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...     

视觉测量在机器人加工过程手眼标定中的应用

针对高精度测量辅助机器人加工的手眼标定,提出一种基于三维视觉测量的精确手眼标定方法,该方法考虑了非线性优化和初值计算中建模误差的影响。为了提高求解精度,在传感器框架中建立了具有更精确参考点的非线性标定模型,提出一种结合传感器测量和机器人位置随机误差的迭代权重优化解。在初值解中,建立考虑基础参考测量误差的测量平差模型,并使用拉格朗日乘子进行求解。仿真对比结果表明：该方法在估计手眼变换参数方面比其他典型方法具有更高的精度。最后通过搭建实验平台,进一步验证了所提方法在求解精度测试上的优越性。     

机器人抓取的三维手眼标定方法研究

在视觉感知识别目标位姿后,机器人正确移动到指定位姿需进行手眼标定。若机器人进行三维空间操作,需进行三维手眼标定。针对空间物体抓取提出方法：通过设定机器人在x、y、z三个方向上的限位,根据工作需要为机器人定义一个工作区域,机器人以定步长定轨迹路线在区域内移动,使用迭代最近点算法求解手眼标定转换矩阵,采用下山单纯形法对转换矩阵进行优化,减小标定误差。实验结果表明：平均标定误差比传统基准法减小了18.90%,所需时间减少了49.12%。     

基于手眼关系的机器人TCP自标定方法

双目视觉系统和机器人在焊接中的结合使用,可以对焊缝进行实时追踪,以提高焊接质量。而机器人末端工具(焊枪)的中心点(TCP)作为机器人的实际运动轨迹,其标定精度直接影响机器人作业质量。针对该问题,以双目测量为基础,结合手眼关系和成像对称性的特点,提出了一种基于手眼关系的机器人TCP参数快速标定的方法。通过在机器人实验平台上与四点法进行对比实验,验证该标定方法的正确性和有效性。在不增加成本的同时,完成了TCP的快速、正确标定,满足了实际工业生产中机器人末端工具参数的标定需求。     

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。     

基于双目视觉和距离误差模型的工业机器人运动学参数标定方法

基于距离误差模型的标定技术,建立机器人末端距离误差与机器人运动学参数误差间的模型关系,避免了标定过程中坐标系的转换误差,能显著提高标定精度。视觉测量技术具有测量精度高、非接触性、实时性强等特点,与传统的机器人末端测量手段相比,具有成本低、操作简单等优势。研究一种将距离误差模型与视觉测量技术相结合的机器人标定方法,用于提高工业机器人特定工作空间的精度。采用双目视觉系统,将相机外置于机器人进行测量。基于距离误差模型进行机器人参数标定,利用标定结果进行运动学参数补偿。结果表明:特定标定工作空间内的距离误差都有所改善;在标定轨迹上,绝对距离误差的平均值从0.279 9 mm减少为0.104 4 mm,非标定轨迹的误差降幅高达50%以上,验证了该方法的可行性。     

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     

基于手眼立体视觉的弧焊机器人平面工件定位系统

在工业生产中应用的焊接机器人都是示教再现式的机器人，在批量生产时这种机器人要求每次工件定位必须一致，否则需要重新示教；带有离线编程系统的机器人同样存在工件定位问题，如果工件定位不准，焊接机器人无法按原离线编程系统生成的路径完成焊接。作者针对平面工件开发了一套基于手眼立体视觉的弧焊机器人工件定位系统，首先对摄像机的内外参数和机器人手眼关系进行标定；然后控制机器人运动，使安装在机器人末端的摄像机在两个不同的位置取像；最后通过图像处理和立体视觉的方法来计算出平面工件在机器人基坐标系中的三维信息。试验表明该系统获取的工件定位信息精确。该系统为焊接机器人自主焊接奠定基础。     

手眼自标定的对接焊接系统及关键技术

针对拼板对接焊的特点,提出了图像获取和焊接分离的焊接工艺,并构建基于嵌入式系统的机器视觉焊接系统。焊接工艺过程中首先获取拼板对接焊缝图像,计算焊缝参数并规划焊接路径,然后在焊接过程依据焊接路径数据控制焊枪的运动轨迹与焊缝重合,实现高精度焊接。系统采用运动参数进行手眼关系自我标定和自适应阈值处理技术实现焊缝图像滤波。系统图像扫描速度为15 m/min,焊接速度0.8~1.5 m/min,能够获得良好的单面焊双面成形的效果。实验表明,提出的焊接工艺方法和构建的焊接系统消除了弧光、烟尘的影响,能够提高拼板对接焊的焊接质量和生产效率。     

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。     

基于改进GA优化BP网络的双目视觉定位研究北大核心

为了提高传统遗传算法(genetic algorithm, GA)IGA优化BP网络迭代时间过长以及精度偏低的缺陷,设计了一种通过改进遗传算法(improved genetic algorithm, GA)IGA优化BP网络,并进行完成双目视觉的定位计算。改进遗传算法来提升BP网络收敛能力并获得更强的全局寻优效果,显著改善BP网络处理效率与精度,最终促使相机获得更高定位精度以及运算速率。给出了IGA优化BP网络的双目视觉定位算法流程,并开展了双目视觉定位实验。研究结果表明,未优化坐标预测值误差均值为0.66 mm,优化坐标误差均值为0.08 mm。改进BP网络进行双目视觉定位精度达到0.12 mm,相对最初预测定位误差降低近0.01 mm。以BP网络来定位双目视觉精度均值是0.12 mm,以OpenCV定位的实际精度是0.10 mm。推断以神经网络双目视觉进行定位时满足双目视觉定位精度条件。     

基于双目视觉的机械手捡球机器人设计

为解决人工捡球费力费时的问题,设计了一种双目视觉识别定位、机械手捡拾和自主避障的轮式智能捡球机器人。该机器人通过双目摄像头和Lab VIEW平台,实现对小球图像的实时采集与处理;运动控制系统采用以STM32F411为主核心的NUCLEO-F411RE嵌入式开发板,实现对各个模块的驱动;通过五自由度机械手实现小球的捡拾;通过红外传感器检测周围环境,实现自主避障;由计数器统计捡球数量,通过手柄模块人机交互辅助完成卸载过程。仿真结果表明:该机器人能够完成高尔夫球、乒乓球、网球等多种小型球类的捡拾任务。     

ＳＶＤ分解在口腔手术机器人手眼标定中的应用

口腔手术机器人手眼标定精度直接影响口腔手术机器人的工作精度。针对固定视点的口腔手术机器人,提出一种基于SVD分解的手眼标定算法,该算法无需采集姿态信息。通过纯平移运动,采集若干对坐标点计算旋转矩阵,而后通过纯旋转运动,采集若干对坐标点计算平移向量,从而完成手眼标定。在双目视觉位置定位精度为0.12 mm、机器人位置定位精度为0.1 mm、两者姿态定位精度均不定的条件下,实物实验结果表明：该算法标定平均误差的旋转部分在4 mrad以下,平移部分在0.411 mm以下,可满足口腔手术机器人手眼标定的精度要求。     

基于空间直线约束的焊接机器人手眼标定

视觉传感器与焊接机器人的标定是焊接智能化应用中的重要问题,针对末端夹持线结构光传感器的焊接机器人,提出了一种基于空间直线约束的手眼标定方法.首先任意变换机器人位姿使线结构光传感器投射出的光平面与标定模板相交,然后通过特征点提取算法提取出线结构光与直线的交点,并基于直线约束建立了非线性优化模型,最后结合罚函数法与改进的Powell算法同时求解传感器位置与方向参数.基于上述方法进行了一系列试验,结果表明,该方法通用性强,适合现场标定,有效的提高了标定精度,标定精度在0.2 mm以内.     

机器人焊缝跟踪水下双目视觉图像采集系统

分析了水下焊接的影响因素,采用大红和紫红复合滤光片进行滤光.根据机器人的结构,采用可调焦微型摄像机,满足跟踪精度的要求.设计了内外压环和密封圈的防水结构,使摄像机及光源的防水性能达到70～80 m.采用相交光轴双目摄像头的布局形式,设计了一块带弧形槽的装配板来装配摄像头与灯源,使其既适应于水下焊接,又易于匹配.对直线对接焊缝和坡口焊缝进行采集试验,所采集焊缝清晰可见、干扰较少,完全可以用于水下焊缝跟踪.     

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。     

摄像机静标定技术在机器人视觉目标定位中的应用研究

利用机器人视觉技术对目标进行定位与分检中,视觉系统对目标的精确定位是其关键技术之一。利用基于线段斜率的摄像机静标定技术对摄像机镜头进行了标定,将标定的镜头径向畸变系数应用于目标位置坐标计算中。经标定后的目标坐标位置数据引导机器人末端执行器完成对目标的定位,实验结果表明了该方法的有效性。     

基于SURF+RANSAC的双目立体视觉目标识别与抓取

针对单目视觉处理简单、无法获取获取三维维空间数据的问题,提出一种双目立体视觉目标识别和抓取方法。结合SUR算法和RANSAC算法对图像进行匹配,以滤除图像中的"外点";利用仿射变换获取关键点信息及形心坐标,根据立体重建原理实现目标测距与定位,最终完成抓取任务。实验结果表明:采用距离辅助坐标定位法可以准确识别目标物体并获得距离信息,实现准确定位。     

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。