三维视觉测量系统标定技术

在机器人视觉测量系统中,手眼标定问题一直是一个很重要也很难解决的问题.结合一个具体的实际系统,提出了一种将摄像机外参数矩阵和手眼矩阵合在一起标定的新方法,免去了传统的摄像机外参数标定和手眼标定的麻烦,并因此减小了误差,提高了测量精度.     

简便高精度的机器人手眼视觉标定方法

对摄像机成像模型进行了分析,论述了机器人手眼系统标定原理。在此基础上,不改变机器人的外臂与基坐标系的旋转关系,设计了一种机器人手眼视觉的标定方法,与传统的方法比较,它不需要预先标定摄像机的内外参数。实验证明:该方法具有算法方便快捷、实验过程简单易行,且精度高等优点,可用于机器人进行运动目标定位与跟踪。     

基于手眼立体视觉的机器人定位系统

研发了基于手眼的机器人定位系统,采用了眼在手上的单目摄像机,通过机械手的一次移动实现了立体视觉的功能.提出了一种方便有效手眼标定方法,避免了复杂的传统手眼标定过程,无需求解摄像机外参数和手眼变换矩阵.仅获取标定时刻的摄像机综合参数和机器人位姿,就可以在机器人基坐标系中视场范围内的任意两点进行检测,根据立体视觉的约束关系求解出目标物体在机器人基坐标中的位置,进而实现对目标物体的精确定位.     

基于HALCON的机器人手眼标定精度分析与反演方法

通过视觉引导机器人完成抓取任务,机器人手眼标定的精度直接影响了抓取任务作业精度和抓取成功率。对于基于位置的机器人视觉引导系统,手眼标定的任务则是确定机器人坐标系与相机坐标系之间的位姿关系。通过HALCON平台,使用线性标定法实现了6DOF机器人的手眼标定。对手眼标定的结果进行反演,直观地展示了手眼标定的精确程度。最后通过采集多组不同数量的图片,在HALCON平台下验证了不同摄像机模型对手眼标定的精度影响,以及同种摄像机模型在不同数量图片的情况下手眼标定的标定精度。实验证明,根据位姿矩阵中待求解的未知量个数采集合适数量的图片和使用更精确的摄像机模型能够提高手眼标定的精度。     

一种基于手眼标定的增强现实跟踪注册方法

手眼标定是机器人领域常用的一种确定机器人末端坐标系和摄像机坐标系之间相互关系的标定方法。跟踪和定位是增强现实研究的热点,跟踪定位通常为复合跟踪系统,结合多传感器跟踪信息,优势互补,达到更高测量精度和准确度。跟踪注册是实现信息有效融合的基本前提。文章将机器人手眼标定引入多传感器跟踪注册,并通过实验验证了这种基于手眼标定的跟踪注册方法的有效性。     

结构光视觉引导的焊接机器人系统自标定技术

为实现结构光视觉引导的焊接机器人系统的标定,解决现有标定方法复杂,标定靶标制作要求高等缺点,提出一种基于主动视觉的自标定方法。该标定方法对场景中3个特征点取像,通过精确控制焊接机器人进行5次平移运动,标定摄像机内参数和手眼矩阵旋转部分;通过进行2次带旋转运动,结合激光条在特征点平面的参数方程,标定手眼矩阵平移部分和结构光平面在摄像机坐标系下的平面方程;并针对不同焊枪长度进行修正。在以Denso机器人为主体构建的结构光视觉引导的焊接机器人系统上的测试结果稳定,定位精度可达到±0.93 mm。该标定方法简单,特征选取容易,对焊接机器人系统在实际工业现场的使用有重要意义。     

一种基于线性模型的机器人手眼标定新方法

针对基于传统手眼标定模型AX＝XB的标定问题,引入了由摄像机投影矩阵M构成的数学模型MY＝M'YB,并针对该模型提出了一种新解法.该方法运用矩阵直积和特征向量理论,将关于机器人手眼关系矩阵X的问题描述转换成关于关联矩阵y的线性方程,运用最小二乘法求得线性闭解.该方法消除了传统方法多次分解摄像机传感器系统的内外参数而引入的摄像机传感器系统的固有误差和随机误差的影响.实验表明该方法可以提高手眼系统标定精度.     

基于自抗扰控制器的机器人无标定三维手眼协调

研究机械臂在手眼关系未知情况下依靠视觉信息引导完成三维空间定位及跟踪问题. 基于耦合自抗扰控制原理,设计了不依赖于特定任务的广泛意义下的手眼协调控制器.利用 两个全局摄像机组成双目视觉系统,由图像特征可充分地确定机器人三维空间中的位置信 息.仿真和实验对这一方法的可行性和有效性进行了验证.     

MOTOMAN-SV3XL机器人手眼视觉立体定位系统

分析了基于恒定旋转矩阵的机器人视觉立体定位方法原理,提出利用机器人控制命令参数直接获取恒定旋矩阵的方法,该方法大大简化了摄像机内外参数的标定过程。设计了MOTOMAN-SV3XL机器人手眼视觉控制系统,制了相应的控制软件,进行了大量的实验研究,并取得了良好的效果。     

基于视觉伺服的工业机器人位姿跟踪方法

目前，工业机器人工作大多是基于先精确示教后运行的，工作效率较低，因此采用视觉提高机器人的智能水平，以实现对目标物体的自动检测和定位抓取，具有重要的现实意义和研究价值。文章以机器人视觉伺服为研究对象，利用视觉伺服使机器人末端跟踪标定板的位姿，包括摄像机标定、机器人手眼标定、机器人控制，可为机械臂的定位抓取提供帮助。     

基于目标检测的机器人手眼标定方法

智能协作机器人依赖视觉系统感知未知环境中的动态工作空间定位目标,实现机械臂对目标对象的自主抓取回收作业。RGB-D相机可采集场景中的彩色图和深度图,获取视野内任意目标三维点云,辅助智能协作机器人感知周围环境。为获取抓取机器人与RGB-D相机坐标系之间的转换关系,提出基于yolov3目标检测神经网络的机器人手眼标定方法。将3D打印球作为标靶球夹持在机械手末端,使用改进的yolov3目标检测神经网络实时定位标定球的球心,计算机械手末端中心在相机坐标系下的3D位置,同时运用奇异值分解方法求解机器人与相机坐标系转换矩阵的最小二乘解。在6自由度UR5机械臂和Intel RealSense D415深度相机上的实验结果表明,该标定方法无需辅助设备,转换后的空间点位置误差在2 mm以内,能较好满足一般视觉伺服智能机器人的抓取作业要求。     

基于手眼标定方程AX=XB的精度影响因素研究

机器人手位姿数据对手眼标定精度的影响不可忽略,将对基于手眼标定方程AX=XB的精度影响因素进行分析.通过手眼标定仿真和实测实验验证上述两个因素对手眼标定精度的影响与理论分析的一致性.通过仿真与实测实验,总结得出了减小摄像机与靶标间距离、减小机器人手的运动前后到基坐标空间距离的相差距离,可提高手眼标定精度,通过四元数法和矩阵直积法验证了此规律在解AX=XB标定方程时的通用性,并且在摄像机与靶标间距约为230 mm以及机器人手的运动前后到基坐标空间距离的相差距离为3.2401 mm时,手眼标定平移向量相对误差最高精度可达0.0403%.     

基于对偶四元数的机器人方位与手眼关系同时标定方法

针对相机姿态估计及机器人运动学正解存在测算偏差时,手眼标定及机器人坐标系-世界坐标系标定结果不能准确收敛到全局最优解的问题,提出了一种基于对偶四元数理论的机器人方位与手眼关系同时标定方法.该方法首先将标定方程中坐标系刚体变换关系用螺旋轴、旋转角度和平移量参数化表示,再结合全局优化算法对平移量进行优化.搭建了PUMA560机器人数值仿真系统和工业机器人实测实验平台,将该方法与经典的四元数和对偶四元数标定方法进行了比较分析.仿真和实测结果表明,在相机姿态估计及机器人运动学正解存在测量误差的情况下,该方法无需初值估计和数据筛选依然可以保证求解结果的最优性.     

GWM-view: Gradient-weighted multi-view calibration method for machining robot positioning

Multi-camera vision is widely used for guiding the machining robot to remove flash and burrs on complex automotive castings and forgings with arbitrary initial posture. Aiming at the problems of insufficient field of vision and regional occlusion in actual machining, a gradient-weighted multi-view calibration method (GWM-View) is proposed for the machining robot positioning based on the convergent binocular vision. Specifically, the mapping between each auxiliary camera and the main camera in the multi-view system is calculated by the inverse equation and intrinsic parameter matrix. Then, the gradient-weighted suppression algorithm is introduced to filter out the errors caused by camera angle variation. Next, the spatial coordinates of the feature points after suppression are used to correct the transformation matrix. Finally, the hand-eye calibration algorithm is implemented to transform the corrected data into the robot base coordinate system for the accurate positioning of the robot under multiple views. The experiment on the automotive engine flywheel shell indicates that the average positioning error is controlled within 1 mm under different postures. The stability and robustness of the proposed method are further improved while the positioning accuracy of the machining robot meets the requirements.     

手眼系统中刀具刀头位姿标定与视觉引导

在服务机器人的日常任务中要求机械手抓取不同的目标,且根据目标的放置位姿的不同需要从相应角度进行抓取,但机械手与手持目标的位姿关系往往难以精确和直接地测量。以刀具作为手持目标,利用eye-in-hand手眼系统抓取该目标后,在线标定手眼与手持刀具刀头的位姿关系,首先给出了摄像机调焦前后焦距标定的计算方法,再将调整焦距视为摄像机沿光轴的平移运动,通过调焦前后摄像机获取的两幅图像,标定出刀具在摄像机和机械手坐标系下的位姿,同时给出了刀具刀头到期望加工点的导向矢量计算方法。     

采用计算机视觉进行室内飞艇定位的方法研究

采用单个摄像机进行定位时,需要设定图像中的特征点和实际物体特征点间的几何约束关系,建立数学方程,来获取摄像机坐标系中物体位置的封闭解,通过求解该方程获得物体在世界坐标下的三维位置。提出了利用单摄像机视觉定位技术于科技馆室内飞艇定位中,解决了科技馆室内飞艇自主航行的定位问题。实验表明,该方法简单易行,可用于工程实际应用中,具有较高的实用价值。     

基于OpenCV的水下机器人单目定位技术研究与仿真

针对水下机器人自主回收对接时的定位问题,提出了一种基于OpenCV的单目定位技术研究与仿真方法;首先确定回收装置在回收侧的光源标记点坐标信息;然后借助OpenCV算法库,通过对水下机器人自带摄像机的标定,得出反应摄像机固有信息的内参数,通过摄像机对回收装置光源标记点的识别,得出光源标记点在图像上的像素坐标,结合其世界坐标,得出反映回收装置在摄像机坐标系下位置和姿态信息关系的平移向量和旋转向量,进而确定水下机器人在回收装置坐标系下的位置和姿态信息;最后运用CATIA软件对摄像机拍摄模型进行建模和仿真,结果表明,所提方法不仅能快速地获得水下机器人的位置和姿态信息,而且定位精度高,满足水下机器人在自主回收对接时的设计要求。     

未标定摄像机P5P问题的一种解析解

经典PnP问题是以摄像机内参已知为前提条件的,然而对未标定摄像机PnP问题的研究更具有实际意义.文中对未标定四参数针孔摄像机P5P问题的解析解进行了研究,不仅可以求出摄像机相对于世界坐标系的位姿,而且还能得到摄像机的内参.首先根据投影方程和旋转矩阵的性质,利用16个变量构造出了16个约束方程,然后通过消元推导出只含一个未知数的4次多项式方程,分析证实一般情况下未标定摄像机P5P问题最多有4组解.大量的仿真实验表明该算法在确定摄像机位姿上精度很高,且鲁棒性很强.该算法在物体定位、手眼定标、路标导航等领域具有比较重要的实际应用价值.     

结构光测量系统的投影仪标定方法研究

传统单目视觉结构光测量系统通过解相位间接计算被测物的高度信息,系统约束性过强、不易操作、且标定精度较低.将双目立体视觉原理引入单目结构光视觉测量系统,根据投影仪图像坐标和摄像机图像坐标的对应关系,将投影仪当作一个逆向的相机,建立了投影仪模型,使用成熟的相机标定算法对投影仪进行标定.再配合四步相移法和基于多频外差原理的时域相位展开法,实现条纹图像的快速精确解相位.相对于传统的单目视觉结构光测量系统,本方法具有单目视觉系统操作简单、鲁棒性强的特点,同时也可以达到双目视觉测量的精度.实验结果表明,这种方法的投影仪标定精度达到了实际应用的要求.     

基于EAIDK的智能煤矸分拣系统设计

现有基于图像识别的煤矸石分拣方法实时性较差且整体分拣准确率不高,而基于密度的分拣方法适用于井下初选,成本较高。针对上述问题,设计实现了一种基于EAIDK的智能煤矸分拣系统。采用嵌入式人工智能开发平台EAIDK构建矸石识别和分拣控制硬件平台,在嵌入式深度学习框架Tengine下利用深度学习算法搭建卷积神经网络,建立端到端可训练图像检测模型,并利用智能摄像机获取的图像数据训练模型;通过手眼标定获得摄像机坐标系与机械臂坐标系之间的关系,控制机械臂进行矸石追踪和分拣。实验结果表明,该系统矸石识别准确率稳定保持在95%以上,机械臂跟踪时间小于30 ms,执行误差为1 mm左右,可以满足煤矸分拣工艺要求。