ロボット制御 2026-07-24

ロボット視覚サーボ入門：画像ベース制御と位置ベース制御の選択

投稿日: 2026年07月24日更新日: 2026年07月24日読了目安: 約2分

カメラ視野内の画像特徴と3D座標軸、ロボット動作を抽象的に表した視覚サーボの概念図

画像上の誤差と実空間の誤差は、同じ「ずれ」でも制御設計上の意味が異なります。

結論

視覚サーボの方式は、何を誤差として制御したいか、そして対象モデル・校正・深度情報をどの程度信頼できるかで選ぶ。画像上の特徴を目標へ合わせることが主目的で、対象の3Dモデルや絶対姿勢を十分に利用できない場合は、画像ベース視覚サーボ（IBVS）が候補になり得る。一方、対象との相対的な並進位置や回転姿勢を推定し、Cartesian空間の軌道や姿勢制約を設計したい場合は、位置ベース視覚サーボ（PBVS）が候補になる。

ただし、これは一般的な性能順位ではない。深度推定、視野、初期条件、対象モデル、カメラ校正、遅延などによって結果は変わる。画像上の視認性と実空間の軌道精度を両立したい場合は、2.5D視覚サーボや、IBVSとPBVSを段階的・協調的に使うハイブリッド構成も検討対象になる。

なぜ選択が重要か

視覚サーボは、カメラから得た画像特徴、または画像から推定した対象物の姿勢をフィードバックし、ロボットの運動を閉ループ制御する枠組みである。画像を認識に使うだけでなく、制御誤差の定義そのものに組み込む点が特徴だ。

同じ「対象をつかむ」タスクでも、画像中の特徴を所定位置へ移動させたいのか、対象の位置・姿勢を推定してエンドエフェクタを特定の状態へ運びたいのかで、設計は異なる。まず制御したい量を分ける必要がある。

IBVSとPBVS

IBVSは、画像特徴量と目標画像特徴量の差を制御する方式である。画像上の点や輪郭などを特徴量として扱い、対象の完全な3D姿勢を明示的に復元せずに、画像上の誤差を直接小さくする。

ただし、画像特徴の変化とカメラ運動の関係を表す相互作用行列には、対象までの深度、またはその近似値が必要になることが多い。したがってIBVSは、3D情報が一切不要な方式ではない。また、アイ・イン・ハンド構成では、画像特徴の変化をロボットの関節速度やエンドエフェクタ速度へ変換するため、カメラとロボット間の幾何関係が通常必要になる。完全な校正を避ける構成では、オンライン推定や適応的手法が必要になる場合があり、別途検討しなければならない。

PBVSは、画像から対象物の3D姿勢を推定し、現在の状態と目標状態との差をCartesian空間で制御する方式である。並進位置は長さの単位で扱い、姿勢は回転行列、クォータニオン、軸角などで表現する。対象の幾何モデルまたは既知の3D情報、カメラの内部パラメータ、カメラとロボットの外部関係が重要になる。

内部の仕組み

IBVSでは、現在の画像特徴を s、目標特徴を s* とすると、制御器は概念的に s - s* の誤差を使ってカメラまたはロボットの速度を決める。相互作用行列を介して画像特徴の変化と運動を結び付け、得られた運動をエンドエフェクタ速度や関節速度へ変換する。

PBVSでは、画像特徴から対象の3D位置・姿勢を推定し、その誤差をCartesian制御器へ入力する。空間上の位置や回転姿勢を直接目標として扱える一方、推定値の誤差がそのまま制御へ影響する。対象モデル、カメラパラメータ、ハンドアイ変換の品質が前提になる。

flowchart LR
  subgraph IBVS["画像ベース視覚サーボ（IBVS）"]
    I1["カメラ画像"] --> I2["画像特徴の抽出"]
    I2 --> I3["画像特徴の誤差 s - s*"]
    I3 --> I4["制御器・相互作用行列"]
    I4 --> I5["カメラまたはロボットの運動"]
    I5 --> I6["対象との相対運動"]
    I6 --> I1
    D1["深度または深度近似"] --> I4
    G1["カメラとロボットの幾何関係"] --> I4
  end

  subgraph PBVS["位置ベース視覚サーボ（PBVS）"]
    P1["カメラ画像"] --> P2["対象の3D位置・姿勢推定"]
    P2 --> P3["3D位置・姿勢の誤差"]
    P3 --> P4["Cartesian制御器"]
    P4 --> P5["エンドエフェクタまたはロボットの運動"]
    P5 --> P6["対象との相対運動"]
    P6 --> P1
    M1["対象モデル・既知の3D情報"] --> P2
    C1["カメラ内部パラメータ"] --> P2
    H1["ハンドアイ変換"] --> P4
  end

IBVSは画像特徴の誤差、PBVSは推定した3D位置・姿勢の誤差をフィードバックする。どちらも画像からロボット運動への変換に必要な幾何情報や推定情報がある。

方式の比較

観点	IBVS	PBVS
制御誤差	画像特徴の誤差	3D位置・姿勢の誤差
主な入力	画像特徴、深度または深度近似	3D情報、姿勢推定、カメラパラメータ
3Dモデルへの依存	完全なモデルに依存しにくい	対象モデルや既知の3D情報が重要
軌道の表現	画像上の経路	Cartesian空間の経路・姿勢
主な課題	深度誤差、特異性、局所解、視野外逸脱	校正・モデル・姿勢推定誤差、視野内維持
条件付きで候補になる場面	画像上の整列、接近、モデルが不完全なピック	既知対象への挿入、精密組立、姿勢制約の強い動作

タスク別の使いどころ

画像上の位置合わせや把持対象への接近では、対象の正確な3Dモデルがなくても画像特徴を目標へ近付けられるため、IBVSが候補になり得る。ただし、深度が不安定、特徴が遮蔽される、初期誤差が大きいといった条件では、その利点が小さくなる可能性がある。ピックアンドプレースでも、制御目標が「画像上で所定の位置へ合わせること」なのか、把持後の空間姿勢まで厳密に保証することなのかを分けて評価する必要がある。

挿入や精密組立では、対象に対するエンドエフェクタの並進位置、回転姿勢、進入方向、Cartesian軌道が中心になる。対象モデル、カメラ校正、姿勢推定を十分に確保できるなら、PBVSが候補になる。ただし、特定の装置や対象について、どちらが高い成功率・精度・サイクルタイムを実現するかは、実機条件なしには決められない。

画像上の整列とCartesian軌道の両方が必要な場合は、2.5D方式が中間案になる。これは画像特徴と部分的な3D姿勢情報を組み合わせ、完全なIBVSと完全なPBVSの間を扱う考え方である。接近段階で画像特徴を重視し、最終段階で姿勢誤差や空間軌道を重視するような構成も選択肢になる。

制約と失敗しやすい点

IBVSでは、深度推定誤差が相互作用行列を通じて制御に影響する。行列の特異性、初期条件による局所解、画像特徴の視野外逸脱にも注意が必要だ。画像上では誤差が小さくなる経路でも、実空間では遠回りになる場合がある。

PBVSでは、カメラの内部パラメータ、ハンドアイ変換、対象モデル、姿勢推定の誤差がCartesian制御へ伝わる。計画した空間軌道が望ましくても、その途中で対象をカメラ視野内に保てるとは限らない。PBVSだから視野問題が解消されるわけではない。

両方式に共通する評価項目として、遮蔽、画像処理や通信の遅延、制御周期、初期誤差、停止条件、安全な退避動作を確認する。許容値や方式間の定量的な優劣は、ロボット、カメラ、対象、配置によって変わるため、一般的なしきい値をそのまま適用することはできない。

採用判断の手順

制御したい量を決める。画像特徴の整列が主ならIBVS、Cartesian上の位置・姿勢や軌道が主ならPBVSを起点にする。
対象モデルと校正を評価する。3Dモデル、カメラパラメータ、ハンドアイ変換をどこまで信頼できるか確認する。
深度と視野の条件を確認する。IBVSでは深度近似と特徴の可視性、PBVSでは姿勢推定と軌道中の視野維持を評価する。
初期誤差、遅延、制御周期、停止条件を確認し、特徴消失や推定不確かさが生じた場合の安全退避を設計する。
画像と空間の条件が混在するなら、2.5D・ハイブリッド方式を比較する。

まとめ

IBVSは画像上の目標達成を直接扱いやすく、3Dモデルへの依存を抑えたい接近やピックで候補になり得る。PBVSは並進位置と回転姿勢の誤差、およびCartesian軌道を設計しやすく、既知対象の挿入や精密組立で候補になる。ただし、どちらも条件付きの選択であり、IBVSは深度やカメラ・ロボット間の幾何関係を必要とし、PBVSはモデル・姿勢推定・校正の品質に依存する。制御目標、モデルと校正の信頼性、深度、視野、遅延、安全退避を実機条件に照らして判断することが基本になる。

参考情報

視覚サーボ方式の採用判断フロー

flowchart TD
  A["制御したい量を確認"] --> B{"主な目標は画像上の整列か？"}
  B -- "はい" --> C{"深度または深度近似を利用できるか？"}
  C -- "はい" --> D["IBVSを候補として評価"]
  C -- "いいえ" --> E["深度推定・適応手法などを検討"]
  E --> F{"画像特徴と部分的な3D情報を組み合わせるか？"}
  F -- "はい" --> K["2.5DまたはIBVS/PBVSのハイブリッドを比較"]
  F -- "いいえ" --> D
  B -- "いいえ" --> G{"Cartesian位置・姿勢や軌道が主目標か？"}
  G -- "はい" --> H{"対象モデル・姿勢推定・校正を信頼できるか？"}
  H -- "はい" --> I["PBVSを候補として評価"]
  H -- "いいえ" --> J["モデル・校正・推定品質を評価"]
  J --> K
  G -- "いいえ" --> K
  D --> L["深度、視野、初期条件、遅延、停止条件、安全退避を検証"]
  I --> L
  K --> L

IBVSやPBVSを一般的な性能順位で選ぶのではなく、制御目標、深度、対象モデル、姿勢推定、校正、初期条件、視野、安全退避などの条件を確認して候補を比較する。

方式ごとの依存関係と共通する失敗要因

flowchart LR
  subgraph IBVS["IBVSの主な依存要素"]
    I1["画像特徴"] --> I2["画像誤差"]
    I3["深度推定・深度近似"] --> I4["相互作用行列"]
    I2 --> I4
    I4 --> I5["運動生成"]
    I6["視野制約"] --> I5
  end

  subgraph PBVS["PBVSの主な依存要素"]
    P1["対象モデル・既知の3D情報"] --> P2["3D姿勢推定"]
    P3["カメラ内部パラメータ"] --> P2
    P4["ハンドアイ変換"] --> P5["Cartesian制御"]
    P2 --> P5
    P6["Cartesian軌道・姿勢制約"] --> P5
  end

  subgraph COMMON["両方式に共通する確認事項"]
    C1["遮蔽"]
    C2["画像処理・通信遅延"]
    C3["制御周期"]
    C4["初期誤差"]
    C5["停止条件・安全退避"]
  end

  C1 -. "影響" .-> I1
  C1 -. "影響" .-> P2
  C2 -. "影響" .-> I5
  C2 -. "影響" .-> P5
  C3 -. "影響" .-> I5
  C3 -. "影響" .-> P5
  C4 -. "影響" .-> I2
  C4 -. "影響" .-> P2
  C5 -. "対策" .-> I5
  C5 -. "対策" .-> P5

IBVSとPBVSでは依存する情報が異なるが、遮蔽、遅延、制御周期、初期誤差、安全停止などは共通の検証項目になる。

方式の名前だけで決めず、対象とカメラの条件を含めて評価することが、視覚サーボの設計では欠かせません。

AI利用に関する注記

本サイトの記事は、複数のAIエージェントによる調査・執筆・レビューを経て公開しています。正確性と品質の向上に努めていますが、内容については必ず一次情報をご確認ください。

参考にした一次情報

A New Approach to Visual Servoing in Robotics （paper）公開: 1992-06-01
A Tutorial on Visual Servo Control （paper）公開: 1996-12-01
Visual Servo Control. Part I: Basic Approaches （paper）公開: 2006-12-01
Visual Servo Control. Part II: Advanced Approaches （paper）公開: 2007-03-01
2-1/2-D Visual Servoing （paper）公開: 1999-04-01

結論