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.     

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...     

面向机器人激光增材制造的机器视觉系统标定算法

随着现代智能制造的快速发展,金属增材制造、绿色再制造、焊接等领域大量使用机器人等自动化装备,视觉传感是机器人智能制造的关键环节.针对上述需求设计了一套基于线结构光的视觉传感器,并对其进行标定,自主开发了用于机器人激光增材制造的机器视觉系统.该系统通过Matlab相机标定工具包实现相机的内外参数标定,利用Labview编...     

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。     

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.     

一种提高机器人视觉系统参数标定精度的方法

镜头径向畸变影响着GRB-3044机器人视觉系统精度。根据距离畸变中心越远的点,畸变量越大和过畸变中心的直线不发生形变的特征,提出了一种单独求解畸变中心和畸变系数的径向畸变校正方法。对标定点进行校正后,使用Faugeras的标定方法进行摄像机内外参数的标定。实验表明,文中所提出的算法能有效校正图像径向畸变,相比未加入径向畸变的视觉系统,目标定位的准确度得到明显提高。     

改进的机器人视觉与传送带综合标定方法

传统六自由度机器人视觉与传送带的标定方法一般忽略了相机畸变的像素偏差和设备安装过程中的角度偏差,使得传送带上的目标难以精确定位。针对传统标定方法的局限性,提出一种高精度机器人传送带与视觉的综合标定方法。在校正相机径向与切向畸变以及安装角度的基础上,构建机器人坐标系中物体的位移及其在图像坐标系下位移的比例关系,在传送带标定过程中,应用此比例关系,通过设置像素坐标误差阈值的方法校正机器人坐标与传送带坐标系的关系。改进后的标定方法灵活性强,实验结果表明:该方法定位精度有较大的提高。     

关于工业机器人标定方法的研究

机器人标定是国内外研究的热点,已成为机器人生产及使用过程中的重要工作之一。围绕机器人连杆参数标定、工具坐标系标定、机器人与其他设备之间的标定这3个方面进行了研究,从标定原理到具体方法应用,不同的标定对象标定方法不相同。提出了现有标定技术的不足和标定技术的发展趋势,为后续机器人标定技术的发展奠定了一定的基础。     

视觉测量中摄像机标定精度评估方法

为了准确地评估摄像机标定结果的精确程度,在基于棋盘格长度的评估方法的基础上,提出了基于外参数的摄像机标定精度评估方法。该方法通过对同一组图像分两次进行标定,得到两个不同位置的世界坐标系,利用标定结果求得这两个世界坐标系原点的距离并与实际的距离作比较,能够比较形象地描述标定结果中外参数的精确程度,进而评价摄像机标定结果的精确程度。     

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。     

基于机器视觉的管道焊接跟踪技术研究

针对爬行焊接机器人在管道自动焊接中对典型的V形坡口焊缝的定位与中心线的提取,设计了一种基于激光视觉检测的自动焊缝跟踪系统。提出了一种基于激光条纹图像特征的两步定位方法:第一步,建立模板匹配,利用模板匹配方式获取激光条纹位置区域;第二步,采用阈值分割和中心法提取激光条纹中心线,然后采用Shi-Tomasi算法对中心线进行角点检测,经过拟合直线求交点和逐列扫描对比得到焊缝坡口的4个拐点信息,并确定焊缝中心。通过对实际的焊接过程进行测试,结果表明:跟踪系统的平均纠偏误差在2像素以内,平均处理纠偏时间在120 ms以内,具有较高的精度和实时性。     

三轮全向移动机器人里程计在线校正方法研究

传统里程计校正方法常使用离线校正手段,在地面环境发生改变的情况下,校正效果较差。为解决上述问题,提高机器人定位精度,以三轮全向移动机器人为平台,提出一种结构简单、鲁棒性强的在线里程计校正方法。该方法通过扩展卡尔曼滤波算法处理传感器数据,以得到机器人的实时位姿信息和速度信息,结合三轮全向移动平台的动力学模型,及时修正里程误差。在V-REP中设计仿真实验,实验结果表明:采用所提方法,校正后的里程精度有了极大改善,并克服了离线校正方法受地面环境影响的问题。在已有实际平台上验证了该算法的有效性。     

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。