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%.     

基于自抗扰控制器的机器人无标定手眼协调

研究机器人无标定手眼协调问题.分析了图像空间到机器人操作空间之间的非线性映 射关系,并把非线性的映射关系看成是系统的未建模动态.基于自抗扰控制器思想,通过对系统 未建模动态和外扰的补偿,完成了不依赖于任务的无标定手眼协调控制器的设计,实现了广泛意 义的机器人无标定手眼协调控制.仿真和实验结果表明了该方法的有效性.     

新的单目视觉系统两步手眼标定方法

为了实现单目视觉系统的快速、精确的手眼标定,本文提出了一种新的两步式手眼标定方法,将手眼标定分为求解旋转关系和平移关系两步.首先机器人携带标定板进行两次平移运动求解旋转关系,然后机器人工具坐标系执行若干次旋转运动求解平移关系.该方法简单快速,不需要昂贵的外部设备,通过实验最终验证了该方法的可行性.     

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.     

带激光笔的机器人主动视觉手眼标定

以固高GRB-400机器人和摄像机组成手眼系统,在手眼关系旋转矩阵的标定方面,分析了基于主动视觉的标定方法。为实现手眼关系平移向量的标定,提出以固定于机械臂末端的激光笔来获取工件平台上特征点的基坐标,并结合已标定的旋转矩阵来标定平移向量。最后,从图像求取多个特征点之间的距离并与实际值进行误差比较,平面特征点间的长度测量误差在±0.8 mm之间,表明手眼标定精度较高,可满足机器人进行工件定位与自动抓取的要求。     

一种新的四自由度SCARA机器人手眼标定方法

针对四自由度机器人手眼标定精度不高的问题,提出了基于标定块的手眼标定系统.通过引入亚像素角点提取算法,提取特征点的精确像素坐标;结合机械手平移规则,完成手眼系统旋转矩阵的标定,通过标定块提取机器人第三连杆中心在工作平台上的投影点所对应的世界坐标,计算系统平移矩阵.实验表明:方法不仅提高了手眼系统标定精度,而且简化了特征点世界坐标的提取过程.     

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。     

一种新的三维测量机器人手眼标定方法

为了提高三维测量机器人的手眼标定精度以更好地满足工业需求,提出了一种采用动态改变变异率的自适应差异进化算法进行手眼标定的新方法;首先构建了由线结构光测头和机器人组成的视觉测量系统,利用齐次坐标变换的方法建立了测量系统的数学模型;然后针对数学模型中的手眼关系,使用半径已知的球体,采用定点变位姿的方法,进行粗略的估计,并对手眼关系求解的精度进行分析;最后采用动态改变变异率的自适应差异进化算法对手眼关系做进一步寻优;实验结果表明,算法具有较高的求解精度;该方法用于手眼标定是可行的、有效的,整个标定过程简单,便于实际应用。     

基于3D目标跟踪算法的机器人手眼协调研究

为了适应环境的复杂性和多样性,增强机器人抓取任务的鲁棒性,本文从3D目标跟踪算法出发,提出了一种实现机器人手眼协调的新方法。该方法采用改进的基于区域的位姿追踪算法同时跟踪机械臂夹持器和目标物体的位姿,根据二者的相对位置关系引导机械臂运动。对基于区域的位姿跟踪算法,本文提出根据局部区域分割线构建分割模型并改进模型颜色似然的线性更新方式,使得算法能够准确跟踪机械臂夹持器与目标物体。基于ROS平台搭建了一套仿真实验环境,并分别在仿真环境和真实环境下验证了此手眼协调系统的有效性和鲁棒性。这种方式不仅不需要手眼标定,更接近于人类“Sensor-Actor”带反馈的闭环控制方式,同时赋予了机器人足够的灵活性来应对弹性的任务和多变的环境。     

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。     

A robot hand-eye calibration method of line laser sensor based on 3D reconstruction

In the robotic eye-in-hand measurement system, a hand-eye calibration method is essential. From the perspective of 3D reconstruction, this paper first analyzes the influence of the line laser sensor hand-eye calibration error on the 3D reconstructed point clouds error. Based on this, considering the influence of line laser sensor measurement errors and the need for high efficiency and convenience in robotic manufacturing systems, this paper proposes a 3D reconstruction-based robot line laser hand-eye calibration method. In this method, combined with the point cloud registration technique, the newly defined error-index more intuitively reflects the calibration result than traditional methods. To raise the performance of the calibration algorithm, a Particle Swarm Optimization - Gaussian Process (PSO-GP) method is adopted to improve the efficiency of the calibration. The experiments show that the Root Mean Square Error (RMSE) of the reconstructed point cloud can reach 0.1256 mm when using the proposed method, and the reprojection error is superior to those using traditional hand-eye calibration methods.     

精确标定关节臂视觉检测系统手眼关系

在关节臂视觉检测系统中,视觉传感器与关节臂末端的手眼关系标定的准确性直接影响到系统的测量精度。推导了关节臂手眼问题的数学关系模型,提出了一种基于遗传优化算法的双阶段手眼标定的新方法,即先采用常规方法求取手眼变换矩阵主要参数的初始值,在初始值的基础上利用遗传算法优化手眼标定模型的所有参数,建立遗传优化算法的手眼关系数学模型。通过实验论证了该方法的优良性和可行性,对一般手眼问题具有一定的可移植性,系统测量精度优于40 μm。     

基于M型标准块的视觉引导机器人系统手眼标定方法研究

针对线结构光传感器引导的机器人系统的手眼标定问题,提出了一种以M型标准块为标定物的方法。该M型标定物的两条平行的脊线作为约束,基于两条平行脊线的约束建立包含手眼关系、机器人运动学以及两条直线位姿参数误差的模型。首先基于定点约束求解手眼关系初值并以此为基础解算出直线位姿参数的初值,然后通过最小二乘法解算误差参数并补偿到模型中,不断迭代直至计算的误差参数小于阈值,最终得到最终的机器人手眼关系及运动学误差参数。为了验证标定方法的有效性,以某精加工平面为被测物,利用线结构光机器人系统对平面进行测量,得到平面点云;拟合最小二乘平面,计算点到平面距离的均方根值作为评价依据。分别对所述M型标准块和标准球两种方法进行了实验对比,结果表明,相较于标准球方法,所述M型标准块方法得到的均方根误差由0.152 mm减少到0.080 mm,均方根误差的标准差由0.043 mm减少到0.005 mm,其标定结果的精度及稳定性得到显著提高。     

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。     

光学显微定位系统定位精度分析

为了提高光学显微定位系统对细胞微生物识别定位的精度：一方面，必须改进手眼标定方法；另一方面，需要提高全局图像识别的准确性，因此，提出一种两步法对系统进行手眼标定。首先，通过标定固定靶标来确定系统原点，并得到视觉模块相对于系统原点的转换关系；然后，根据每次拍照的起始点位置、拍照的数量和移动的步长求解出全局图像相对于系统原点的转换关系；最后，为了进一步提高全局转换关系的准确度，提出一种基于傅里叶变换的误差矫正方法，利用傅里叶变换求解出视觉模块在移动过程中的误差，并加入系统进行补偿。实验结果表明，误差补偿之后，系统X轴方向的误差均值从10.23 μm降为-0.002 μm，Y轴方向的误差均值从6.9 μm降为-0.50 μm，显微定位系统的平均定位精度达到了99%以上。结果表明，所提方法可很好地用于光学显微定位系统对细胞微生物进行高精度的自动化抓取。     

基于无迹卡尔曼滤波的机器人手眼标定

提出一种基于无迹卡尔曼滤波(UKF)的机器人在线手眼标定算法来求解齐次变换矩阵方程AX =XB.建立手眼标定的隐式马尔可夫模型(HMM),并对它进行无迹卡尔曼滤波,从而对标定参数的状态进行递归贝叶斯估计和实时可视化处理.蒙特卡洛仿真结果表明,在小高斯噪声、较大高斯噪声以及非等方向性高斯噪声模型下,本文算法估计结果的精确...     

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。