科学基金资助项目(13ZR1454200);ICT1531)。

参考文献

1. B. Jung和G. S. Sukhatme，“从移动机器人实时运动跟踪”，国际社会机器人杂志，第2卷，第2期1，页63-78,2010。视图:出版商网站|谷歌学术
2. m . Hwangbo js。Kim和T. Kanade，“移动相机的陀螺仪辅助特征跟踪:融合、自动校准和GPU实现，”国际机器人研究杂志，卷。30，没有。14，pp。1755-1774，2011。视图:出版商网站|谷歌学术
3. m . Hwangbo js。Kim和T. Kanade，“惯性辅助KLT功能跟踪，用于移动相机，”IEEE / RSJ智能机器人和系统国际会议的诉讼程序（IROS'09），PP。1909-1916，圣路易斯，莫，美国，2009年10月。视图:出版商网站|谷歌学术
4. J. Park，W. Hwang，H. Kwon，K. Kim和D.-i。D. CHO，“一种用于机器人视觉跟踪系统的新型视线控制系统，使用视觉反馈和运动扰动前馈补偿”Robotica，卷。31，不。1，pp。99-112，2013。视图:出版商网站|谷歌学术
5. Z. Jia, A. Balasuriya，和S. Challa，“基于传感器融合的自动车辆视觉目标跟踪与失序测量解决方案，”机器人技术与自主系统第56期2，页157-176,2008。视图:出版商网站|谷歌学术
6. J. D.Hol，T.B.Schön，H. Luine，P. J.Slycke和F. Gustafsson，通过融合惯性和视觉传感器的测量，“强大的实时跟踪”，实时图像处理杂志，第2卷，第2期2-3，pp.149-160，2007。视图:出版商网站|谷歌学术
7. A. Lenz, T. Balakrishnan, A. G. Pipe，和C. Melhuish，《前庭眼反射启发的自适应凝视稳定控制器》，生物定位和生物体，第3卷，第2期。3、条款ID 035001, 2008。视图:出版商网站|谷歌学术
8. T. Shibata和S.Schaal，“基于反馈 - 与非参数回归网络的反馈凝视稳定，”神经网络第14卷第2期2，第201-216页，2001。视图:出版商网站|谷歌学术
9. H. Xu，Y.徐，H.Fu，Y. Xu，X. Z. Gao，K. Alipour，“仿生双PTZ视觉系统和轮式移动机器人的协调运动”，工业机器人，卷。41，没有。6，pp。557-566,2014。视图:出版商网站|谷歌学术
10. O. Avni, F. Borrelli, G. Katzir, E. Rivlin，和H. Rotstein，“用独立摄像机扫描和跟踪——一种基于模型预测控制的生物动机方法”，自主机器人，第24卷，第2期3，第285-302页，2008。视图:出版商网站|谷歌学术
11. J. Law, P. Shaw，和M. Lee，“一个生物约束的结构，用于发展学习的眼头凝视控制类人机器人，”自主机器人，卷。35，不。1，pp。77-92,2013。视图:出版商网站|谷歌学术
12. S.Xie，J. Luo，Z.G，W.丁，H. Zou和X.Fu，“基于自主直升机的视觉跟踪”泛倾斜缩放相机“的仿真控制，”IEEE/RSJ智能机器人与系统国际会议论文集(IROS’2007)，页2138-2143，加州圣地亚哥，美国，2007年11月。视图:出版商网站|谷歌学术
13. L. Vannucci，N.Cauli，E. Falico，A.Bernardino和C. Laschi，“涉及眼球协调和预测目标运动的自适应视觉追求”第14届IEEE-RAS人形机器人国际会议的诉讼程序（人形'14），pp.541-546，IEEE，马德里，西班牙，2014年11月。视图:出版商网站|谷歌学术
14. E. Falotico, D. Zambrano, G. G. Muscolo, L. Marazzato, P. Dario，和C. Laschi，“iCub机器人上的生物启发视觉跟踪模型的实现”第十九届IEEE机器人与人交互交流国际研讨会论文集(RO-MAN’10)，pp.564-569，IEEE，Viareggio，意大利2010年9月。视图:出版商网站|谷歌学术
15. L. jamone，M.Fumagalli，G. Metta，L. Natale，F. Nori和G. Sandini，“基于机器学习的人类肌腱驱动的颈部控制”，IEEE机器人与自动化国际会议文集(ICRA’10)，pp.859-865，安克雷奇，阿拉斯加，美国，2010年5月。视图:出版商网站|谷歌学术
16. F. Nori，L. jamone，G. Sandini和G. Metta，“精确地控制人类肌腱驱动的颈部”第7届IEEE-RAS国际人形机器人国际会议的诉讼程序， pp. 371-378, IEEE，匹兹堡，宾夕法尼亚州，美国，2007年11 - 12月。视图:出版商网站|谷歌学术
17. N. G. Tsagarakis，G. Metta，G. Sandini等，“Icub：设计和实现一个人的认知和神经科学研究的开放式人形平台”先进的机器人，卷。21，不。10，pp。1151-1175，2007。视图:出版商网站|谷歌学术
18. J. Leitner, S. Harding, M. Frank, A. Förster，和J. Schmidhuber，“计算机视觉和认知机器人研究(icVision)的集成模块化框架”生物启发的认知架构，第196卷智能系统和计算的进步，pp.205-210，Springer，2013。视图:出版商网站|谷歌学术
19. X.-Y。张学军，张学军。傅,G.-S。“基于气动人工肌肉的新型仿人机器人眼的设计与运动学分析”，仿生工程，第5卷，第5期。3，pp。264-270，2008。视图:出版商网站|谷歌学术
20. Y.-c.李，C.-c。Lan，C.-Y.楚，C.-M.莱和y.-j.陈，“一种平行弯曲致动轴的泛倾斜定向机构”IEEE/ASME机电一体化学报，卷。18，不。3，pp。1100-1112,2013。视图:出版商网站|谷歌学术
21. c c。局域网,研究。李,肯尼迪。江,Y.-J。陈,H.-Y。Wei，“一种具有弯曲平移和倾斜轴的紧凑相机定位机构的设计”IEEE / RSJ智能机器人和系统国际会议的诉讼程序（IROS'11），pp。1962-1967，旧金山，加利福尼亚州，2011年9月。视图:出版商网站|谷歌学术
22. G. Cannata和M. Maggiali，“仿生机器人眼睛设计模型”，IEEE机器人学报，第24卷，第2期1，pp。27-44,2008。视图:出版商网站|谷歌学术
23. J.Gu，M. Meng，A. Cook和M. G. Faulkner，“人工眼植入自然运动的研究”机器人技术与自主系统，卷。32，不。2，pp。153-161,2000。视图:出版商网站|谷歌学术
24. F. Colonnier，A. Manecy，R. Juston等，“一个小型超敏化合物眼，具有活跃的眼睛震颤：应用于视觉稳定，目标跟踪和短程内径术”生物灵感和仿生学，卷。10，没有。2，2015年第026002号。视图:出版商网站|谷歌学术
25. T. Villgrattner，E. Schneider，P. Andersch，以及H. Ulbrich，“紧凑的高动态3 DOF相机定向系统：开发和控制”系统设计与动力学学报，第5卷，第5期。5，页819-828,2011。视图:出版商网站|谷歌学术
26. T. Villgrattner和H. Ulbrich，“并联三自由度摄像机定位系统的优化和动态仿真”，在第23届IEEE / RSJ 2010年智能机器人和系统会议的诉讼程序（IROS'10），页2829-2836，台北，台湾，2010年10月。视图:出版商网站|谷歌学术
27. C. M. Gosselin, E. St. Pierre, M. Gagné，《敏捷眼睛的发展》，IEEE机器人与自动化杂志，第3卷，第2期。4，pp。29-37,1996。视图:出版商网站|谷歌学术
28. Y.-B.Bang，J.K.Paik，B.-h。胫骨和C. Lee，“一种三维自由度拟人血管血管模拟器”控制、自动化与系统国际期刊，卷。4，不。2，pp。227-235,2006。视图:谷歌学术
29. S. Refaat，J.M.Hervé，S. Nahavandi和H. Trinh，“两种模式过度约束三-COFS旋转翻译线性电动机的平行运动学机制，即机床应用”Robotica，第25卷，第2期4，页461-466,2007。视图:出版商网站|谷歌学术
30. “基于优化参数的球面并联机构的仿生眼设计”，国家自然科学基金重点项目，2012.01 - 2012.12，主持机器人，卷。6，第014,1010款。视图:谷歌学术
31. S. T. Birchfield和S. Rangarajan，“基于区域的跟踪的空间图与直方图”IEEE计算机愿景和模式识别会议的诉讼程序（CVPR '05）， vol. 2, pp. 1158-1163, IEEE, 2005年6月。视图:出版商网站|谷歌学术
32. F. Chaumette和S. Hutchinson，“Visual Servo Control。I.基本方法，“IEEE机器人和自动化杂志，卷。13，不。4，pp。82-90,2006。视图:出版商网站|谷歌学术
33. F. Chaumette和S. Hutchinson，“Visual Servo Control。II。高级方法[教程]，“IEEE机器人和自动化杂志第14卷第2期1，页109-118,2007。视图:出版商网站|谷歌学术
34. “基于前庭-眼反射的机器人视觉误差主动补偿方法”，“基于前庭-眼反射的机器人视觉误差主动补偿方法”，Jiqiren /机器人第33卷第3期2，页191-197,2011。视图:出版商网站|谷歌学术
35. C. Li，S.Xie，H.Li，J.Miao，Y. Xu和J.罗，“系统设计和研究与态度闭环控制的球形平行机制仿生眼”，“Jiqiren /机器人，第33卷，第354-359页，2011。视图:谷歌学术
36. Z. Zhang，“一种灵活的摄像机标定新技术”，图案分析和机器智能的IEEE交易，卷。22，没有。11，PP。1330-1334,2000。视图:出版商网站|谷歌学术
37. R. Hartley和A. Zisserman，计算机视觉中的多视图几何，剑桥大学出版社，英国剑桥，2003。视图:Mathscinet.

版权

版权所有©2015 Hengli Liu等。这是分布下的开放式访问文章创意公共归因许可证，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。