基于图像与基于位置的伺服

视觉伺服——靠一路实时相机画面来引导机器人——有两种风格，区别在于机器人是在哪里来度量自己的误差。基于图像的伺服（IBVS）直接在那张平面画面里工作：它看角点或小点这类特征此刻出现在图像中的位置，和任务完成时它们应该出现的位置，然后移动去缩小这个像素上的差距，根本不去把真实的三维布局完整地重建出来。基于位置的伺服（PBVS）则反其道而行：它先用图像把东西在真实三维空间里实际所处的位置重建出来——物体完整的位置和朝向——再在那个物理空间里规划一段运动，去到达目标位姿。

打个家常的比方：你想把车停到某个位置，好让一棵特定的树正好占据你后视镜里的某个点。基于图像的做法，是一边开一边只盯着后视镜，慢慢挪，直到那棵树正好落在镜子里它该在的地方——你从不计算车的坐标，你只是去对上那幅画面。基于位置的做法，则是先算出“这棵树在我身后三米、偏右一米”，再把你真实的位置开到那个算出来的点上。两种办法都能把车停好；它们只是在“该用画面来想，还是用真实世界来想”这件事上意见不同。

这里的取舍是实实在在的。基于图像的伺服很稳健，因为它从不去依赖脆弱的完整三维重建——相机标定上的小误差几乎伤不到它——但它在真实空间里走出的路径可能会绕得有些古怪，因为它只优化那幅画面。基于位置的伺服在真实世界里给出干净、可预测的运动，也便于推理，但它得仰仗准确的标定和位姿估计，所以一旦重建出错，机器人就会信心十足地开到错误的地方去。许多实用系统会把两者糅合起来，以兼得双方的长处。