基于相机空间点约束的机器人工具标定方法

工具标定就是确定工具坐标系相对于机器人末端坐标系的变换矩阵,但传统的解决方案是通过人工示教点约束的方法,为此提出一种基于视觉相机空间的自动工具标定方法。在末端工具上增加特征点如圆环标志,利用相机建立机器人三维空间与相机二维空间之间的关系,通过自动的三维空间视觉定位,实现对圆环标志的中心点的点约束,视觉定位不需要相机的标定等繁琐过程。基于机器人的正运动学和相机空间点约束完成工具中心点(TCP)求解。重复实验的标定误差小于0.05 mm,实验的绝对定位误差小于0.1 mm,验证了基于相机空间定位的工具标定具有较高的可重复性以及可靠性。     

一种应变片装配系统的校准方法

为了解决机械臂装配系统中基座坐标系难以确定及空间位置获取时需进行运动学建模的难点,提出了一种基于工具坐标的偏差式计算方法用于应变片装配。通过工作坐标与弹性体装配孔中心位置重合校准,将应变片偏差与弹性体偏差投影至工具坐标系,建立了装配系统的偏差计算模型。通过基于质心的绕贴装头中心旋转且等角度分布于圆周上的多幅图像信息,使贴装头中心定位和坐标重合点精确到亚像素级精度,实现了高精度贴装头位置和坐标点重合校准。实验结果表明该系统能很好地完成应变片的自动装配任务,6 s完成一次应变片的安装,且装配精度能达到0.2 mm。     

基于点线特征的解耦视觉伺服控制方法

针对机器人的自动对准问题,提出一种基于点线特征的解耦视觉伺服控制方法。所提方法以点和直线作为图像特征,并利用图像特征的交互矩阵解耦姿态控制和位置控制,实现六自由度对准。首先利用直线及其交互矩阵设计姿态控制律,以消除旋转偏差;然后利用点及其交互矩阵设计位置控制律,以消除位置偏差;最后实现机器人末端目标的自动对准。在对准控制过程中,基于执行的相机运动量以及相机运动前后特征的变化量,可实现对深度的在线估计。另外,还设计了监督器对相机的运动速度进行调节,从而确保特征一直处于相机视野当中。在Eye-in-Hand机器人平台上,分别用所提方法和传统的基于图像的视觉伺服方法实现了机器人的六自由度对准。所提方法经过16步实现了机器人的自动对准,对准结束时机器人末端位姿的最大平移误差为3.26 mm,最大旋转误差为0.72°。相较于对比方法,该方法的控制过程更加高效,控制误差收敛更快,对准误差更小。实验结果表明,所提方法可以实现快速高精度的自动对准,能够提高机器人操作的自主性和智能化水平,有望应用于目标跟踪、拾取和定位、自动化装配、焊接、服务机器人等领域。     

机器人立体视觉系统标定误差预测补偿技术

针对立体视觉系统在定位应用中存在标定步骤繁琐、耗时长及误差较大等问题,对机器人手眼单目激光立体视觉系统标定误差补偿进行研究。首先,对现有的摄像机标定、手眼标定和激光平面标定模型进行分析,在方便提取整体标定误差的前提下,组合出一种以“棋盘格&激光条纹”混合图像为基础的整体视觉系统快速标定方案。然后,对该视觉系统标定结果产生的误差进行分析与提取,提出一种从像素坐标和重建定位坐标到整体标定误差坐标的BP神经网络预测模型,利用该模型对标定方案产生的误差进行预测和补偿,提高整体标定精度。最终,焊缝位置测量实验表明,该方法可较大程度提高标定精度,在低精度设备的条件下实现同等精度的立体视觉系统标定。     

基于视觉定位的机器人智能拆垛系统

针对传统示教再现机器人仅能进行位置确定、轨迹固定的拆垛任务,局限于固定场景的问题,设计了一个基于视觉定位的机器人智能拆垛系统.该系统利用目标像素中心坐标转换求得对应世界坐标.针对眼在手外的安装相机方式,导致目标经图像处理算法求得的旋转角度可能由于相机自身的偏转而产生误差的问题,提出利用相机外参系数补偿目标旋转角度.最后设计拆垛策略,通信引导机器人以由近及远的抓取顺序执行拆垛任务,并无需人工干预自动完成整垛拆卸.经过实验数据表明,该系统可在未知工作场景中对未知位置目标进行抓取,位置误差可达1.1 mm,角度误差可达1.2°,堆垛一层定位时间为1.2 s左右,满足工业场景中对拆垛机器人的精度与效率需求.     

基于视觉识别定位的苹果采摘系统研究

针对果实振荡、重叠影响采摘机器人采摘精度和效率的问题,研制了一种在农田 环境下利用视觉检测技术和机器人定位抓取技术的苹果采摘系统。首先利用图像处理技术对初 始图像进行图像预处理;其次根据图像角点提取算法检测图像曲率,通过计算曲线段上的多个 像素平均角方向之间的差值对曲率进行平滑处理,获取图像曲率集中峰值点;最后对图像曲率 峰值点进行像素坐标标定,并将该点像素坐标转化为物理坐标作为机器人的定位抓取目标点, 机器人根据定位目标点的位置信息调整运动姿态对果实进行实时追踪和识别,实现果实的精确 定位、抓取和采摘。试验证明,该系统下的机器人抓取果实的成功率高达九成以上,基本能够 满足实际生产中的果实采摘需求,可为苹果等球状果实精准识别、定位抓取提供参考。     

机器人手眼立体视觉标定研究

以固高GRB-400型机器人和CCD组成机器人手眼系统,分析了摄像机的成像模型,采用了基于直接将图像坐标映射到机器人参考坐标的“黑箱”思想,从图像坐标直接计算出目标位置的方法,用于立体定位的摄像机手眼标定,该方法通过保持机器人末端执行器到机器人参考坐标系旋转矩阵来简化复杂的相机标定过程,最后通过实验验证了该方法的可行性,并分析了实验误差产生的原因,并提出了相应的解决措施。     

基于视觉伺服的仓储物流机器人自动定位技术

针对当前仓储物流机器人自动定位技术视觉信息反馈延迟,无法确定深度信息,导致定位误差较大、延迟时间较长的问题.提出了基于视觉伺服的仓储物流机器人自动定位方法.通过几何地图描述全局环境模型,确定机器人结构,分析视觉伺服定位原理,根据雅可比矩阵,标定摄像机位置,利用Parzen窗方法预测像素空间密度,提取主成分,建立误差模型,实现仓储物流机器人自动定位.仿真实验证明,所提方法的定位误差较小,能够有效降低定位延迟时间,满足信息反馈实时性要求.     

基于机器视觉的高精度测量与装配系统设计

在对某些精密产品实现自动化生产过程中,存在难以对装配该产品所需的多种装配小零件进行高精度自动测量与装配的问题;针对该问题,搭建了基于机器视觉技术的自动化测量与装配系统;基于Halcon图像处理软件平台,对零件图像进行了中值滤波、图像增强等预处理;采用了Canny算法对零件求取像素精度的边缘,并运用椭圆曲线拟合法获取了亚像素精度边缘;建立了两种相机镜头畸变模型,采用径向排列约束(RAC)标定法与张正友标定法对相机进行了标定,并对标定精度进行了对比;实验结果表明:本系统的装配同轴度精度能达到0.05 mm,零件尺寸测量标准差低于3.8 μm,满足工业需求,可以解决工业实际问题。     

采用棋盘格靶标的全自动相机标定方法

为了去除相机标定过程中的人为干预,提出了一种采用改进的棋盘格靶标的全自动相机标定方法。识别出每幅标定图像中的四个标志圆,利用四个标志圆圆心的图像坐标和物理坐标计算二维射影变换矩阵。依据该射影变换矩阵计算出棋盘格角点的初始图像位置,接着提取亚像素精度的角点位置。迭代求解需要标定的相机参数。由实验可知,该全自动相机标定方法的棋盘格角点识别能力和相机标定精度,与Bouguet的相机标定工具箱相当,且可以显著地减少标定时间和工作量。利用20幅分辨率为640×480的靶标图像标定相机仅需16 s。