一种通用的工业机器人位姿检测方法

为满足带有不同末端执行器的工业机器人系统的绝对位姿检测需求,提出一种通用的检测方法。其基本原理是以激光跟踪仪测量固定在机器人末端的4个参考点从而间接测量机器人的绝对位姿,并与指令位姿比较实现机器人位姿准确度和位姿重复性检测;其中,参考点坐标及机座坐标系通过多姿态约束同步标定,并设计非线性标定算法。通过末端带有制孔执行器的KUKA KR210 R2700工业机器人的位姿检测实验表明：该检测方法的准确性可满足机器人位姿检测的需要,且无需特殊的机械工装,具有良好的通用性;基于多姿态约束的非线性标定方法具有良好的鲁棒性,可有效的减小因机器人运动模型不准确引起的标定误差。     

基于线结构光传感器的工业机器人运动学参数标定

针对工业机器人绝对定位精度较低问题,提出一种基于线结构光传感器的工业机器人运动学参数标定方法。首先,将线结构光传感器固定安装在机器人末端,建立传感器测量模型,然后建立机器人运动学模型,通过手眼关系将传感器模型与机器人模型连接组成完整的标定系统模型。其次,使线结构光传感器在不同位姿下对某一固定点进行测量,得到该点在机器人基座标下的坐标值。并建立该坐标值的理论值与实际值偏差的误差模型,从而建立标定方程组,利用最小二乘法辨识出运动学参数误差并修正参数。最后,通过将这些参数更新到理想运动学模型中,比较标定前后测量点之间的位置偏差。实验表明,平均误差和标准差分别减小了50%和42%以上。     

基于PSO优化神经网络和空间网格的机器人位姿标定方法

该文提出一种将机器人的位置和姿态拆分开,分别进行标定的机器人位姿标定方法。采用空间精度控制网格标定机器人定位误差,粒子群优化算法(particle swarm optimization,PSO)优化神经网络标定机器人定姿误差。该方法以指数积公式(product of exponentials,POE)为基础建立机器人正向运动学模型,用映射法建立空间网格,用三坐标测量臂测量机器人位姿,用空间网格精度标定定位误差,用PSO优化的神经网络标定定姿误差。其优点在于既标定机器人工具中心点(TCP)的定位误差,又标定机器人工具坐标系的姿态误差,使得机器人定位、定姿误差都得到补偿。实验结果表明机器人的定位、定姿均方根误差减小接近一个数量级。     

基于机器视觉的分拣机器人6D位姿估计北大核心CSCD

为解决传统分拣机器人通过人工示教完成指定动作其自动化程度低、实时性差、可移植性弱等问题,研究设计了基于机器视觉的分拣机器人实验平台,提出了基于粗配准与增强精配准混合递进配准策略的6D位姿高精度估计方法。首先,将由视觉传感器采集的3D点云信息进行背景信息去除、目标区域裁剪、ROI提取等预处理;然后采用采样一致性初始配准算法(SAC-IA)进行位姿粗配准,再利用迭代最近点算法(ICP)进行精配准及正态分布变换(NDT)进行增强精细配准,以获得高精度6D位姿。实验结果证明,通过粗配准与增强精配准能够快速准确获得待抓取目标6D位置和姿态,与理论位置和姿态相比较其误差分别控制在1.5 mm和2°之内,满足分拣机器人的实际需求,所提出的方法便于在基于机器视觉的机器人装配、打磨等有高精度6D位姿估计场合推广应用。     

线结构光视觉传感器机器人手眼关系标定

为实现对工业机器人手眼关系的标定,提出一种基于线结构光视觉传感器的手眼关系标定方法。该方法在标定时,将一个平面靶标作为参考物固定在工业机器人工作空间内,控制工业机器人末端运动以带动线结构光视觉传感器作多组变位姿运动,获取在不同位姿状态下的平面靶标图像并对其进行图像处理。通过对图像上固定特征点的测量,以及建立线结构光视觉传感器模型和手眼关系模型实现对线结构光内参数和手眼关系的标定。用棋盘格标定板进行测量实验验证,实验结果表明该方法准确度为0.036 mm,即优于40μm,可用于工业机器人的测量应用。     

基于闭环测量的机器人关节刚度标定方法

针对机器人在加工装配中的结构弱刚性问题,提出一种基于闭环测量的机器人关节刚度标定方法.首先,本文提出一种由六支位移传感器组成的闭环标定装置和测量机器人末端位姿的原理;其次,建立机器人各连杆坐标系,推导出其运动学方程和雅可比矩阵,同时建立了考虑关节刚度的机器人静刚度模型;最后,利用闭环标定装置和UR10机器人进行关节刚度标定实验.实验结果表明,机器人关节刚度标定的准确性高,对提高机器人定位精度、改善加工性能具有重要意义.     

基于锥孔靶标的机器人末端位姿间接测量方法

机器人的位姿误差是衡量机器人性能的重要指标,因此位姿测量是机器人校准过程中的重要环节。为简化机器人末端位姿测量过程,提出一种间接测量方法。首先设计靶标并建立靶标坐标系、将靶标安装在法兰盘上、标定出两者之间的转换关系;然后利用绝对关节臂测量机测量靶标上的锥孔,采用最小二乘法并结合靶标坐标系与法兰盘坐标系之间的转换矩阵计算出机器人末端位姿,并分析测量误差对位姿误差的影响;最后对KR5arc工业机器人末端位姿进行测量。实验表明:该间接测量方法相较于直接测量方法的优点在于不仅可以保证测量结果的准确度,而且可提高测量结果的紧密度、大大简化测量过程。     

机器人定位精度标定技术的研究

机器人末端位姿的精度依赖于各连杆几何参数的精度。为了提高机器人的位姿精度，需要对机器人进行标定，为此必须研究机器人运动学模型的建立方法。基于MDH模型和微分运动学，识别出机器人的各个连杆几何参数误差对机器人位姿精度影响程度，并结合最小二乘算法，对机器人的定位精度进行修正。实验表明，该方法适合对机器人几何参数误差的标定，并且能够提高机器人的综合性能。     

机器人的运动时变可靠性分析

机器人系统存在的多种不确定性会导致其运动精度下降,为此开展机器人运动时变不确定性建模与分析,以期提高机器人运动精度。首先基于运动学分析建立了机器人末端执行器参考点位姿误差模型,随后基于机器人位姿误差模型提出了末端执行器位置精度的点（静态）可靠性、时变（区间）可靠性模型以及机器人运动的系统可靠性模型,最后给出了实现上述可靠性模型高效、高精度求解的包络方法,并以斯坦福机器人为实例验证了所提模型和求解方法的有效性。研究表明,所提出的可靠性模型能够有效获得机器人各坐标分量上的时变可靠度以及机器人运动的系统可靠度。研究工作为提高机器人运动精度提供了新方法。     

基于遗传算法的包装机械臂位置精度控制方法

目的为提高包装机械臂运行精度,解决视觉伺服控制系统中手眼标定问题,基于遗传算法设计一种机械臂运动学参数标定方法。方法在明确手眼视觉坐标的基础上,给出不同坐标系之间的变换关系。通过对比机械臂末端执行器理论位置和实际位置,确定其运动学参数标定误差模型。基于遗传算法基本原理,搭建了相关适应度函数,根据计算所得误差补偿量更新末端执行器位姿。最后,对机械臂运动控制系统进行联合调试以及实验分析。结果实际位置和理论位置之间偏差绝对值的平均值大约为0.8 mm,偏差最大值只有1.2 mm,精度比较高。结论所述手眼标定方法可以显著提高机械臂运动精度,可满足相关包装行业要求。