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°。     

机器人视觉系统标定问题研究综述

在视觉反馈机器人的控制中,摄像机的标定是一个基本的、重要性的问题.该文首先对摄像机的成像模型进行分析,明确了视觉系统标定的主要任务,然后从离线标定和在线标定两方面阐述了相关的研究思路和方法,为机器人视觉系统的研究提供了参考.     

基于机器人的两步法摄像机标定

以Tsai的“两步法”摄像机标定法为依据,根据机器人可以建立用户坐标系的特点,无需借助三坐标测量机,仅利用机器人系统本身完成摄像机的标定。实验表明,该方法操作简单,标定快速、准确。     

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。     

一种基于机器视觉的机器人标定方法

机器人标定是离线编程技术实用化的关键技术之一.提出了一种基于机器视觉的机器人标定方法,利用双目视觉测量机器人上的目标点,通过目标点位置的测量撮出机器人的关节轴线,根据相应的运动学模型求出机器人的几何参数,并解决了在测量过程中摄像机视野小的问题.实验结果表明该方法能够实现机器人几何参数的标定,提高了机器人的绝对精度.     

一种基于视觉测量的SCARA机器人标定方法

为提高SCARA机器人的精度,以SCARA机器人的零点标定方法为研究对象,校正因机械加工误差、装配间隙误差和零件磨损等因素造成实际臂长与设计臂长的偏差,还有因SCARA机器人的大小臂没有完全重合在一条直线上造成实际零点位置与理论位置的偏差。通过相机和图像识别技术,精确地定位出标定器上两个辅助点的位置,依据SCARA机器人的正反解和两点法标定的方法,以此标定出零点的实际位置和机器人大小臂的实际长度。所提出的SCARA机器人零点标定方法操作简单,精度较高,与一般的零点标定方法相比,该方法不需要依靠昂贵的设备,能满足大部分情况下机器人的工作要求。实验结果表明,经过标定后,机器人的位置误差在0.06 mm以内,大臂的长度误差在0.03 mm以内,小臂的长度误差在0.025 mm以内。     

基于误差标定的医疗机器人视觉跟踪方法研究

影像在疾病诊断和手术计划中占有重要地位,随着机器人技术的发展以及微创手术的广泛采用,影像与机器人构成一体,形成计算机集成外科手术系统。影像不仅是疾病诊断的重要工具,它也对手术机器人进行定位、引导,对手术器械进行跟踪和控制。由于视觉和机器人具有各自的坐标系统,它们之间存在误差,当在视觉空间控制机器人运动时,该误差会映射到机器人的轨迹上。在前期手术计划、机器人视觉控制、自动显微操作的研究成果基础上,研究计算机集成外科中的手术机器人轨迹精确控制问题。采用机器人在视觉空间的运动误差对视觉系统和机器人系统间的坐标系误差进行标定,从而精确控制机器人的轨迹。误差标定方法只需要让机器人走三个点就可以完成系统坐标标定。在实验中,利用视觉系统控制机器人运动,模仿微创手术中对机器人末端器械的导引,结果表明,采用递归标定方法可以将机器人的轨迹误差控制在2个像素范围内。     

基于神经网络的视觉伺服机器人摄像机标定

采用可调节点径向基函数神经网络实现视觉伺服机器人摄像机标定.首先将基于leave-one-out准则的orthogonal forward selection算法扩展到多入多出的RBF网络,建立摄像机标定的RBF网络模型.通过应用卡内基-梅隆大学标定图像实验室提供的标定数据进行仿真试验,验证此方法的有效性.由于OFS-LOO算法可构造出具有稀疏隐层节点的RBF网络,使网络具有较好的泛化推广能力,同时RBF网络为局部逼近网络,因此,此标定方法具有较高的标定精度和较强的标定实时性,适用于视觉伺服的摄像机标定.     

DELTA机器人传送带与视觉的综合标定方法

提出一种关于DELTA机器人传送带与视觉的综合标定方法。通过DELTA机器人臂末端在传送带移动一段距离接触传送带始末同一点,得到该点在机器人坐标系的位置和编码器上对应的读数,得到传送带与机器人的比例因子,确定机器人坐标系与传送带坐标系的转化矩阵,从而得到传动带相对于机器人坐标系的位姿,即传送带的标定。通过相机定位与机器人接触同一点,从而确定相机的内参矩阵与外参矩阵,从而得到机器人与相机坐标系的转换关系,即机器人视觉的标定。DELTA机器人传送带与视觉的标定,为DELTA机器人高精度控制的实现打下基础。     

消防机器人火源单目探测方法研究

针对目前基于上位机的视频火焰探测技术成本高、体积大等缺点,提出了一种基于FPGA和ARM的嵌入式图像处理系统。通过分析火焰的红外特性,提出了选用合适的红外滤光片简化图像处理和火源探测算法,并详细介绍了系统构成、工作原理以及开发流程。此外,通过分析火焰的静态特征和动态特征,并结合红外图像的特点,提出了通过分析火焰的圆形度、面积改变率和尖角特性来判别疑似火焰。     

一种基于手眼视觉的并联机器人标定方法

提出了一种基于手眼视觉的并联机器人标定方法。基于环路增量法,建立了平面2-DOF冗余驱动并联机器人运动学误差与标定模型;设计了一种标定实验靶板,利用相机采集靶板图像并对其进行分割、识别、旋转补偿的处理,获取机构末端目标位置和实际位置的像素误差值;针对机构自身结构的限制,利用边界曲线识别特征角点,提出了一种基于特征角点确定检测点旋转角度的方法,在补偿相机旋转角度的基础上,再利用简化后的相机针孔模型,将像素误差值通过转换得到机构末端执行器的真实位置误差值;最后利用标定模型和通过视觉系统获取的误差值进行运动学标定。经过4次迭代,机构误差减小为原来的1/3,验证了该方法的可行性。同时该方法具有标定过程用时短、数据量小、实验成本低等优点。     

基于单目视觉的并联机器人末端位姿检测

高效、准确地检测机器人末端位姿误差是实现运动学标定的关键环节。提出一种基于单目摄像机拍摄立体靶标序列图像信息的末端执行器6维位姿误差辨识方法,构造具有平行四边形几何约束的四个空间特征点,并以平行四边形的两个消隐点为约束,建立空间刚体位姿与其二维图像映射关系模型,实现末端位姿的精确定位,然后以Delta高速并联机器人为对象,进行了运动学标定试验,验证该方法的有效性,为这类机器人低成本、快速、在线运动学标定提供重要的理论与技术基础。     

机器人平面工具TCP的双目视觉标定方法

工业机器人末端工具中心点(TCP)是机器人实际的运动轨迹,TCP的标定效率和精度直接影响机器人的作业质量。针对机器人平面式作业工具TCP的快速、准确标定需求,提出一种基于双目视觉的标定方法。通过改变机器人末端工具位置,结合双目视觉系统对靶标点进行测量,并进行坐标转换计算,从而求解出TCP。搭建机器人TCP标定实验平台,通过对比实验,验证了方法的正确性和有效性,满足实际机器人平面式末端工具的TCP标定要求,避免了传统接触式标定方法存在的碰撞风险。     

眼科手术机器人双目视觉标定方法研究

双目视觉系统通过相机模拟人眼,基于视差原理,从不同角度采集被测物体的两幅图像获取其二维信息,建立特征点的对应关系,计算出位置偏差,从而实现三维重建。眼科手术机器人双目视觉系统选用的标定方法是以张正友摄像机标定方法为基础,利用Harris角点检测方法实现亚像素点的精确化,对采集图像进行畸变矫正。将得出的标定结果与常用传统标定方法MATLAB相机标定工具箱Toolbox_calib的标定结果进行比较,分析像素误差。结果表明:使用新算法标定后的结果更加稳定,像素误差更小,精度更高,适用情况更加广泛,可用于眼科手术机器人的双目视觉标定系统中。     

基于机器人的对接位姿视觉测量系统标定研究

针对传统的相机内参矩阵和相机位置参数标定方法较为繁琐复杂且与相机内参标定互相割裂的痛点,本文设计了一种基于机器人的对接位姿视觉测量系统标定方法,利用采集得到的不同位姿关系下标定板图像以及对应的末端机器人末端执行器位姿数据,解算视觉位姿测量过程中涉及到的不同坐标系间位姿转换关系,一次性完成相机内参标定和相机位置参数标定....     

基于混合群智能优化的机器人立体视觉标定

准确的立体视觉模型是机器人高精密视觉定位的基础,而传统的单一非线性优化算法难以实现稳定和高精度的机器人立体视觉标定。结合遗传算法全局搜索能力强和粒子群算法局部搜索能力强的特点,提出了一种基于混合群智能优化的机器人立体视觉三步标定方法。针对非线性视觉模型,标定第一步和第二步分别对两个摄像机模型单独作线性初值求解和初次非线性优化,第三步对双目立体视觉模型作联合非线性优化,直接线性变换、遗传算法、粒子群算法分别作用于标定的三个步骤,每一步计算的结果被用作下一步的初始化。仿真试验分析与实际试验结果表明,相对于传统的优化标定方法和使用单一群智能优化算法的标定方法,该方法在噪声环境下具有更高的准确性和鲁棒性,能够更好满足机器人精密视觉操作的需求。     

基于单目视觉里程计的移动机器人自定位方法

为解决在列车底部直线移动的机器人对风管进行识别定位摘解时需到达两节车厢之间的自定位问题,提出一种基于单目视觉里程计的自定位方法.该方法根据单目相机在列车底部竖直向上拍摄时图像颜色较深,而当相机将要到达两节车厢之间时所拍摄图像中会有明显亮度变化区域的特点,选取关键帧图像,通过图像处理提取出图像中目标区域信息,根据所提出的...