CN111482963B - 一种机器人的标定方法 - Google Patents
一种机器人的标定方法 Download PDFInfo
- Publication number
- CN111482963B CN111482963B CN202010270642.9A CN202010270642A CN111482963B CN 111482963 B CN111482963 B CN 111482963B CN 202010270642 A CN202010270642 A CN 202010270642A CN 111482963 B CN111482963 B CN 111482963B
- Authority
- CN
- China
- Prior art keywords
- robot
- camera
- end effector
- calibration
- target
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1679—Programme controls characterised by the tasks executed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/02—Sensing devices
- B25J19/021—Optical sensing devices
- B25J19/023—Optical sensing devices including video camera means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Multimedia (AREA)
- Numerical Control (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种机器人的标定方法,以一种手持视觉的方式来标定机器人。将摄像机安装在机器人的末端执行器上,在地面摆设一靶标图,通过驱动机器人在数个不同位置拍照靶标图即可完成标定。标定的目的在于恢复关节传感器信号与关节实际位移之间的常规关系。本方法主要由摄像机的张氏标定求出摄像机光心点位,再经由优化标定出各关节轴的偏差参数。以离线拍摄有转角变化的辅助靶标图,混加于在线拍摄时不具备角度变换的靶标图中,即可有效解决张氏标定无法正确处理退化构型的问题。而优化的目标函数是以摄像机光心及机器人顺向运动公式的末端执行器来设立一平方差,采用随机一致性算法优化演算,去除外围点进而降低机械结构干扰因素。
Description
技术领域
本发明涉及机器人标定技术领域,具体涉及一种机器人的标定方法。
背景技术
工业机器人是自动化的利器,其具备诸如精准且可编程等优点,藉由重新教导点及编写程序则可承担新任务。然而工业机器人多采用增量型编码器,运作一段时间仍需予以定期归原点以消弥累计误差。然而工业机器人运作时日一久,零件磨耗或维修拆装都会使精准度会下降。同样地,传感器及回授控制电路的老化也会影响实际运转。又机器人运作中突然断电,电气原点与机械原点会产生偏差。一旦过保固期,则需支付高额的费用求助原厂修复。再者,科技日新月异,工业机器人亦是推陈出新,旧款工业机器人的零件也终将停产,恐怕也求助无门。未经校正的机器人,即便性能再优越,仍无法被正常使用,最终也只能闲置不用,甚为可惜。
机器人的标定技术通常包含四个步骤。第一步、建立模型:通常使用D-H法则数学设立座标系统,并以齐次变换矩阵描述相邻座标的变换关系,从而建立起关节轴与末端执行器的数学模型。第二步、量测:藉由座标量测仪器或以标准物件如立方体及圆球等来量测机器人末端执行器的位置,此类方法属接触式的量测。而非接触式的量测则使用声波、雷射及摄像机等进行量测,在机器人的工作区内进行多点的数据采集。第三步、参数辨识:根据所建的数学模型及量测的数据运用各类算法求出所需的参数。第四步、补偿标定:使用标定过的数学模型及机器人的逆向运动关系计算出关节转动量进而补尝误差。
现有的机器人标定技术,几乎都在探讨如何提升新机器人的精准度。这都基于一个假设,那就是机器人的关节传感器信号与关节实际位移之间具备正确的常规(nominal)关系。只有新机器人才能在这种条件基础下进行提升精准度的标定。故在参数辨识的优化算法上多采用最小均误差方法(Least Mean Square ErrorL,MSE)或极大似然估计法(Maximum Likelihood Estimation,MLE)。对新机器人且精准度佳的机器人而言,手持摄像机采集到的靶标图片,其杂讯主要来自摄像机量测(即拍照)。这两方法可有效降低量测杂讯对估测的影响。但对老旧机器人而言,会有额外的大干扰(disturbance)是来自于机构结构误差或组装间隙,如直接实施LMSE或MLE,不仅无法消除此种干扰,甚至会将干扰扩散污染到其他可靠的数据。
本专利的目的在于标定老旧机器人,以便复原其关节传感器信号与实际位移之间的常规(nominal)关系。方法上是采手持视觉(将摄像机安装在机器人末端执行器上),在不同位置拍摄地面上设置的靶标图样,藉由张氏摄像机标定法及随机一致性算法(RANSAC:Random Sample Consensus)完成对机器人的标定。然而张氏摄像机标定法有一致命缺点,当三个自由度的机器人,仅对XYZ三轴平移而无旋转运动来改变摄像机方向时,其拍摄出的靶标图片形成退化构型(Degenerate Configuration),这得使张氏摄像机标定法失效。本专利对此缺点提出了改善措施,即以离线的方式拍摄出有角度变化的靶标图称为辅助靶标图。再将辅助靶标图与在线拍摄的靶标图混合进行张氏摄像机标定,即可消除退化构型而成功完成摄像机标定。
发明内容
本发明提供一种简易且便捷的机器人标定方法,并且克服手持视觉无法标定退化构型的缺陷,即使仅具备X向、Y向及Z向平移运动而无旋转运动的老旧机器人,仍可被标定校正后,复原其关节轴与末端执行器的常规关系,使得老旧机器人实现再利用。
基于此,本发明提供了一种机器人的标定方法,所述机器人的末端执行器能够在X向、Y向及Z向上平移,包括:
S1:将摄像机脱离末端执行器以离线方式在不同的旋转角度拍摄地面上设置的靶标图样,获取多张辅助靶标图;
S2:将所述摄像机安装于机器人的末端执行器上,设立机器人坐标和摄像机坐标,驱驶所述机器人带动所述摄像机在m个不同位置拍摄所述靶标图样,以得到多张在线靶标图;
S3:混合所述辅助靶标图及所述在线靶标图,根据张氏标定法计算出所述摄像机在m个不同位置的光心点坐标;
S4:利用顺向运动公式建立出所述末端执行器在m个不同位置的末端点位坐标与关节轴的函数关系,所述函数关系中包含待标定的偏差参数;
S5:根据m个所述光心点坐标和m个末端点位坐标使用优化算法与随机一致性算法获取所述机器人各关节轴的偏差参数,利用所述偏差参数修订所述机器人各关节轴的命令转角与实际转角的差异。
进一步,在步骤S1中,采用手动旋转摄像机的方式拍摄地面上设置的靶标图样,获取多张辅助靶标图。
进一步,在步骤S1中,所述不同的旋转角度包括沿X轴、沿Y轴和/或沿Z轴旋转。
进一步,所述步骤S3具体包括:
S31:将多张所述辅助靶标图与多张所述在线靶标图混合;
S32:以张氏标定法求出所述摄像机的内参数、外参数及位移向量;
S33:根据所述摄像机的内参数、外参数的旋转矩阵及位移向量,确定所述摄像机的光心点坐标。本发明的有益效果体现在:
1、本发明可以采用非接触式对老旧机器人进行标定,克服了张氏标定法无法有效标定退化构型的问题,不需购买昂贵量测仪器,仅需使用一摄像机及一靶标图样即可完成标定,即便原厂不再提供相关零件,仍可某种程度上复原老旧机器人正常的操作,藉此延长老旧机器人的使用寿命,不需巨额费用且可自行排除问题迅速恢复生产进而减少停产损失。
2.针对老旧机器人其机械结构产生的干扰,运用随机一致性算法筛选出内围点(inlier)及外围点(outlier),屏除外围点后再进一步对内围点进行杂讯消除处理,有效降低老旧机器人的机械结构干扰因素。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的组件或部分一般由类似的附图标记标识。附图中,各组件或部分并不一定按照实际的比例绘制。
图1为本发明实施例提供的一种机器人的标定方法的流程图;
图2为本发明实施例提供的机器人及靶标图样的位置示意图;
图3为本发明实施例提供的机器人座标与棋盘座标的示意图;
图4为本发明实施例提供的摄像机光心与末端执行器点位之间位置关系的示意图;
图5为本发明实施例提供的退化构型的图群;
图6为本发明实施例提供的辅助图群A;
图7为本发明实施例提供的辅助图群B。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
本实施例中的机器人是指仅具备三自由度的老旧机器人,即只能够进行平移运动而无法进行旋转运动的老旧机器人。为了便于描述,本实施例将以所述机器人的末端执行器具有三个关节轴为例进行说明,但应理解,所述机器人不限于仅具有三个关节轴,还可以具有四个、五个或六个关节轴等。
本领域技术人员应该了解,对于本实施例中的老旧机器人而言,即使经过标定校正,其精准度已不如以往,所以校正的目的不再是提升其精准度,而是通过标定重建其机构运作的数学模型,例如下达指令让三个关节轴分别转到然而所述机器人因运作时日久已产生偏差,故实际的运转角度却为θ1,θ2,θ3,而且通常经过标定后,编写一被调程序修订,使得命令转角与末端执行器间的运动关系建立起常规关系(nominal relationship)。虽然,这些老旧机器人无法再从事精密的工作,但可以从第一线除役,改调往第二线从事非精密场合的应用(如进出料及仓储等)。
其中,αi,βi为偏差参数,i为各关节轴,本实施例中,i=1,2,3。
整理(1)式得(2)式如下:
(2)式即为机器人的修订函数,当标定出偏差参数αi及βi时,通过编写软件程序,指定各关节轴的转动量为θ1,θ2,θ3,经过(2)式修正,下达到各关节轴的转动量为如此正好对应到输出量θ1,θ2,θ3。也就是说,只要根据(2)式编写一修订程序,就可让机器人恢复正常的运作,而且既有的机器人控制程序仍可调用,不需重新编写机器人的执行程序。
基于此,为了标定出偏差参数αi及βi,如图1所示,本实施例提供了一种机器人的标定方法,所述机器人的末端执行器能够在X向、Y向及Z向上平移,包括:
S1:将摄像机脱离末端执行器以离线方式在不同的旋转角度拍摄地面上设置的靶标图样,获取多张辅助靶标图;
S2:将所述摄像机安装于机器人的末端执行器上,设立机器人坐标和摄像机坐标,驱驶所述机器人带动所述摄像机在m个不同位置拍摄所述靶标图样,以得到多张在线靶标图;
S3::混合所述辅助靶标图及所述在线靶标图,根据张氏标定法计算出所述摄像机在m个不同位置的光心点坐标;
S4:利用顺向运动公式建立出所述末端执行器在m个不同位置的末端点位坐标与关节轴的函数关系,所述函数关系中包含待标定的偏差参数;
S5:根据m个所述光心点坐标和m个末端点位坐标函数,使用优化算法与随机一致性算法获取所述机器人各关节轴的偏差参数,利用所述偏差参数修订所述机器人各关节轴的命令转角与实际转角的差异。
本实施例中,靶标图座标以垂直于纸面向内为X向、水平向右为Y向、竖直向下为Z向。本实施例中,所谓的离线方式,即是采用手动旋转摄像机的方式拍摄地面上设置的靶标图样,获取多张辅助靶标图,如图2所示,靶标图样设置在机器人下方的地面上,所述靶标图样是指具有阵列分布的棋盘格点的棋盘图样。本实施例中,摄像机镜头的旋转角度包括绕X轴、绕Y轴和/或绕Z轴旋转,使得拍摄的多张辅助靶标图的旋转角度不同。
接下来,如图2-图3所示,执行步骤S2,将所述摄像机安装于机器人的末端执行器,设立机器人坐标和摄像机坐标,驱驶所述机器人带动所述摄像机在m个不同位置拍摄所述靶标图样,以得到多张在线靶标图。
具体的,如图3所示,首先建立两个固定座标系,一是机器人坐标,也就是描述机器人运动的座标系(xw,yw,zw),二是靶标坐标,也就是靶标图样用于标定摄像机的座标系(xB,yB,zB)。其中选定机器人座标系为世界座标系。然后,驱驶所述机器人带动所述摄像机在m个不同位置拍摄所述靶标图样,以得到多张在线靶标图。
接下来,执行步骤S3,混合所述辅助靶标图及所述在线靶标图,根据张氏标定法计算出所述摄像机在m个不同位置的光心点坐标。
令Pc表示从靶标图样所观察到的摄像机光心点的坐标,而Pe为机器人座标所观察到的执行器的末端点位坐标,当摄像机安装于机器人的末端执行器时,如图4所示,摄像机光心点相对于末端执行器在Z向上具有一偏移量Dr,那么Pc与Pe有如下的关系:
其中Bw=Tw+Dr,而靶标图样的座标系到机器人的座标系的变换关系是由一旋转矩阵及平移向量Tw所定义。又可采用罗德里格旋转公式(Rodrigues rotation formula)将表示成对某一向量v旋转一角度φ,并且以bx,by,bz来表示Bw的分量。
为了求得摄像机光心点的坐标Pc,可采用张氏标定法。运用靶标图样的空间座标(xi,yi,0)及拍照图片上的像素座标(ui,vi)可整理如下的关系式(4),再用奇异值分解(Singular Value Decomposition,SVD)取最小奇异值所对应的向量作为单应矩阵H的解。
其中Hij是指单应矩阵H的第i列(row)第j行(column)的元素。
至少从三个以上不同方位拍棋盘照片以计算出三以上的单应矩阵H,同样使用SVD于(5)式计算矩阵B。
求得B后,以乔尔斯基分解(Cholesky decomposition)即可求得内参数fx,fy,u0,v0,进而求得外参数矩阵的旋转矩阵R及移位向量t,那么就可确定出光心点Pc。然而,由于本实施例中的机器人仅有X、Y、Z三轴的位移而无旋转,以致拍摄到的标定图样如图5所示,都呈平行状态,此称退化构型。
退化构型所产生的单应矩阵H无法在(5)式中有效提升其矩阵的秩。即使由于机械结构的间隙促使摄像机产生些微转向,又由于环境灯光等杂讯导致利用在线靶标图仍可以产生出些微方位改变,使得张氏标定仍能得到摄像机的内参数,但会呈现出不合理与不稳定的现象,使得张氏标定失效。
通过对比实验可以证明本发明的效果,实验一:随机抽取图5中三张以上的在线靶标图根据(5)式计算出摄像机的内参数,其统计数据显示于表1的退化构型所在的行;实验二:随机抽取图5中三张以上的在线靶标图和图6中摄像机仅绕Z轴旋转后拍摄的辅助靶标图(下称辅助图A),其统计数据显示于表1的加辅助图A所在的行;实验三:随机抽取图5中三张以上的在线靶标图和图7中绕任意轴旋转后拍摄的辅助靶标图(下称辅助图B),其统计数据显示于表1的加辅助图B所在的行。
表1退化构型及加辅助靶标图的摄像机内参数统计数据
对比实验一、实验二和实验三的数据可见,若仅利用在线靶标图计算摄像机的内参数,其标准差甚大,表示数据非常不稳定,此种数据无法被采用,很显然退化构型确实使得张氏标定失效。利用在线靶标图及辅助图A或者利用在线靶标图及辅助图B计算摄像机的内参数可以急剧缩小内参数的标准差,平均值也收敛到合理数值;可见,加入辅助靶标图后可以准确、稳定的计算出摄像机的内参数。并且,对比实验一和实验二的数据可见,仅利用在线靶标图及辅助图A能够改善数据的稳定性,但利用在线靶标图及辅助图B改善效果更良好,突破此一量测的瓶颈后,才真正解决了机器人的标定问题。
Pe,j=f(θ1,j,θ2,j,θ3,j) (6)
其中Pe,j,θ1,j,θ2,j,θ3,j是指在第j个位置的末端执行器点及第1,2,3轴实际转角。将(1)式代入(6)式,则变量θ1,j,θ2,j,θ3,j可被已知量及未知量α1,β1,α2,β2,α3,β3取代,故(6)式可改写成如下(7)式;
Pe,j=Pe,j(α1,β1,α2,β2,α3,β3) (7)
其中α1,β1,α2,β2,α3,β3则是各轴待标定的偏差参数。
最后,执行步骤S5,根据m个所述光心点坐标和m个末端点位坐标函数使用优化算法及随机一致性算法获取所述机器人各关节轴的偏差参数,利用所述偏差参数修订所述机器人各关节轴的命令转角与实际转角的差异。
现有优化算法皆采用如下均方差为目标函数,对偏差参数α1,β1,α2,β2,α3,β3及变换参数v,bx,by,bz进行优化:
其中,Pe,j及Pc,j分别指第j位置对应的机器人末端执行器点与摄像机光心点。Rb w是根据罗德里格旋转公式(Rodrigues rotation formula),以对某一特定轴v旋转角度φ所形成的等效变换来取代旋转矩阵,此种优化方法称最小均误差方法(LMSE)。
优化求得α1,β1,α2,β2,α3,β3后,就可用(1)或(2)来修订命令转角与实际转角的差异。如果知道杂讯的机率密度分布函数,可化成极大似然估计(MLE)的优化问题。如果杂讯的机率密度分布函数未知,通常是采用高斯机率密度分布函数来试着增进消除杂讯的功效。无论是LMSE或MLE都较适用于机器人仍保有很好的精准度。而对于老旧机器人来说,机器人有较大的结构误差,此机构产生的干扰,不仅无法藉由LMSE或MLE消除,反而将此干扰因素代入计算中,使得结果很不理想。
为避免上述问题,在本发明中,其目标函数不再采用(8)式加权平均的方式进行优化,改采(9)式的单独方式进行优化。
即α1,β1,α2,β2,α3,β3及v,bx,by,bz经优化计算得出m个标定结果。使用随机一致性算法(RANSAC)对这m个标定结果筛选出内围点(inlier)及外围点(outlier),屏除外围点后再进一步对内围点取平均值以消除杂讯。此法才适合将老旧机器人产生的机械结构干扰影响降致最低。
综上所述,本发明可以采用非接触式对老旧机器人进行标定,克服了张氏标定法无法有效标定退化构型的问题,不需购买昂贵量测仪器,仅需使用一摄像机及一靶标图样即可完成标定,即便原厂不再提供相关零件,仍可某种程度上复原老旧机器人正常的操作,藉此延长老旧机器人的使用寿命,不需巨额费用且可自行排除问题迅速恢复生产进而减少停产损失。
针对老旧机器人其机械结构产生的干扰,运用随机一致性算法筛选出内围点(inlier)及外围点(outlier),屏除外围点后再进一步对内围点进行杂讯消除处理,有效降低老旧机器人的机械结构干扰因素。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (3)
1.一种机器人的标定方法,所述机器人的末端执行器能够在X向、Y向及Z向上平移,其特征在于,包括:
S1:将摄像机脱离末端执行器以离线方式在不同的旋转角度拍摄地面上设置的靶标图样,获取多张辅助靶标图;
S2:将所述摄像机安装于机器人的末端执行器上,设立机器人坐标和摄像机坐标,驱驶所述机器人带动所述摄像机在m个不同位置拍摄所述靶标图样,以得到多张在线靶标图;
S3:混合所述辅助靶标图及所述在线靶标图,根据张氏标定法计算出所述摄像机在m个不同位置的光心点坐标,具体包括;
S31:将多张所述辅助靶标图与多张所述在线靶标图混合;
S32:以张氏标定法求出所述摄像机的内参数、外参数及位移向量;
S33:根据所述摄像机的内参数、外参数的旋转矩阵及位移向量,确定所述摄像机的光心点坐标;
S4:利用顺向运动公式建立出所述末端执行器在m个不同位置的末端点位坐标与关节轴的函数关系,所述函数关系中包含待标定的偏差参数;
S5:根据m个所述光心点坐标和m个末端点位坐标函数,使用优化算法与随机一致性算法获取所述机器人各关节轴的偏差参数,利用所述偏差参数修订所述机器人各关节轴的命令转角与实际转角的差异;其中,所述优化算法如下式公式所示:
其中,其中α1,β1,α2,β2,α3,β3是三个关节轴中各轴待标定的偏差参数;Pe,j及Pc,j分别指第j位置对应的机器人末端执行器点与摄像机光心点;Rb w是根据罗德里格旋转公式,以对某一特定轴v旋转角度φ所形成的等效变换来取代旋转矩阵;Tw为平移向量。
2.如权利要求1所述的机器人的标定方法,其特征在于:在步骤S1中,采用手动旋转摄像机的方式拍摄地面上设置的靶标图样,获取多张辅助靶标图。
3.如权利要求1所述的机器人的标定方法,其特征在于:在步骤S1中,所述不同的旋转角度包括绕X轴、绕Y轴和/或绕Z轴旋转。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010270642.9A CN111482963B (zh) | 2020-04-08 | 2020-04-08 | 一种机器人的标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010270642.9A CN111482963B (zh) | 2020-04-08 | 2020-04-08 | 一种机器人的标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111482963A CN111482963A (zh) | 2020-08-04 |
CN111482963B true CN111482963B (zh) | 2022-11-25 |
Family
ID=71810869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010270642.9A Active CN111482963B (zh) | 2020-04-08 | 2020-04-08 | 一种机器人的标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111482963B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102927908A (zh) * | 2012-11-06 | 2013-02-13 | 中国科学院自动化研究所 | 机器人手眼系统结构光平面参数标定装置及方法 |
CN106910223A (zh) * | 2016-11-02 | 2017-06-30 | 北京信息科技大学 | 一种基于凸松弛全局优化算法的机器人手眼标定方法 |
CN109345595A (zh) * | 2018-09-14 | 2019-02-15 | 北京航空航天大学 | 一种基于圆球透镜的立体视觉传感器标定方法 |
CN109483516A (zh) * | 2018-10-16 | 2019-03-19 | 浙江大学 | 一种基于空间距离和极线约束的机械臂手眼标定方法 |
JP2019155556A (ja) * | 2018-03-15 | 2019-09-19 | セイコーエプソン株式会社 | ロボットの制御装置、ロボット、ロボットシステム、並びに、カメラの校正方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761737B (zh) * | 2014-01-22 | 2016-08-31 | 北京工业大学 | 基于稠密光流的机器人运动估计方法 |
JP7003463B2 (ja) * | 2017-07-11 | 2022-01-20 | セイコーエプソン株式会社 | ロボットの制御装置、ロボットシステム、並びに、カメラの校正方法 |
-
2020
- 2020-04-08 CN CN202010270642.9A patent/CN111482963B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102927908A (zh) * | 2012-11-06 | 2013-02-13 | 中国科学院自动化研究所 | 机器人手眼系统结构光平面参数标定装置及方法 |
CN106910223A (zh) * | 2016-11-02 | 2017-06-30 | 北京信息科技大学 | 一种基于凸松弛全局优化算法的机器人手眼标定方法 |
JP2019155556A (ja) * | 2018-03-15 | 2019-09-19 | セイコーエプソン株式会社 | ロボットの制御装置、ロボット、ロボットシステム、並びに、カメラの校正方法 |
CN109345595A (zh) * | 2018-09-14 | 2019-02-15 | 北京航空航天大学 | 一种基于圆球透镜的立体视觉传感器标定方法 |
CN109483516A (zh) * | 2018-10-16 | 2019-03-19 | 浙江大学 | 一种基于空间距离和极线约束的机械臂手眼标定方法 |
Non-Patent Citations (1)
Title |
---|
机器人工具坐标系自动校准;毛晨涛 等;《光学精密工程》;20190315;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111482963A (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111801198B (zh) | 一种手眼标定方法、系统及计算机存储介质 | |
JP6280525B2 (ja) | カメラのミスキャリブレーションの実行時決定のためのシステムと方法 | |
US7899577B2 (en) | Measuring system and calibration method | |
CN109029299B (zh) | 舱段销孔对接转角的双相机测量装置及测量方法 | |
CN107972071B (zh) | 一种基于末端点平面约束的工业机器人连杆参数标定方法 | |
US20090118864A1 (en) | Method and system for finding a tool center point for a robot using an external camera | |
JP6489776B2 (ja) | 座標系校正方法、ロボットシステム、プログラム及び記録媒体 | |
CN105526951B (zh) | 一种星敏感器原始观测数据预处理方法及系统 | |
CN109465829B (zh) | 一种基于转换矩阵误差模型的工业机器人几何参数辨识方法 | |
CN112907682B (zh) | 一种五轴运动平台的手眼标定方法、装置及相关设备 | |
Rehder et al. | Online stereo camera calibration from scratch | |
CN114523477A (zh) | 关节位姿的校准方法、系统及存储介质 | |
CN116615020B (zh) | 基于机器视觉的吸嘴位姿误差标定与补偿方法、系统 | |
KR102243694B1 (ko) | 로봇의 위치 정보 복원 방법 | |
EP3602214B1 (en) | Method and apparatus for estimating system error of commissioning tool of industrial robot | |
JP2682763B2 (ja) | ロボット機体の作動誤差の自動測定方法 | |
CN111482963B (zh) | 一种机器人的标定方法 | |
CN114627166A (zh) | 基于点云配准icp算法的机器人云台伺服控制方法 | |
KR20190099122A (ko) | 로봇의 위치 정보 복원 방법 | |
CN115446836B (zh) | 一种基于多种图像特征信息混合的视觉伺服方法 | |
CN111571596A (zh) | 利用视觉修正冶金接插装配作业机器人误差的方法及系统 | |
CN114018212B (zh) | 面向球型摄像机单目测距的俯仰角校正方法及系统 | |
CN116619350A (zh) | 一种基于双目视觉测量的机器人误差标定方法 | |
CN112428265A (zh) | 一种测量系统以及测量方法 | |
CN215701709U (zh) | 一种可配置的手眼标定装置 |
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 |