CN107450885B - 一种工业机器人与三维传感器的坐标变换求解方法 - Google Patents

一种工业机器人与三维传感器的坐标变换求解方法 Download PDF

Info

Publication number
CN107450885B
CN107450885B CN201710601368.7A CN201710601368A CN107450885B CN 107450885 B CN107450885 B CN 107450885B CN 201710601368 A CN201710601368 A CN 201710601368A CN 107450885 B CN107450885 B CN 107450885B
Authority
CN
China
Prior art keywords
industrial robot
dimensional sensor
matrix
point
calculating
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710601368.7A
Other languages
English (en)
Other versions
CN107450885A (zh
Inventor
庄春刚
贾磊
王哲
张磊
朱向阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201710601368.7A priority Critical patent/CN107450885B/zh
Publication of CN107450885A publication Critical patent/CN107450885A/zh
Application granted granted Critical
Publication of CN107450885B publication Critical patent/CN107450885B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
    • G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
    • G06F7/544—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices for evaluating functions by calculation
    • G06F7/548—Trigonometric functions; Co-ordinate transformations

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Manipulator (AREA)
  • Numerical Control (AREA)

Abstract

本发明公开了一种工业机器人与三维传感器的坐标变换求解方法，包括以下步骤：步骤1、使用三维传感器扫描一个或多个标定块得到点云数据；使用物体位姿识别算法处理所述点云数据，得到所述标定块的位置和姿态信息；将所述标定块上的标志物位置数据点作为三维传感器坐标系下的特征点；步骤2、对所述特征点使用工业机器人进行示教，获得对应所述特征点在工业机器人坐标系下的位置数据点；获得所述三维传感器坐标系和所述工业机器人坐标系下的对应点对集；步骤3、根据所述对应点对集解算工业机器人与三维传感器的最优坐标变换矩阵。该方法不需要特定的标定块，能够将待抓取的零件作为标定块，结合机器人示教的方法方便快速地标定坐标变换矩阵。

Description

一种工业机器人与三维传感器的坐标变换求解方法
技术领域
本发明涉及机器人三维视觉感知领域，尤其涉及一种工业机器人与三维传感器的坐标变换求解方法。
背景技术
机器人智能感知需要对传感器数据进行处理，然后将处理后的数据传输给机器人进行作业规划。为了将感知处理后的数据应用于工业机器人作业任务，需要对三维传感器与机器人的坐标变换关系进行标定，将传感器的坐标系与工业机器人的坐标系统一起来。目前，机器人三维视觉感知主要利用激光扫描仪，双目相机和RGBD相机(三维视觉深度相机)。相机标定通常需要专用标定板进行标定；而基于点云数据的标定需要对点云进行数据处理且需要依赖特定标定块进行标定，操作复杂。
为建立三维传感器坐标系和工业机器人坐标系变换关系，本发明针对工业机器人散乱零件抓取系统中的三维传感器和工业机器人坐标变换标定问题，提出了一种三维传感器与工业机器人坐标变换标定方法。相较于传统标定方法，本发明能够对点云输入进行标定，而且不需要特定的标定块，能够将待抓取的零件作为标定块，结合机器人示教的方法方便快速地标定坐标变换矩阵。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是，如何在工业机器人抓取散乱零件的场景下求解系统的坐标变换关系，并且方便地利用现有零件快速有效地建立这一坐标变换关系。
为实现上述目的，本发明提供了一种工业机器人与三维传感器的坐标变换求解方法，其特征在于，包括以下步骤：
步骤1、使用三维传感器扫描一个或多个标定块得到点云数据；使用物体位姿识别算法处理所述点云数据，得到所述标定块的位置和姿态信息；将所述标定块上的标志物位置数据点作为三维传感器坐标系下的特征点；
步骤2、对所述特征点使用工业机器人进行示教，获得对应所述特征点在工业机器人坐标系下的位置数据点；获得所述三维传感器坐标系和所述工业机器人坐标系下的对应点对集；
步骤3、根据所述对应点对集解算工业机器人与三维传感器的最优坐标变换矩阵。
进一步地，所述标定块为待操作零件，所述待操作零件被设置为具有便于三维传感器扫描和特征识别的形状。
进一步地，所述标志物被设置为位于所述标定块上具有明显几何特征的位置。
进一步地，所述步骤2中使用工业机器人进行示教为：使用手持示教器或机器人配套软件移动工业机器人的工作端到指定所述特征点。
进一步地，所述步骤3中解算工业机器人与三维传感器的最优坐标变换矩阵进一步包括：
步骤3A、使用三点对法计算工业机器人与三维传感器的坐标变换矩阵；
步骤3B、使用随机抽样一致性算法去除所述对应点对集中的噪声点对；
步骤3C、使用最小二乘法计算所述最优坐标变换矩阵。
进一步地，所述步骤3A中计算工业机器人与三维传感器的坐标变换矩阵进一步包括：
步骤3A1、随机采样所述对应点对集中的三个不共线的对应点对K、L、M和K’、L’、M’；
步骤3A2、将K移到原点，对应平移向量t0＝(-xK-yK-zK)T得到变换矩阵T1，
Figure BDA0001357228830000021
其中，xK、yK、zK分别为K点在所述三维传感器坐标系中的三维坐标值，I是单位矩阵，t0是平移向量；
步骤3A3、通过旋转将KL和K’L’对齐，先计算KL和K’L’的叉乘得到旋转轴，然后通过点积计算向量夹角，获得旋转矩阵R1的角轴表示参数，将其转换为旋转矩阵R1的矩阵表示；相同地，将KM和K’M’对齐，得到旋转矩阵R2，求得变换矩阵T2，
Figure BDA0001357228830000022
步骤3A4、将K从原点平移到K’，对应平移向量t0'＝(xK'yK'zK')T，得到变换矩阵T3，
Figure BDA0001357228830000023
其中，xK'、yK'、zK'分别为K’点在所述工业机器人坐标系中的三维坐标值，I是单位矩阵，t0'是平移向量；
步骤3A5、得到此采样模型下的工业机器人与三维传感器的所述坐标变换矩阵T，
T＝T3T2T1。
进一步地，所述步骤3B中去除对应点对集的噪声点对进一步包括：
步骤3B1、根据所述坐标变换矩阵T逐一对所述对应点对集中的点对进行变换并计算每个点对的偏差；
步骤3B2、设定阈值并判定内部点对与噪声点对；
步骤3B3、多次采样，计算相应采样模型下的坐标变换矩阵，选择其中所述内部点对个数最多的所述采样模型对应的内部点对集作为新对应点对集，去除噪声点对。
进一步地，所述内部点对为所述偏差小于所述阈值的点对；所述噪声点对为所述偏差不小于所述阈值的点对。
进一步地，所述步骤3C中计算所述最优坐标变换矩阵进一步包括：
步骤3C1、非线性最小二乘问题建模：
选择所述新对应点对集中
Figure BDA0001357228830000031
两个三维点集，对应关系为：
Figure BDA0001357228830000032
其中，R是旋转矩阵，t是平移向量，N是噪声向量；建模非线性最小二乘问题：
Figure BDA0001357228830000033
步骤3C2、将所述
Figure BDA0001357228830000034
点集进行中心化处理：
Figure BDA0001357228830000035
Figure BDA0001357228830000036
其中，
Figure BDA0001357228830000037
Figure BDA0001357228830000038
将问题转化为求解：
Figure BDA0001357228830000039
步骤3C3、通过奇异值分解计算所述旋转矩阵R：
定义矩阵
Figure BDA00013572288300000310
A＝UDVT，
得到所述旋转矩阵R＝VUT，
其中，U、D、V为所述矩阵A经奇异值分解计算得到的矩阵；
步骤3C4、设置算法成立条件：det(R)＝+1，
如果满足所述算法成立条件则算法成立；如果不满足所述算法成立条件则算法失败；
步骤3C5、当所述旋转矩阵R满足所述算法成立条件时，计算平移向量：
Figure BDA00013572288300000311
步骤3C6、求得所述最优变换矩阵：
Figure BDA0001357228830000041
进一步地，所述步骤3C4中如果不满足所述算法成立条件时可通过重新布置所述标定块位置进行重新标定，直至求得所述旋转矩阵R满足所述算法成立条件。
本发明的有益效果在于：
在工业机器人抓取散乱零件的场景下能够方便地利用现有零件快速有效地建立系统的坐标变换关系，并且该方法进行了噪声的去除，提高了标定的精度，保证了后续抓取的可靠性。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的基于三维传感器的工业机器人散乱零件抓取系统；
图2是本发明的待操作零件示意图；
图3是本发明的工业机器人与三维传感器坐标关系标定方法示意图；
图4是本发明的标定方法的流程图；
图5是本发明以空间4点对为例实际扫描所得点云数据；
图6是本发明的物体位姿识别算法的识别结果；
图7是本发明的工业机器人示教得到的零件位姿可视化结果；
图8是本发明的基于零件作为标定块的变换结果示意图。
具体实施方式
如图1所示，本发明的一个较佳实施例的工业机器人与三维传感器的坐标变换求解方法的硬件包括：待操作零件03，如图2所示；工业机器人01，用于分拣散乱待操作零件03从而完成对散乱零件的上下料、加工、装配等任务；三维传感器02，用于识别标定块的位姿，即位置和姿态。
如图3、4所示，本发明提供了一种工业机器人与三维传感器的坐标变换求解方法，其特征在于，包括以下步骤：
步骤1、第一，布置4个待操作零件03分别位于三维传感器02长方形扫描区域的4个顶点；
第二，如图5所示，使用三维传感器02扫描4个待操作零件03得到点云数据；其中，待操作零件03具有平整的上表面，便于三维传感器02扫描获得点云数据；
第三，如图6所示，使用物体位姿识别算法处理点云数据，得到待操作零件03的位置和姿态信息；其中，如图2所示，待操作零件03上表面的前端为半径为13.5cm的圆弧，后端为半径为10.5cm的圆弧，不具有旋转对称性，便于三维传感器02进行位置和姿态的特征识别；物体位姿识别算法为现有物体识别算法，可以利用三维传感器02扫描得到的点云数据对待操作零件03进行位置和姿态的识别；
表1为三维传感器坐标系下4个待操作零件03的位姿数据。位姿数据为3x4矩阵，以RT格式(列表格式)表示，单位为mm；
表1
Figure BDA0001357228830000051
第四，选择4个待操作零件03上表面对称轴的中心点的位置作为标志物位置并计算坐标数据，作为三维传感器坐标系下的特征点。
步骤2、第一，对特征点使用工业机器人01进行示教，示教方式为通过机器人示教器或机器人配套软件控制工业机器人01的工作端中心移动到待操作零件03的抓取位置，即标志物位置。其中，业机器人01的工作端为吸盘式抓取工作端，将此时机器人末端的位姿数据作为该零件在工业机器人坐标系下的位姿数据。示教得到的位姿数据可视化结果如图7所示。
表2为示教得到的工业机器人坐标系下待操作零件03的位姿数据；
表2
Figure BDA0001357228830000052
Figure BDA0001357228830000061
第二，获得三维传感器坐标系和工业机器人坐标系下的对应点对集。
步骤3、根据对应点对集解算工业机器人01与三维传感器02的最优坐标变换矩阵，具体包括：
第一，使用三点对法计算工业机器人01与三维传感器02的坐标变换矩阵，具体包括：
①随机采样对应点对集中的三个不共线的对应点对K、L、M和K’、L’、M’；
②将K移到原点，对应平移向量t0＝(-xK-yK-zK)T得到变换矩阵T1，
Figure BDA0001357228830000062
其中，xK、yK、zK分别为K点在三维传感器坐标系中的三维坐标值，I是单位矩阵，t0是平移向量；
③通过旋转将KL和K’L’对齐，先计算KL和K’L’的叉乘得到旋转轴，然后通过点积计算向量夹角，获得旋转矩阵R1的角轴表示参数，将其转换为旋转矩阵R1的矩阵表示；相同地，将KM和K’M’对齐，得到旋转矩阵R2，求得变换矩阵T2，
Figure BDA0001357228830000063
④将K从原点平移到K’，对应平移向量t0'＝(xK'yK'zK')T，得到变换矩阵T3，
Figure BDA0001357228830000064
其中，xK'、yK'、zK'分别为K’点在工业机器人坐标系中的三维坐标值，I是单位矩阵，t0'是平移向量；
⑤得到此采样模型下的工业机器人01与三维传感器02的坐标变换矩阵T，T＝T3T2T1。
第二，使用随机抽样一致性算法去除对应点对集中的噪声点对，进一步包括：
①根据坐标变换矩阵T逐一对对应点对集中的点对进行变换并计算每个点对的偏差；
②设定阈值并判定内部点对与噪声点对；其中，内部点对为偏差小于阈值的点对；噪声点对为偏差不小于阈值的点对；
③多次对4个点随机采样三点对，计算相应采样模型下的坐标变换矩阵，选择其中内部点对个数最多的采样模型对应的内部点对集作为新对应点对集，去除噪声点对。
第三，使用最小二乘法计算最优坐标变换矩阵，进一步包括：
①非线性最小二乘问题建模：
选择新对应点对集中
Figure BDA0001357228830000071
两个三维点集，对应关系为：
Figure BDA0001357228830000072
其中，R是旋转矩阵，t是平移向量，N是噪声向量；建模非线性最小二乘问题：
Figure BDA0001357228830000073
②将
Figure BDA0001357228830000074
点集进行中心化处理：
Figure BDA0001357228830000075
Figure BDA0001357228830000076
其中，
Figure BDA0001357228830000077
Figure BDA0001357228830000078
将问题转化为求解：
Figure BDA0001357228830000079
③通过奇异值分解计算旋转矩阵R：
定义矩阵
Figure BDA00013572288300000710
A＝UDVT，
得到旋转矩阵R＝VUT，
其中，U、D、V为矩阵A经奇异值分解计算得到的矩阵；
④设置算法成立条件：
det(R)＝+1，
如果满足算法成立条件则算法成立；如果不满足算法成立条件则算法失败，此时可通过重新布置标定块位置进行重新标定，直至求得旋转矩阵R满足算法成立条件；
⑤当旋转矩阵R满足算法成立条件时，计算平移向量：
Figure BDA00013572288300000711
⑥求得最优变换矩阵：
Figure BDA00013572288300000712
本发明基于零件进行标定的标定结果如图8所示，标定结果如表3和表4所示，坐标变换矩阵为工业机器人坐标系到三维传感器坐标系的变换矩阵，求逆可得反变换。将点对变换到同一坐标系下，各工件均方误差都在2mm以内，具有较高的标定精度，能够满足机器人抓取的要求。
其中，标定误差由两部分组成，机器人示教待操作零件03上表面对称轴的中心点的位置的误差和物体位姿识别算法的误差。针对本发明所应用的工业机器人散乱零件抓取系统，工业机器人01的位置精度为0.1mm，通过示教移动机器人执行器到指定标志物位置可以保证0.1mm精度，高精度三维传感器02的点云扫描精度为0.1mm，对于布置的标定块位姿识别可以保证0.2mm精度。因此，本发明标定的精度可控制在1.0mm范围内，对于散乱零件的抓取操作满足精度要求。
表3
Figure BDA0001357228830000081
表4
项目 Δx/mm Δy/mm Δz/mm 均方误差/mm
工件1误差 0.4139 0.1986 -0.1895 0.4933
工件2误差 -0.4769 -0.2946 0.0076 0.5606
工件3误差 -0.3376 0.2418 0.0198 0.4158
工件4误差 0.4007 -0.1458 0.1532 0.4530
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的所述切削过程可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (8)

1.一种工业机器人与三维传感器的坐标变换求解方法，其特征在于，包括以下步骤：
步骤1、使用三维传感器扫描一个或多个标定块得到点云数据；使用物体位姿识别算法处理所述点云数据，得到所述标定块的位置和姿态信息；将所述标定块上的标志物位置数据点作为三维传感器坐标系下的特征点；
步骤2、对所述特征点使用工业机器人进行示教，获得对应所述特征点在工业机器人坐标系下的位置数据点；获得所述三维传感器坐标系和所述工业机器人坐标系下的对应点对集；
步骤3、根据所述对应点对集解算工业机器人与三维传感器的最优坐标变换矩阵；
所述标定块为待操作零件，所述待操作零件被设置为具有便于三维传感器扫描和特征识别的形状和平整表面；
所述标志物被设置为位于所述平整表面上具有明显几何特征的位置，所述标志物在所述平整表面上的二维坐标中根据给定几何关系可唯一确定；
布置4个所述待操作零件分别位于所述三维传感器的长方形扫描区域的4个顶点；
所述待操作零件具有平整的上表面，便于所述三维传感器扫描获得点云数据；
所述待操作零件上表面的前端为半径为13.5cm的圆弧，后端为半径为10.5cm的圆弧，不具有旋转对称性。
2.如权利要求1所述的方法，其特征在于，所述步骤2中使用工业机器人进行示教为：使用手持示教器或机器人配套软件移动工业机器人的工作端到指定所述特征点。
3.如权利要求1所述的方法，其特征在于，所述步骤3中解算工业机器人与三维传感器的最优坐标变换矩阵进一步包括：
步骤3A、使用三点对法计算工业机器人与三维传感器的坐标变换矩阵；
步骤3B、使用随机抽样一致性算法去除所述对应点对集中的噪声点对；
步骤3C、使用最小二乘法计算所述最优坐标变换矩阵。
4.如权利要求3所述的方法，其特征在于，所述步骤3A中计算工业机器人与三维传感器的坐标变换矩阵进一步包括：
步骤3A1、随机采样所述对应点对集中的三个不共线的对应点对K、L、M和K’、L’、M’；
步骤3A2、将K移到原点，对应平移向量t0＝(-xK-yK-zK)T得到变换矩阵T1，
Figure FDA0002495916330000021
其中，xK、yK、zK分别为K点在所述三维传感器坐标系中的三维坐标值，I是单位矩阵，t0是平移向量；
步骤3A3、通过旋转将KL和K’L’对齐，先计算KL和K’L’的叉乘得到旋转轴，然后通过点积计算向量夹角，获得旋转矩阵R1的角轴表示参数，将其转换为旋转矩阵R1的矩阵表示；相同地，将KM和K’M’对齐，得到旋转矩阵R2，求得变换矩阵T2，
Figure FDA0002495916330000022
步骤3A4、将K从原点平移到K’，对应平移向量t0'＝(xK'yK'zK')T，得到变换矩阵T3，
Figure FDA0002495916330000023
其中，xK'、yK'、zK'分别为K’点在所述工业机器人坐标系中的三维坐标值，I是单位矩阵，t0'是平移向量；
步骤3A5、得到此采样模型下的工业机器人与三维传感器的所述坐标变换矩阵T，T＝T3T2T1。
5.如权利要求4所述的方法，其特征在于，所述步骤3B中去除对应点对集的噪声点对进一步包括：
步骤3B1、根据所述坐标变换矩阵T逐一对所述对应点对集中的点对进行变换并计算每个点对的偏差；
步骤3B2、设定阈值并判定内部点对与噪声点对；
步骤3B3、多次采样，计算相应采样模型下的坐标变换矩阵，选择其中所述内部点对个数最多的所述采样模型对应的内部点对集作为新对应点对集，去除噪声点对。
6.如权利要求5所述的方法，其特征在于，所述内部点对为所述偏差小于所述阈值的点对；所述噪声点对为所述偏差不小于所述阈值的点对。
7.如权利要求5所述的方法，其特征在于，所述步骤3C中计算所述最优坐标变换矩阵进一步包括：
步骤3C1、非线性最小二乘问题建模：
选择所述新对应点对集中
Figure FDA0002495916330000031
两个三维点集，对应关系为：
Figure FDA0002495916330000032
其中，R是旋转矩阵，t是平移向量，N是噪声向量；建模非线性最小二乘问题：
Figure FDA0002495916330000033
步骤3C2、将所述
Figure FDA0002495916330000034
点集进行中心化处理：
Figure FDA0002495916330000035
Figure FDA0002495916330000036
其中，
Figure FDA0002495916330000037
Figure FDA0002495916330000038
将问题转化为求解：
Figure FDA0002495916330000039
步骤3C3、通过奇异值分解计算所述旋转矩阵R：
定义矩阵
Figure FDA00024959163300000310
A＝UDVT，
得到所述旋转矩阵R＝VUT，
其中，U、D、V为所述矩阵A经奇异值分解计算得到的矩阵；
步骤3C4、设置算法成立条件：det(R)＝+1，
如果满足所述算法成立条件则算法成立；如果不满足所述算法成立条件则算法失败；
步骤3C5、当所述旋转矩阵R满足所述算法成立条件时，计算平移向量：
Figure FDA00024959163300000311
步骤3C6、求得所述最优变换矩阵：
Figure FDA00024959163300000312
8.如权利要求7所述的方法，其特征在于，所述步骤3C4中如果不满足所述算法成立条件时可通过重新布置所述标定块位置进行重新标定，直至求得所述旋转矩阵R满足所述算法成立条件。
CN201710601368.7A 2017-07-21 2017-07-21 一种工业机器人与三维传感器的坐标变换求解方法 Active CN107450885B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710601368.7A CN107450885B (zh) 2017-07-21 2017-07-21 一种工业机器人与三维传感器的坐标变换求解方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710601368.7A CN107450885B (zh) 2017-07-21 2017-07-21 一种工业机器人与三维传感器的坐标变换求解方法

Publications (2)

Publication Number Publication Date
CN107450885A CN107450885A (zh) 2017-12-08
CN107450885B true CN107450885B (zh) 2020-09-08

Family

ID=60487935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710601368.7A Active CN107450885B (zh) 2017-07-21 2017-07-21 一种工业机器人与三维传感器的坐标变换求解方法

Country Status (1)

Country Link
CN (1) CN107450885B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109916351B (zh) * 2017-12-13 2020-09-08 北京柏惠维康科技有限公司 一种获取机器人tcp坐标的方法和装置
CN109967359A (zh) * 2017-12-28 2019-07-05 北京京东尚科信息技术有限公司 用于拣选物品的方法和装置
CN108362240B (zh) * 2018-01-30 2020-12-25 深圳市圆梦精密技术研究院 获取工件坐标系方法
CN108555422A (zh) * 2018-03-02 2018-09-21 广州市盘古机器人科技有限公司 多红外传感器三维坐标姿态获取技术
CN108489411B (zh) * 2018-05-23 2020-09-01 上海理工大学 一种基于激光扫描仪的车灯与车身的间隙测量系统及方法
CN108748162B (zh) * 2018-07-09 2021-05-25 五邑大学 一种机器人实验教学用基于最小二乘法的机械臂控制方法
CN109176521A (zh) * 2018-09-19 2019-01-11 北京因时机器人科技有限公司 一种机械臂及其抓取控制方法和系统
CN109685848B (zh) * 2018-12-14 2023-06-09 上海交通大学 一种三维点云与三维传感器的神经网络坐标变换方法
CN109859274A (zh) * 2018-12-24 2019-06-07 深圳市银星智能科技股份有限公司 机器人、其物体标定方法及视教交互方法
CN110170995B (zh) * 2019-05-09 2022-09-23 广西安博特智能科技有限公司 一种基于立体视觉的机器人快速示教方法
CN110842931B (zh) * 2019-07-30 2022-03-22 南京埃斯顿机器人工程有限公司 一种应用于机器人打孔的工具姿态调整方法
CN111354073A (zh) * 2019-12-23 2020-06-30 首都医科大学附属北京友谊医院 单侧颞骨空间坐标系的构建方法、空间定位方法及设备
CN111121628A (zh) * 2019-12-31 2020-05-08 芜湖哈特机器人产业技术研究院有限公司 基于二维激光雷达的车厢容器的三维扫描系统标定方法
CN111409075A (zh) * 2020-04-22 2020-07-14 无锡中车时代智能装备有限公司 简单方便的机器人手眼标定系统和标定方法
CN115582829A (zh) * 2021-07-05 2023-01-10 腾讯科技（深圳）有限公司 机械臂的位置确定方法、装置、电子设备及存储介质
CN113706621B (zh) * 2021-10-29 2022-02-22 上海景吾智能科技有限公司 基于带标记图像的标志点定位及姿态获取方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102607459A (zh) * 2012-03-06 2012-07-25 中国矿业大学(北京) Lidar测量数据的拼接方法和装置
CN104236456A (zh) * 2014-09-04 2014-12-24 中国科学院合肥物质科学研究院 一种基于两自由度3d视觉传感器的机器人手眼标定方法
CN106595700A (zh) * 2015-10-15 2017-04-26 南京理工大学 基于三点坐标测量的靶道空间基准标定方法
CN106934833A (zh) * 2017-02-06 2017-07-07 江苏华航威泰机器人科技有限公司 一种散乱堆放物料拾取装置和方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102607459A (zh) * 2012-03-06 2012-07-25 中国矿业大学(北京) Lidar测量数据的拼接方法和装置
CN104236456A (zh) * 2014-09-04 2014-12-24 中国科学院合肥物质科学研究院 一种基于两自由度3d视觉传感器的机器人手眼标定方法
CN106595700A (zh) * 2015-10-15 2017-04-26 南京理工大学 基于三点坐标测量的靶道空间基准标定方法
CN106934833A (zh) * 2017-02-06 2017-07-07 江苏华航威泰机器人科技有限公司 一种散乱堆放物料拾取装置和方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Least-Squares Rigid Motion Using SVD;Olga Sorkine;《Technical notes》;20090224;第1-6页 *
基于FREAK特征的快速景象匹配;王灿进 等;《电子测量与仪器学报》;20150228;第29卷(第2期);第4节 *
基于P3P原理的装配机器人手眼标定方法研究;胡小平 等;《机械科学与技术》;20130531;第32卷(第5期);第1节，第2.2节 *
曲面复合材料缝合机器人自动路径规划技术;武永盛 等;《材料科学与工艺》;20170430;第25卷(第2期);第2.1-2.2节，图1 *

Also Published As

Publication number Publication date
CN107450885A (zh) 2017-12-08

Similar Documents

Publication Publication Date Title
CN107450885B (zh) 一种工业机器人与三维传感器的坐标变换求解方法
CN111775152B (zh) 基于三维测量引导机械臂抓取散乱堆叠工件的方法及系统
CN110497373B (zh) 一种移动作业机器人的三维激光雷达与机械臂间的联合标定方法
CN106737665B (zh) 基于双目视觉和sift特征匹配的机械臂控制系统及实现方法
CN113379849B (zh) 基于深度相机的机器人自主识别智能抓取方法及系统
US10540779B2 (en) Posture positioning system for machine and the method thereof
CN108908399B (zh) 一种基于同心圆环模板的机器人手眼标定方法
Shauri et al. Assembly manipulation of small objects by dual‐arm manipulator
CN114902872B (zh) 一种机器人采摘果实的视觉引导方法
WO2020133888A1 (zh) 一种三维图像的尺度不变深度图映射方法
CN110553600A (zh) 一种用于工件检测的结构光传感器仿真激光线的生成方法
JP5223407B2 (ja) 冗長ロボットの教示方法
Xia et al. Workpieces sorting system based on industrial robot of machine vision
CN112109072B (zh) 一种大型稀疏特征托盘精确6d位姿测量和抓取方法
Fan et al. A combined 2D-3D vision system for automatic robot picking
Wang 3D object pose estimation using stereo vision for object manipulation system
CN113237434A (zh) 一种基于阶梯形标定物的激光轮廓传感器eye-in-hand标定方法
CN110153582B (zh) 焊接方案生成方法、装置以及焊接系统
CN115358965A (zh) 焊接变形量自适应的直线焊缝打磨轨迹生成方法及装置
CN116985141B (zh) 一种基于深度学习的工业机器人智能控制方法及系统
CN114074331A (zh) 一种基于视觉的无序抓取方法及机器人
Rückert et al. Calibration of a modular assembly system for personalized and adaptive human robot collaboration
Lin et al. Vision based object grasping of industrial manipulator
CN116664686A (zh) 一种基于三维立体标定块的焊接手眼自动化标定方法
Ren et al. Vision based object grasping of robotic manipulator

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant