线结构光视觉传感器机器人手眼关系标定

为实现对工业机器人手眼关系的标定,提出一种基于线结构光视觉传感器的手眼关系标定方法。该方法在标定时,将一个平面靶标作为参考物固定在工业机器人工作空间内,控制工业机器人末端运动以带动线结构光视觉传感器作多组变位姿运动,获取在不同位姿状态下的平面靶标图像并对其进行图像处理。通过对图像上固定特征点的测量,以及建立线结构光视觉传感器模型和手眼关系模型实现对线结构光内参数和手眼关系的标定。用棋盘格标定板进行测量实验验证,实验结果表明该方法准确度为0.036 mm,即优于40μm,可用于工业机器人的测量应用。     

基于闭环测量的机器人关节刚度标定方法

针对机器人在加工装配中的结构弱刚性问题,提出一种基于闭环测量的机器人关节刚度标定方法.首先,本文提出一种由六支位移传感器组成的闭环标定装置和测量机器人末端位姿的原理;其次,建立机器人各连杆坐标系,推导出其运动学方程和雅可比矩阵,同时建立了考虑关节刚度的机器人静刚度模型;最后,利用闭环标定装置和UR10机器人进行关节刚度标定实验.实验结果表明,机器人关节刚度标定的准确性高,对提高机器人定位精度、改善加工性能具有重要意义.     

模块化六自由度机器人运动学标定与实验研究

针对自主研发的模块化六自由度轻载搬运机器人,使用激光跟踪仪并采用直接标定法进行了运动学标定与实验研究。采用D-H法构建了机器人连杆坐标系和机器人运动学模型,并运用微分变换的方法建立误差模型。通过激光跟踪仪测量机器人末端位置,将其与运动学模型求解得到的机器人末端位置进行比较,验证了误差模型的正确性。然后将误差模型计算得到的机器人连杆参数误差在机器人控制系统软件中进行修正。最后利用激光跟踪仪测量机器人的关节转角间隙误差,将误差值转换成脉冲数并在软件中进行补偿。机器人运动学标定实验表明,使用激光跟踪仪进行连杆参数误差补偿和关节转角间隙误差补偿可以明显的减小绝对定位误差,绝对定位误差降低了69.6%,定位精度有了明显的提高。     

大视场线结构光视觉传感器的现场标定

针对大视场线结构光视觉传感器的现场标定,提出了一种基于自由组合一维靶标的标定方法。自由组合多个一维靶标并固定,其中每个一维靶标至少包含3个共线特征点。靶标在传感器测量空间内自由摆放至少两次。以一维靶标两两之间夹角恒定为约束求解摄像机内部参数;由一维靶标消影点性质和特征点之间距离约束,求解各特征点在摄像机坐标系下的空间坐标;根据交比不变计算光平面与各一维靶标交点的摄像机坐标,拟合出光平面方程。实验表明,该方法可获得与平面靶标相当的标定精度,具有靶标加工容易、精度高、摆放次数少的特点,适合大视场线结构光视觉传感器的现场标定。     

线结构光传感器标定不确定度估计

分析了标定样本数据的不确定度对线结构光传感器标定精度的影响,利用矩阵扰动理论和一阶不确定度分析理论,给出线结构光视觉传感器模型中映射矩阵参数不确定度的评估方法,并建立了从标定样本数据不确定度到标定不确定度的传播模型。利用蒙特卡洛统计法进行了仿真验证,结果表明所建立不确定度传播模型的有效性,为线结构光传感器标定精度的评估提供了依据。     

标定十字结构光传感器的新方法

建立了基于十字结构光的视觉传感器的数学模型,提出了一种基于自由移动平面靶标的十字结构光传感器参数的简易标定方法。在自由移动的平面靶标上建立局部世界坐标系,将通过交比不变方法获得的两个光平面上特征点的局部世界坐标,变换到摄像机坐标系,从而获得已知三维的标定特征点。利用构建的分别位于两个光平面上标定特征点,可以实现工作状态的十字结构光传感器参数的优化估计。该标定方法降低了标定设备的成本,简化了标定过程,为十字结构光传感器的工程化应用奠定了基础。通过对圆的直径和中心坐标的测量实验,结果表明,该方法切实可行。     

工业机器人运动学参数标定方法仿真

为解决工业机器人标定中存在的成本昂贵、专业性强等问题,提出了一种基于几何约束的工业机器人运动学参数闭环标定法.首先采用D-H模型与MDH模型相结合的方法建立运动学模型,解决D-H模型的奇异性问题.其次,用Matlab对该方法进行仿真,机器人末端执行器上模拟安装一个激光器,将激光瞄准观测平面上一正方形的四个顶点,得到较精确的关节角.最后,根据正方形的几何性质建立标定方程,利用最小二乘法求解参数误差.此方法操作简单,成本低,易于测量,可避免机器人基座标系的校准工作.根据仿真结果,工业机器人绝对定位精度提高了77.87%,从而验证了该方法的有效性.     

用“消隐点”法标定线结构光三维视觉传感器

提出了一种以线结构光为基础的三维视觉传感器，并根据所建立的数学模型，结合传感器的实际使用情况，提出用“消隐点”法对该传感器结构参数进行标定，该标定方法装置简单，速度快，在保证精度的同时简化标定的过程实验证明“消隐点”法是一种高效，实用的视觉传感器标定方法。     

基于PSO优化神经网络和空间网格的机器人位姿标定方法

该文提出一种将机器人的位置和姿态拆分开,分别进行标定的机器人位姿标定方法。采用空间精度控制网格标定机器人定位误差,粒子群优化算法(particle swarm optimization,PSO)优化神经网络标定机器人定姿误差。该方法以指数积公式(product of exponentials,POE)为基础建立机器人正向运动学模型,用映射法建立空间网格,用三坐标测量臂测量机器人位姿,用空间网格精度标定定位误差,用PSO优化的神经网络标定定姿误差。其优点在于既标定机器人工具中心点(TCP)的定位误差,又标定机器人工具坐标系的姿态误差,使得机器人定位、定姿误差都得到补偿。实验结果表明机器人的定位、定姿均方根误差减小接近一个数量级。     

融合加权SVD改进算法的工业机器人运动学标定

针对环境或人为因素引入的测量粗差对测量坐标系和机器人基坐标系的转换存在较大影响的问题,对奇异值分解(SVD)算法进行了改进,并将其应用于机器人运动学标定中。以ABB-IRB2600型机器人为研究对象,建立修正型D-H(MD-H)运动学模型和误差模型;通过激光跟踪仪测量得到机器人末端靶球位置坐标,在SVD算法中,根据补偿前位置误差大小对测量数据重新分配权重,转换测量坐标系和机器人基坐标系;使用Levenberg-Marquart(L-M)算法进行了误差参数辨识,并在Matlab中对机器人25个运动学参数进行了仿真补偿。仿真和实验结果表明,加权SVD算法稳定性更优,能够减小测量粗差影响,经标定后机器人的平均绝对误差降低了65.10%,均方根误差降低了65.85%,其绝对定位精度得到了明显提高。     

一种通用的工业机器人位姿检测方法

为满足带有不同末端执行器的工业机器人系统的绝对位姿检测需求,提出一种通用的检测方法。其基本原理是以激光跟踪仪测量固定在机器人末端的4个参考点从而间接测量机器人的绝对位姿,并与指令位姿比较实现机器人位姿准确度和位姿重复性检测;其中,参考点坐标及机座坐标系通过多姿态约束同步标定,并设计非线性标定算法。通过末端带有制孔执行器的KUKA KR210 R2700工业机器人的位姿检测实验表明：该检测方法的准确性可满足机器人位姿检测的需要,且无需特殊的机械工装,具有良好的通用性;基于多姿态约束的非线性标定方法具有良好的鲁棒性,可有效的减小因机器人运动模型不准确引起的标定误差。     

基于标准球距离约束的工业机器人参数标定

针对工业机器人绝对定位精度偏低,在工业应用中受到一定的限制的问题,提出了一种新型基于标准球距离约束的工业机器人参数标定方法。首先采用MDH模型建立机器人运动学模型;其次将接触式测头安装在工业机器人的末端法兰盘上,搭建了一个三角标定平台,平台上刚性连接了3个直径为25.4mm的标准球,每2个球之间的理论的球心距为300mm,用接触式测头分别探测3个标准球面上的点,并记录相应关节角的值;最后,通过最小二乘拟合得到标准球的球心坐标,与三坐标测量机测得的实际球心距进行距离约束,并采用Levenberg-Marquardt算法求得运动学参数误差。共进行5个平台方向的实验,并用另外5个平台方向的数据进行误差补偿验证。实验结果表明:平均球心距偏差从2.6812mm减小到0.5694mm,标准偏差从0.6738mm减小到0.1407mm。     

基于激光跟踪仪的协作机器人标定算法与实验研究

为了提高机器人末端绝对定位精度,提出了一种基于激光跟踪仪测量的机器人几何参数标定方法,对协作机器人的参数误差进行辨识和补偿。为了避免机械臂相邻两个轴平行时会出现奇异性的情况,采用了MDH参数法建立误差模型;为了把测量数据定义在同一坐标轴上,结合了机器人工具坐标系转换（靶球中心点相对于机器人末端坐标系的平移变换）;进而用最小二乘优化算法(LM)辨识出机器人的模型参数误差。通过对JAKA协作机器人的仿真、实验计算和标定,机器人的位置误差平均值、标准差、误差最大值分别降低了70.58%、56.76%、57.44%。实验结果表明:该标定算法可以有效地辨识出机器人的模型参数误差,对机器人的模型参数进行补偿后,提高了绝对定位精度。     

基于视觉辅助定位的机械臂运动学参数辨识研究

标定机器臂的运动学参数可以有效提高机械臂的绝对定位精度。针对一般平面约束标定方法往往通过手动示教获取测量数据,效率低,提出一种基于视觉辅助定位约束平面的机械臂运动学参数辨识方法。为了弥补双目视觉视场范围狭小的弊端,在约束平面上粘贴3个靶点,以此将对平面的定位等效成对靶点的定位。应用双目视觉系统提取靶点中心并进行立体匹配,得到靶点在机械臂基坐标系下的三维位置信息;同时构建靶点坐标系,以此规划出按一定规律分布的约束点;为了进一步提高标定精度,建立双平面约束误差模型,通过两垂直平面上任意非共线的3个点得到一系列法向量,每一对法向量的数量积为0,即增加了约束方程;利用机械臂对相互垂直的两约束平面自动进行接触式测量,通过改进的最小二乘法辨识出真实的运动学参数误差。实验结果表明,基于双平面约束误差模型,修正运动学参数后,机械臂绝对位置精度由1.234 mm提高到了0.453 mm。该方法实现了数据的自动化测量,大大提高了标定效率,为机械臂批量标定提供了参考,具有工程意义。     

新型模块化可重构机器人设计与运动学分析

采用模块化设计思想,设计了一种新型可重构工业机器人.通过对机器人进行结构优化设计,机器人的负载自重比达到1/4.5.机器人各关节模块的结构均相同,大幅减少了设计工作量;关节模块中传动部件均采用通用件,降低了机器人的成本.通过关节模块和手臂模块的组合,可形成多种机器人构型.针对其中一种机器人构型,利用DH法建立了机器人正运动学模型.该构型机器人不符合相邻的3根关节轴线交于一点的条件,利用传统方法很难求得全部逆解,因此提出一种代数法与几何法相结合的新方法,求得该构型机器人逆运动学的完整解析解.机器人运动学分析的正确性通过算例进行了验证,为机器人的运动控制奠定基础.     

The uncertainty of parallel model coordinate measuring machine

The Stewart platform is one of 6-DOF (6 degrees of freedom) parallel mechanism. A parallel mechanism is a mechanism to connect six actuators in parallel between the base and the stage. It is necessary to calibrate the kinematic parameters that compose the mechanism in order to use the parallel mechanism as the coordinate measuring machine. Additionally, it is necessary to estimate the uncertainty about the measurement results. In this study, the kinematics parameters are estimated by using the calibration point in one point, the uncertainty is estimated at several measurement coordinates from kinematic parameters and postures angle. The verification method is shown following; i) The amount of the actuator expansion and contraction in the parallel mechanism is assumed to be a value obtained with the sensor and, the kinematic parameters are estimated from the values by using the least squares method. ii)The coordinates of the stylus are calculated from the estimated kinematic parameters by forward kinematics. The uncertainty is estimated from the coordinates of the stylus. As a result, the influence of the uncertainty is reported when the target coordinates are measured.     

机器人的运动时变可靠性分析

机器人系统存在的多种不确定性会导致其运动精度下降,为此开展机器人运动时变不确定性建模与分析,以期提高机器人运动精度。首先基于运动学分析建立了机器人末端执行器参考点位姿误差模型,随后基于机器人位姿误差模型提出了末端执行器位置精度的点（静态）可靠性、时变（区间）可靠性模型以及机器人运动的系统可靠性模型,最后给出了实现上述可靠性模型高效、高精度求解的包络方法,并以斯坦福机器人为实例验证了所提模型和求解方法的有效性。研究表明,所提出的可靠性模型能够有效获得机器人各坐标分量上的时变可靠度以及机器人运动的系统可靠度。研究工作为提高机器人运动精度提供了新方法。