基于OpenCV的移动焊接机器人视觉系统自主标定方法

标定工作是实现机器人视觉计算的前提.根据移动焊接机器人工作场合的特殊性,基于OpenCV,提出一套针对手眼双目视觉系统的自主标定方法.自动提取角点,自主筛选有效标定图像序列,由亚像素角点提取结果求取相机内参数,由同时刻获取的标定图像对估算双目间几何矩阵,由标定板面在摄像机坐标系下位姿矩阵改变量间接求取摄像机运动矩阵,用最小二乘法快速计算出手眼关系.标定试验结果表明,相对于传统的Matlab标定工具箱,该方法能够满足用于机器人焊接的视觉系统所需标定精度,同时因无人为参与可很大程度地提高移动焊接机器人的自主性.     

基于视觉的机械臂轨迹优化方法研究

针对应用视觉系统进行工件抓取时,工件相互遮挡导致识别工件不准确且抓取效率较低的问题,提出基于视觉的机械臂轨迹优化方法。由相机采集工件图像信息,通过标定机械臂坐标系、工件坐标系及相机坐标系,建立“手眼”坐标关系,基于点云数据对工件识别与定位;提出改进遗传-鲸鱼混合轨迹规划算法,以控制工件抓取过程。对机械臂的3个重要关节进行了运动仿真与实验测试。仿真结果显示：改进的遗传-鲸鱼混合算法收敛速度更快,搜索能力更强,优化后的抓取时间比基本遗传算法优化的抓取时间减少了2.3 s。实验结果表明：基于点云识别的机械臂抓取成功率达到93.75%,极大提高了抓取效率,验证了算法的有效性。     

基于分块图像直方图的标定板方位分析方法

在手眼标定过程中,获取的机械臂和标定板图像数据对手眼标定的结果影响非常大。若获取的数据不理想,标定结果可能存在较大的误差。针对在线手眼标定过程中,需要自动控制机械臂采集有效图像的问题,提出了一种基于分块图像直方图的标定板方位分析方法。采用该方法对图像进行分块处理,为获得图像方位信息提供依据;提取分块图像的直方图,并根据二级高斯拟合方法得到峰值、峰值位置以及半宽信息;通过对比阈值与峰值位置并求解峰面积,得到标定板的方位信息,为机械臂下一步的运动提供指导。实验结果表明:采用该方法可以准确判断标定板的方位,提高标定板图像采集的效率和准确度。     

面向增材再制造的零件三维模型重建系统研究

应用多频外差相移技术、双目结构光重建原理,将两个工业面阵CMOS相机、一个数字投影仪固定在移动式机器人激光熔覆增材再制造设备的机械手上,搭建出一套损伤零件三维模型重建系统,并进行了相机标定和手眼标定.利用该系统对带凹坑缺陷的金属基板进行三维模型重建试验并进行体偏差分析,重建出零件缺陷的三维模型.结果表明本系统能满足零件...     

基于DC-RRF的手眼标定优化算法北大核心

针对传统手眼标定中坐标转换过程繁杂、标定精确度受人为因素影响较大等问题,提出了一种基于相机畸变校正(DC)与回归随机森林(RRF)的改进手眼标定算法。首先,对实验所用的相机进行畸变校正;其次,使用Eye to Hand形式搭建实验台,采集图像坐标及其对应的机械臂坐标,建立坐标数据集;最后,使用DC-RRF算法、线性回归算法以及传统手眼标定算法在坐标数据集上进行训练,将不同算法下的平均绝对误差、均方误差等评价指标进行对比。实验结果表明,DC-RRF算法在X/Y/Z三轴上的精准度均为最佳,平均误差可控制在1.77 mm,该算法的精准性在很大程度上保证了机器视觉与机械臂的有效结合并在分拣系统中得到精准应用。     

线激光视觉测量机器人手眼标定方法研究

线激光视觉测量传感器与工业机器人组成三维测量系统时,法兰盘坐标系与摄像机坐标系之间变换关系求解较复杂。为解决此问题,提出一种基于固定参考点的手眼标定算法。该算法以标定球为靶标,根据标定球球心在机器人基坐标系中坐标不变原则,结合机器人运动学位置约束关系建立了矩阵变换方程,并在旋转矩阵求解中引入四元数,简化计算过程,实现机器人手眼标定。通过试验量化分析测头光平面与标定球相交位置对测量结果的影响,验证了该算法的有效性和实用性     

遥控焊接中立体视觉系统标定

为了提高遥控焊接智能化水平,设计了一套立体视觉系统进行焊接机器人环境的三维重建.对立体视觉系统参数标定分两步完成,首先使用基于平面模板的方法离线标定摄像机的内参数和两个CCD摄像机之间的位置关系等不变参数.然后使用线性方法对摄像机坐标系和焊接机器人工作坐标系之间的关系进行在线标定.标定试验重建结果的平均误差小于1 mm,最大误差小于3 mm.     

偏置式空间机械臂关节角参数化逆运动学求解

针对偏置式空间7自由度(DOF)冗余机械臂,提出了一种基于关节角参数化的运动学求解方法。根据空间机械臂的结构特点对其臂型进行了分析,采用D-H(Denavit-Hartenberg)法建立空间机械臂坐标系。采用D-H法对空间机械臂操作空间进行了描述,在考虑运动学约束的基础上,得到了以关节角为变量的正运动学模型。通过分析逆运动学模型的可解性,采用矩阵逆乘的解析法求解了该类机械臂逆运动学的完整解析解。在Matlab环境下,使用Matlab Robotic Tools对机械臂的初始姿态进行了仿真。通过给定的机械臂末端位姿,根据推导的逆运动学算法对空间机械臂各个关节的角度进行了求解。机器臂的运动学逆解算将作为机器臂运动规划和轨迹控制的基础。     

基于LMI优化的对偶四元数手眼标定算法

针对相机标定误差和机器人正运动学求解的误差对手眼标定精度的影响以及传统对偶四元数法用奇异值分解求解手眼标定时易受到外界干扰产生较大误差的问题,提出一种基于LMI优化的对偶四元数手眼标定算法。该方法以对偶四元数的形式将手眼标定方程分解成两部分,简化问题模型,分别估计旋转矩阵和平移向量。该方法先用线性矩阵不等式优化的方法替代传统奇异值分解法求得精确度更高的旋转矩阵,再通过改写平移向量的标定方程,建立新的目标函数,然后用线性矩阵不等式优化的方法求得平移向量。最后,通过开源数据集实验和手眼标定平台上的实测实验结果分析,证明了该算法在求解精度和稳定性上都优于传统对偶四元数（CDQ）算法、经典算法Tsai法和Navy法,并验证了该算法在实际应用中的可行性。     

面向数字孪生的工业机械臂手眼标定方法的研究

针对传统机械臂视觉系统标定方法存在标定误差大、精度低以及标定过程复杂的问题，提出一种面向数字孪生的手眼标定方法，通过分析标定原理给出标定方法以及搭建机械臂孪生虚拟平台，实现虚实空间的数据交互。结果表明：提出的手眼标定方法具有抓取精度高、抓取性能良好的优势。     

基于点云匹配的高铁车轮检测机械臂运动仿真研究

针对高铁车轮内部缺陷检测效率低、准确性差的问题,搭建一个六轴超声相控阵检测机械臂用于高铁车轮无损检测。对高铁车轮三维图进行点云提取和处理,保存为模板并提取目标扫描路径;然后利用Azure Kinect相机对高铁车轮进行了三维点云重建与模板点云匹配;最后在CoppeliaSim中建立检测机械臂的运动学模型,通过MATLAB和CoppeliaSim执行运动学仿真。结果表明：该运动学模型有效,各关节和末端执行器的控制效果良好,可以实现高铁车轮的自动化检测,并达到预期的轨迹,为检测机械臂控制问题的后续研究提供了实验基础和理论依据。     

基于Halcon的固定视点手眼标定方法

在视觉引导机器人完成抓取的过程中,最重要的步骤是手眼标定,手眼标定的精度将直接影响后续工作的精度。充分考虑相机畸变对手眼标定的影响,在Halcon环境下,设计一种高精度的固定视点手眼标定方法,该方法在确定了机器人基础坐标系与相机图像坐标系之间关系的同时也标定了相机的内外参数,并通过实验进行验证。结果表明:该标定方法具有较高的精度,可广泛应用于视觉机器人的定位抓取工作。     

基于图像三维重建的退役零件表面失效特征表征方法

退役零件的失效程度是判断其可再制造性的关键因素之一,为克服失效程度难以快速精确量化的问题,提出一种基于图像三维重建的退役零件失效特征表征方法。针对失效特征重建精度要求高的特点,在由运动恢复形状(Shape from motion,SFM)算法的基础上提出一种自标定全局SFM三维点云重建算法,利用光束平差法优化相机焦距、径向畸变参数,实现了相机自标定,增加了全局SFM算法的鲁棒性;以重建有效三维点数量占比、点云完整度和相机位姿准确度为评价指标,构建了重建精度评价模型,实现了图像三维重建精度的量化评价;提出了退役零件表面失效特征量化方法和实施流程,并定义了失效特征信息计算公式;最后,以电梯导靴为例,对其表面磨损失效特征进行了量化表征。试验结果表明,该方法可以有效地用于毫米级及以上的退役零件表面失效特征的快速量化表征。     

基于固定位姿约束的双目相机标定研究

针对影响双目视觉系统精度的双目相机标定问题,提出一种基于数字图像相关法与固定位姿约束的双目相机标定方法。采用传统的相机标定方法对双目相机进行标定,得到双目相机参数初值;采用数字图像相关法提高图像点提取的坐标精度;通过添加固定约束关系,建立简化的优化目标函数,并对相机参数进行优化,得到高精度标定结果。实验结果表明：该方法可达到较高精度。     

基于立体视觉焊接变形测量系统标定

应用立体视觉三维测量系统对钢结构上若干待测标志点进行测量,测量前分两步对测量系统参数进行标定.首先应用基于平面模板的方法标定摄像机的固有参数,包括单个摄像机的内部参数和两个摄像机间的位置关系参数.其次使用单位四元数法对摄像机坐标系与设计坐标系之间的位置参数进行标定.为了验证标定结果的准确性,对摄像机内参数标定结果进行了重投影误差估算,重投影误差很小,满足系统测量误差要求.对标定结果进行重建试验,重建结果平均误差小于1 mm,最大误差小于2.5 mm.     

双目视觉手眼标定的精度优化

双目视觉定位是机器人领域对环境感知的常用技术，手眼标定的好坏很大程度上影响着机器人定位精度。传统的线性标定只需一组数据就可标定，但极易受到偶然误差的影响；非线性算法使用多组数据，但容易出现奇异值和陷入局部最优点。针对这两个问题，用非线性算法Ada-delta对线性算法Tsai得到的数据进行优化，非线性算法多组数据运算避免了偶然误差，线性求解的结果充当优化算法的常数项也避免了出现奇异值的情况。用优化前后的手眼标定矩阵求得理论机械臂末端位姿，分别与实际位姿作差，取其Frobenius范数。结果证明：优化后的Frobenius范数为0.305 65小于优化前的0.520 717,优化效果良好。     

机器人视觉引导中标定参数同步求解方法

在分析机器人视觉引导中各坐标系转换关系的基础上,提出一种基于最大似然估计的非线性机器人视觉引导标定参数的计算方法,该方法根据最大似然估计构造计算过程中矩阵变换测度函数,采用Levenberg-Marquardt算法求解非线性最小二乘问题,可一次性求解出摄像机标定参数和手眼标定参数。通过数值仿真和真实机器人标定实验,将计算结果与经典标定方法的计算结果进行了比较。结果表明:提出的算法相对于经典算法在估计误差、对噪声的敏感度和稳定性方面均有所提高。     

非特制靶标的结构光视觉自动标定系统北大核心

为解决现有结构光视觉装置的标定方法需要高精度特制靶标且标定过程复杂的问题,实现标定过程的流程化,提出了一种基于非特制靶标的结构光视觉自动标定方法,并构建了相应的自动标定系统。该系统控制机器人带动结构光视觉装置做两组运动对非特制靶标拍照,第一组运动通过8次平移和3次末端姿态改变运动,利用靶标平面的特征点信息并结合机器人的姿态信息获取相机参数和手眼参数,第二组运动通过5次平移,利用相机外参数和机器人的位移信息求解出光平面方程。采用具有清晰图像信息的卡片式物体作为靶标,利用所提出的方法完成线结构光平面标定,精度验证实验结果表明,系统对靶标的选择有较强的适应性,在测量30 mm、50 mm和60 mm标准块时,平均绝对误差均值为0.049 6 mm,相对误差均值为0.11%,标定精度能够满足毫米级的测量要求,能适应如焊缝跟踪、物体测量等工业现场对结构光视觉装置的要求。     

基于Adam优化算法的双目机器人手眼标定方法

在智能制造领域,视觉机器人应用前景十分广阔。视觉机器人的手眼标定精度直接关系到机器人的后续作业精度。为了进一步提高机器人的手眼标定精度,现提出一种基于Adam优化算法的双目Eye-to-Hand型机器人的手眼标定方法。根据多体运动学理论,建立了6DOF机器人手眼标定数学模型,以Halcon输出的手眼标定矩阵为初始值,采用Adam优化算法对目标函数进行迭代求解,将由优化前后手眼矩阵得到的两组机器人末端坐标系的位姿分别与从示教器得到的位姿作差值,并取Frobenius范数。结果表明:相机标定误差为0.089个像素,优化后的Frobenius范数平均值小于优化前,且一致性好。     

SCARA机器人焊缝跟踪器现场标定设计

为实现对焊缝空间坐标的精确采集,需要对焊缝跟踪系统进行标定。提出了一种用于工业现场环境的高效标定方案,使用张正友标定方法确定相机内参与畸变,通过SVD平面拟合求解光平面方程,通过测量机器人基坐标系与标定参照物坐标系间的关系完成手眼标定。线结构光视觉传感器与SCARA机器人进行配合,实施现场作业,现场测试结果表明,标定方案具有高效,精度高的特点,系统整体标定误差为±1.0mm,能够满足工业现场应用要求。