基于镜面反射的手眼标定方法

针对Eye-on-Hand机器人手眼系统的标定问题,提出一种基于镜面反射的手眼标定方法。通过镜面反射获取图像,根据镜像原理,通过线性求解算法确定机器人末端执行器和相机坐标系的位姿关系。与以往的标定方法不同,该方法只需要3次改变平面镜的姿态,就能同时获得相机的内参数和手眼视觉系统的位姿关系,不会引入传统标定方法中利用机器人运动参数而产生的机器人运动误差。最后将其与Halcon手眼标定算法进行对比,验证了所提方法的正确性和可行性。     

基于对偶四元数的机器人手眼标定算法研究

针对机器人手眼视觉系统中的手眼标定问题,对机械手末端执行器与摄像机之间的手眼转换关系进行了研究。对手眼标定问题中求解齐次矩阵的方法进行了归纳,建立了完整的基于运动位姿的视觉模型;利用改进对偶四元数方法分别求解了手眼齐次变换矩阵中的旋转矩阵和平移向量;为保证获得的平移向量是最优解,在求解平移向量过程中引入了无穷范数最小化,通过迭代求取了局部最优解的值;基于所考虑的求解最优,利用Matlab对平移向量算法进行了仿真研究,并将该算法标定结果与线性解耦估计算法和传统对偶四元数算法进行了比较。研究结果表明:该算法在标定精度、对噪声的鲁棒性、对运动位姿个数的敏感性和稳定性方面均优于其他两种算法,能满足手眼标定的精度要求。     

基于P3P原理的装配机器人手眼标定方法研究

针对一类微装配机器人的固定式手眼系统,提出了一种标定方法。采用P3P位姿测量原理获得空间点在摄像机坐标系中的坐标,从而建立机器人空间坐标系与手眼坐标系的位姿关系,给出了手眼系统标定的具体步骤,建立了标定方程组及其基于最小二乘法的求解方法。考虑到计算和测量误差等因素带来的旋转矩阵非单位正交矩阵的问题,采用了一种简单的校正算法进行修正。该方法无需复杂的辅助设备,标定过程简单,相关实验验证了该方法的标定精度和有效性。     

基于单目视觉的移动机械臂抓取作业方法研究

针对移动机械臂自主抓取作业过程中目标识别慢、作业精度低的问题,对基于单目视觉的目标识别与定位算法以及机器人作业精度提高方法展开了研究。以全向移动平台、工业机器人和单目相机等硬件为基础构建了一套移动机械臂抓取作业系统;对单目视觉模板匹配法进行了归纳,采用基于随机树分类的特征点匹配算法对目标进行快速准确地识别与定位;完成了相机内参数标定和机器人手眼位姿标定,分析了手眼位姿与抓取位姿的关系,提出了一种修正手眼位姿的抓取误差补偿方法,减小手眼标定误差对抓取误差的影响,最后进行了移动机械臂的抓取/放置实验。研究结果表明:采用上述方法能够快速准确识别目标,有效减小作业误差,并达到较高的作业精度。     

机器人柔性视觉测量系统标定方法的改进

提出一种改进的柔性视觉测量系统标定方法。建立了包含手眼关系误差与机器人运动学参数误差的系统误差模型。在机器人末端安装结构光传感器构建了机器人柔性视觉测量系统,并在机器人工作空间中固定一个标准球作为标定参考物。标定时,机器人被控制在不同位姿下测量球心坐标。首先,应用机器人的理论模型初步标定手眼关系;然后,基于球心约束,通过迭代算法同时得到准确的手眼关系和实际的机器人运动学参数。基于ABB IRB2400工业机器人进行了系统标定实验,并利用激光跟踪仪进行精度验证。结果表明:标定前后机器人柔性视觉测量系统的距离测量标准差由0.566mm降低到0.173mm,充分验证了改进方法的有效性和实用性。该方法提高了手眼关系的精度;不需要采用任何昂贵的外部设备,适合工业现场使用。     

工业机器人单目视觉对准技术研究

针对工业机器人精确对准问题,提出了一种基于单目视觉的工业机器人对准技术。该技术把工业机器人与单目视觉测量技术相结合,根据特制的手眼标定板,快速建立单目视觉测量系统与机器人上对准轴之间的手眼关系和对准的基准位姿;在对准环节,通过单目视觉系统获取工件目标的姿态,然后根据已有的手眼关系和基准位姿,求解在机器人基坐标系下机器人末端的对准轴的位置调整量,迭代调整机器人末端位姿,从而实现了机械人末端的对准轴与工件目标的精确对准。实验结果表明:在测量距离约是150mm处,对准平均精度优于0.2°。     

基于重定位的叶片机器人磨抛系统手眼标定算法

针对叶片机器人磨抛系统中手眼标定存在人工误差、二次误差等因素导致标定精度差等问题,提出了一种基于"重定位"的手眼标定算法.以拍照式三维扫描仪为标定对象,分析机器人手眼标定数学模型,提出利用标准球在机器人末端坐标系中绕工具中心点做定点变位姿运动的标定方案.通过最小二乘法计算扫描仪坐标系下的"重定位"中心坐标,并根据多空间...     

基于固定视点的视觉标定算法研究

针对在固定视点中机器视觉标定过程复杂、效率低、标定精度不高的问题,对目前普遍应用的摄像机标定和手眼标定算法进行了研究,提出了可一次性完成固定视点的视觉标定算法。利用实验室的MOTOMAN-UP6工业机器人对该标定算法进行了验证,首先由机器人末端夹持一个棋盘格完成一系列的运动,每次运动结束时摄像机拍摄一幅棋盘格图像,并记录下机器人末端的位姿,等所有运动完成后,采用张正友标定算法对摄像机进行标定,接着采用基于最小二乘法的标定算法对摄像机与基座关系进行简便高效的标定。研究结果表明:该算法标定过程简单、求解速度快并且结果精度高,具有很强的实用性。     

机器人工具和相机位姿标定的新方法

传统机器人手眼(机器人手腕法兰和相机)标定精度受限于机器人运动链的准确性,而且往往很难标定工具与机器人手腕法兰之间位姿关系。提出一种基于三坐标测量仪的高精度手眼标定新方法,利用三坐标测量仪将机器人末端工具、法兰盘、相机构建成闭环系统,避开了机器人的运动链,能够同时标定相机及工具-法兰三者之间的位姿关系,具有很强的实用性。实验表明,本标定方法的位置精度可达0.3 mm以内,角度精度可达0.062°。     

微装配机器人手眼标定方法研究

在视觉反馈的机器人控制中,手眼系统的标定非常重要,直接影响机器人的作业精度.针对微装配机器人系统操作空间小的特点,提出了一种固定视觉的手眼系统标定算法,该方法通过3个空间点在机械手基坐标系中的坐标,采用P3P位姿测量原理获得相应空间点在摄像机坐标系中的坐标,建立了标定方程组,基于最小二乘法,标定出了手眼系统之间的转换矩阵.该方法无需复杂的辅助设备,标定过程简单.相关实验得到了待标定的手眼系统之间的转换矩阵,验证了该方法的标定精度和有效性.     

面向手眼标定的改进灰狼优化方法

为解决眼在手上的机器视觉智能机器人手眼标定精度较低的问题,提出了一种改进灰狼算法的手眼标定方法。首先建立了眼在手的机器视觉智能机器人的手眼标定数学模型,通过分析影响手眼标定误差的因素,提出一种用于降低手眼标定误差的拍照位姿生成方案。然后,融合维度学习和差分进化策略,利用改进的灰狼算法对经由传统手眼标定算法求得的解析解进行非线性优化,避免了传统优化算法在迭代过程中,容易提前收敛,陷入局部最优解等缺陷。最后利用实物设备进行手眼标定实验,实验结果证明了该方法对降低手眼标定误差的可行性和有效性。     

双机器人系统的快速手眼标定方法

针对双机器人仿真测量系统的手眼标定问题,提出一种由机器视觉求解法兰盘位姿得出手眼关系的方法.将目标机器人运动到合适的位姿,由视觉机器人拍摄其法兰盘图像,提取图像中法兰盘的椭圆轮廓,解算摄像机坐标系下的法兰盘姿态和圆心坐标,并由销孔位置约束得出摄像机与目标法兰盘坐标系的转换关系H1.然后由控制器读数得出两台机器人各自法兰...     

机器人摄像机系统标定自动化和误差评估

传统的机器人手眼关系标定过程，需要人工多次拖拽机械臂到合适的位置，标定过程枯燥繁复且效率低，且标定样本数据的采集质量不稳定，影响标定结果的准确性。提出了一种机器人手眼关系标定算法，生成等分空间的位姿点，实现自动化标定，并评估最终的标定精度。通过设计仿真实验和实体实验，在实体实验部分，首先按照Tsai-Lenz方法传统地去计算手眼结果，然后提出误差评估机制，对计算数据进行筛选，对异常值进行剔除，显著提高了手眼标定的收敛速度和误差精度。     

基于二阶锥规划无标定参照物的手眼标定

为了克服传统机器人手眼标定方法求解手眼关系及机器人坐标系与世界坐标系方位关系对标定参照物的依赖,提出一种基于二阶锥规划的无标定参照物手眼标定改进方法,并搭建相关实验系统进行验证。首先,利用运动恢复结构算法解算定义在一个尺度因子基础上的相机运动矩阵;然后,引入对偶四元数理论参数化标定方程中的旋转矩阵和平移向量;最后,通过二阶锥规划方法同时求解相机运动矩阵尺度因子、手眼关系及机器人坐标系与世界坐标系方位关系的最优解。仿真和实测结果表明,在没有标定参照物作为测量基准的情况下,标定结果中旋转参数相对误差为3.998%,平移参数相对误差为0.117%。与其他标定方法相比,该方法提高了无标定参照物模式下机器人手眼标定精度,扩展了手眼标定方法的应用范围。     

基于差分进化算法的手眼标定方法

针对眼在手机器人视觉系统的手眼标定问题，提出了一种基于差分进化算法的手眼标定方法。首先建立了眼在手机器人视觉系统手眼标定的数学模型，通过李群李代数理论，将手眼标定问题转化为误差函数的优化问题，同时保证了优化问题的最优解落在特殊欧氏群ＳＥ（３）上。通过差分进化算法对优化问题进行求解，避免了求解过程中的局部最优问题。最后在实物平台上进行了手眼标定实验，实验结果验证了算法的可行性和有效性。     

工业机器人运动学参数标定的位姿点集优化研究

针对工业机器人标定时因位姿点选择随机导致标定结果不稳定的问题,开展了位姿点集优化方法研究。首先,以可观测指数O_1为依据,通过随机搜索算法确定最优位姿点的数目;其次,提出改进最优点集选择算法用于筛选最优位姿集。通过对EFORT ER10L-C10和Staubli TX60机器人进行标定实验,结果表明:采用优化初始位姿集能够将改进最优点集选择算法运行效率提高约12%,与随机位姿集标定结果相比,经最优位姿集标定后的机器人其测试集平均绝对位置精度提升约9%,EFORT ER10L-C10和Staubli TX60机器人运动学参数的泛化能力分别提高91%、53%,证实了提出方法可获得泛化能力更强的运动学参数,使标定结果更加稳定,进一步提高机器人标定精度,适于在大范围、高精度机器人作业中推广应用。     

单目视觉双臂机器人相对位姿的快速标定

由两个独立机械臂组成的双臂机器人系统,两个机械臂分别有各自独立的基坐标系,针对此类双臂机器人基坐标系相对位姿的确定问题,提出了单目视觉双臂机器人相对位姿标定方法。将相机安装在其中一机械臂末端执行器上组成手眼系统,标定板安装在另一机械臂末端执行器上,保持安装有相机的机械臂位姿固定不动,控制安装有标定板的机械臂运动达到任意不同的拍照位置,相机拍照并同时从机器人返回并记录下每个拍摄位置的机器人参数,联立解出基坐标系间的相对位姿关系。将实验结果应用于智能变电站隔离断路器自动检修双臂机器人,证明此方法能够满足实际工作需求,便于实际应用。     

基于PSO算法的工业机器人绝对距离自标定方法

为了提高工业机器人的定位精度,提出一种自标定算法,首先采用D-H参数模型对机器人进行建模,分析并建立D-H参数误差与机器人末端误差的函数,再设计一个可旋转的标定平台,使机器人去探测不同位姿下的标定平台上的两个标定点,最后采用PSO算法对不同位姿下标定平台两点间的绝对距离来实现对机器人D-H参数误差的辨识。该方法标定过程简单,数据获取方便,并且不依赖于高精度测量仪器。经实验证明,标定后位置精度提高了10倍以上,均方根误差相较于标定前有数量级上的提升,说明机器人标定后,各项误差与机器人实际误差高度一致,从而保障了机器人工作过程的精确性。     

机器人快速示教方法及示教点位姿变换的研究

机器人示教工作存在不稳定性且操作过程复杂,为了提高其工作的效率与精度,以及让机器人更加普及,降低使用门槛,结合立体视觉技术,研究了某一特定点的位姿变换。其中包括采用D-H算法算出工业机器人基坐标系到末端坐标系的齐次变换,应用六点法对工业机器人工具坐标系进行标定,采用手眼标定法求出工具坐标系到相机坐标系的齐次变换。最终形成了一种基于3D视觉技术的快速示教方式,在其基础上提出了相应的示教装置——示教笔。     

基于单目视觉的双机器人协同标定技术

由于机器人的基坐标系隐藏在底座内部,导致双机器人基坐标系间位姿关系的测量变得十分困难,而该关系作为机器人离线编程、协同控制的基石,对于多机器人系统的正常工作至关重要。为此提出了基于单目视觉的协同标定方法,利用单目视觉和棋盘格标定板求解双机器人基坐标系间位姿相对关系并使用激光跟踪仪标定法作为对照对双机器人基坐标系关系进行了标定,并通过双机器人位姿协同实验对标定的结果进行验证,最终得到基于单目视觉的协同标定方法所对应的双机器人位置协同误差最大值为1.278 mm,最小值为0.601 mm;姿态协同误差最大值则为0.481°。