CN111590594A - 基于视觉引导的机器人轨迹跟踪控制方法 - Google Patents
基于视觉引导的机器人轨迹跟踪控制方法 Download PDFInfo
- Publication number
- CN111590594A CN111590594A CN202010570974.9A CN202010570974A CN111590594A CN 111590594 A CN111590594 A CN 111590594A CN 202010570974 A CN202010570974 A CN 202010570974A CN 111590594 A CN111590594 A CN 111590594A
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- end effector
- robot
- pose
- binocular vision
- 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.)
- Granted
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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- 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
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
Abstract
本发明涉及一种基于视觉引导的机器人轨迹跟踪控制方法,包括建立机器人视觉伺服控制系统;建立双目视觉统一测量场;利用双目视觉设备观测得到末端执行器坐标系相对于测量坐标系之间的位姿变换关系,并经过双目视觉测量场转换到机器人基坐标系;利用Kalman滤波器对观测到的末端执行器位姿进行平滑估计;计算末端执行器位姿误差;设计基于模糊PID的视觉伺服控制器,对位姿误差进行处理后得到下一时刻的期望位姿,发送给机器人系统控制末端执行器运动。本发明面向航空航天大部件柔性加工领域、机器人高精度加工装备应用需求,通过视觉传感器实时感知末端执行器位姿,形成闭环反馈系统,大幅度提高六自由度串联机器人的轨迹运动精度。
Description
技术领域
本发明属于机器人轨迹跟踪控制技术领域,具体涉及一种基于视觉引导的机器人轨迹跟踪控制方法。
背景技术
近年来,工业机器人凭借其高度柔性化、低成本、高工作空间/占地面积比的优点,在航空航天领域的应用越来越广泛,但航空航天制造业中的飞机大部件加工与装配往往需要很高的精度,目前的机器人根据预设运动轨迹进行加工作业,由于机器人整体精度低,导致加工精度和表面质量难以得到保证。所以需要一种机器人高精度轨迹跟踪控制方法。
公告号为CN106671103A的发明专利公开了一种铣削机器人控制方法及系统,采用激光跟踪仪作为末端执行器位姿测量设备,采集铣削机器人的实时铣削轨迹数据,计算修正参数,发送到铣削机器人对其进行控制。激光跟踪仪的激光头只能发出一束激光,依次扫描末端执行器上安装的靶标球,获取所有靶标球的位置信息,可求解末端执行器的姿态,当末端执行器运动时,需要考虑每个靶标球位置信息的采集时长,各靶标点位置信息的获取存在时差,所以存在原理误差,测量频率受限,实时性差。不仅如此,在复杂的工况中,激光一旦被遮挡就无法继续跟踪靶标球,不能继续测量。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供一种基于视觉引导的机器人轨迹跟踪控制方法。
为实现上述技术目的,本发明采取的技术方案为:
基于视觉引导的机器人轨迹跟踪控制方法,其中包括如下步骤:
步骤S1:建立视觉伺服控制系统,包括双目视觉测量设备、机器人、末端执行器、视觉伺服控制器;
步骤S2:建立不同坐标系,包括传感器坐标系FS,机器人基坐标系FB,末端执行器坐标系FE,工件坐标系FW,目标坐标系FH,然后经坐标系变换建立双目视觉统一测量场;
步骤S4:利用Kalman滤波器对步骤S3中获取的末端执行器位姿进行平滑估计;
步骤S5:对步骤S4中输出的末端执行器当前位姿数据,与预设理论位姿进行比较并计算位姿误差;
步骤S6:将步骤S5中得到的末端执行器位姿误差作为输入,经视觉伺服控制器处理得到下一时刻的期望位姿,发送给机器人系统逆解成所需关节角度,根据计算得出的关节值控制末端执行器到达相应位置。
为优化上述技术方案,采取的具体措施还包括:
进一步地,步骤S2中,将末端执行器的位姿转化到机器人基坐标系下的位姿:
进一步地,步骤S3中,根据末端执行器坐标系的原点在靶标点群几何中心处、末端执行器坐标系通过旋转矩阵Λ旋转一定角度、末端执行器坐标系通过平移向量q平移一定距离、末端执行器坐标系做旋转Λ和平移q复合运动这四种情况,计算末端执行器相对于靶标点群的不同位姿下的测量误差,选择测量误差最小的末端执行器坐标系相对于靶标点群的位姿,优化靶标点群的布局,利用双目视觉测量设备识别末端执行器上的靶标点群,获取末端执行器坐标系FE相对于双目视觉测量设备的测量坐标系FS之间的位姿变换关系并经过双目视觉测量场转换到机器人坐标系中。
进一步地,步骤S4中,根据双目视觉测量设备的采样周期、动态测量状态下各自由度测量数据的标准差、机器人运动加速度标准差确定Kalman滤波器中的各项矩阵值;
根据双目视觉的采样周期t,确定机器人的状态转移矩阵F:
设机器人运动预测噪声协方差矩阵Qk:
统计动态测量状态下机床末端各个自由度测量数据的标准差,确定双目视觉的测量噪声协方差矩阵:
其中,状态转移矩阵F、机器人的预测噪声协方差矩阵Qk和双目视觉的测量噪声协方差矩阵Rk构成Kalman滤波器中的各项矩阵值。
进一步地,步骤S5中,计算末端执行器位姿误差,包括直线轨迹运动和圆弧轨迹运动,对于直线轨迹运动的末端执行器位姿误差为:
ΔPR=[Pn Rd]T-[Pc Rc]T,
Pn=(k(x2-x1)+x1 k(y2-y1)+y1 k(z2-z1)+z1)
其中,Pn为实际位置Pc到直线上垂足;
对于圆弧轨迹运动的末端执行器位姿误差为ΔP=Pd-Pc,ΔR=Rd-Rc。
进一步地,步骤S6中,对机器人末端执行器的6个自由度分别基于模糊PID视觉伺服控制器进行调整控制。
本发明的有益效果:
本发明基于视觉引导的机器人轨迹跟踪控制方法,通过双目视觉设备实时跟踪测量机器人末端执行器的实际位姿,增加闭环回路形成闭环控制系统,由闭环反馈获得的位姿误差通过视觉伺服控制器处理,得出下一时刻的期望位姿并发送给机器人系统逆解成所需关节角度,根据计算得出的关节值控制末端执行器到达相应位置。本发明实现了利用双目视觉测量设备对机器人末端执行器轨迹进行实时的调整,优化了靶标点群的布局,解决了现有技术中机器人本体轨迹精度差以及利用激光跟踪仪对铣削轨迹实时调整存在的原理性测量误差。本发明的有益效果经过空载运行试验验证和铣削试验验证,相比于使用机器人直接铣削,使用本方法进行铣削轨迹跟踪控制后,直线误差降低了92%,圆弧误差降低了91%。
附图说明
图1是本发明的工作流程图;
图2是本发明的机器人视觉伺服控制模型示意图;
图3是本发明的末端执行器相对于靶标点群的4种不同的位姿关系示意图;
图4模糊PID控制器原理图。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。
如图1-4所示,本发明为一种基于视觉引导的机器人轨迹跟踪控制方法,其中包括以下步骤:
步骤S1:建立视觉伺服控制系统,包括双目视觉测量设备、机器人、末端执行器、视觉伺服控制器;
具体为,通过双目视觉测量设备实时跟踪测量机器人末端执行器的实际位姿,增加闭环回路形成闭环控制系统,由闭环反馈获得的位姿误差通过视觉伺服控制器处理,得出下一时刻的期望位姿并发送给机器人系统系统逆解成所需关节角度,根据计算得出的关节值控制电机到达相应位置,外部控制系统通过RSI交互接口与机器人系统连接,从外部对机器人进行控制。机器人视觉伺服控制模型如图2所示。
步骤S2:建立不同坐标系,包括传感器坐标系FS,机器人基坐标系FB,末端执行器坐标系FE,工件坐标系FW,目标坐标系FH,然后经坐标系变换建立双目视觉统一测量场;
其中,传感器坐标系FS由双目视觉建立,机器人基坐标系FB与工件坐标系FW在FS下的描述由旋转矩阵表示,记为与根据产品加工要求确定目标坐标系FH,在工件坐标系FW下的描述为机器人加工位置即为FE与FH重合位置,机器人NC代码指令数值由式(1)计算,即末端在机器人基坐标系下的位姿:
具体为,获取末端执行器位姿信息至少需要3个不共线的靶标点位置信息。末端执行器坐标系FE相对于双目视觉测量设备的测量坐标系FS之间的位姿求解问题可以由以下方式描述:空间中有n(n>3)个视觉靶标点,并与一个末端执行器坐标系FE固连,将靶标点在FE坐标系下的坐标值mi构成矩阵M=[m1 m2 … mn];同理,在双目视觉坐标系FS下,靶标点的坐标值si构成矩阵S=[s1 s2 … sn],靶标点在两个坐标系下坐标值的变换如下:
Rmi+t=si (2)
其中R是FE变换到FS的旋转矩阵,t是FE变换到FS的平移向量。由于双目视觉测量的误差,无法求得满足所有mi变换到si的旋转矩阵R和平移向量t,为求解旋转矩阵R与平移向量t的最优估计,即求式(3)的最小值。
根据最优旋转矩阵R和平移向量t的表达式可知,末端执行器坐标系FE相对于测量坐标系FS之间的位姿变换关系的测量精度与末端执行器坐标系相对于视觉靶标点群的位姿有关。针对同一靶标群,末端执行器相对于靶标点群的位姿关系有4种,如图3所示。FE0坐标系原点在靶标点群几何中心处,在测量坐标系FS下位置为t,姿态与测量坐标系相同;FE1坐标系由FE0坐标系通过旋转矩阵Λ变换得到;FE2坐标系由FE0坐标系平移q得到;FE3由坐标系FE0坐标系的平移q加旋转Λ。由于建系位姿不改变靶标点相对于测量坐标系FS的位置,故有S=S0=S1=S2=S3。
计算不同建系位姿对测量精度的影响:a.FE0测量精度
根据矩阵变换关系,容易得出FE0在测量坐标系FS下所测得的旋转与平移为:
R0=EI,t0=t+e (6)
其中E是一个表示微小偏差的误差正交矩阵,由靶标点测量噪声所引起的微小误差决定,e是一个表示微小偏差的三维列向量。E和e共同表示C-Track位姿测量误差,是测量系统的固有属性。
b.FE1测量精度
对于末端执行器坐标系FE1,靶标点坐标在末端执行器坐标系FE1和FE0下存在关系:m1,i=ΛTm0,i,计算末端执行器坐标系FE1在测量坐标系FS下所测得的旋转与平移为:
R1=ΛR0=ΛEI,t1=t+e (7)
对比式(6)与式(7)可以看出建系姿态不影响最优平移向量t1的误差。
c.FE2测量精度
对于末端执行器坐标系FE2,靶标点坐标在末端执行器坐标系FE2和FE0下存在关系:m2,i=m0,i+q,计算末端执行器坐标系FE2在测量坐标系FS下所测得的旋转与平移为:
R2=EI,t2=-Eq+t+e (8)
对比式(6)与式(8)可以看出当末端执行器坐标系偏移q时,最优平移向量误差多了一项-Eq,当q的值越大时,误差也就越大。
d.FE3测量精度
对于末端执行器坐标系FE3,靶标点坐标在末端执行器坐标系FE3和FE0下存在关系:m1,i=ΛTm0,i+q,计算末端执行器坐标系FE3在测量坐标系FS下所测得的旋转与平移为:
R3=ΛEI,t3=-ΛEq+t+e (9)
对比式(6)与式(9)可以看出,当末端执行器坐标系偏移q时,最优平移向量误差多了一项-ΛEq,当q的值越大时,误差也就越大。
综合以上分析,测量噪声主要取决于末端执行器坐标系的偏移量q,偏移量q与测量噪声成正相关。因此,在建立末端执行器坐标系的时候,原点位置需要尽可能靠近靶标点几何中心。在实际使用过程中,末端执行器坐标系的原点通常根据需求设定,因此在实际的使用过程中,粘贴靶标点时需要将靶标点群中心尽可能的靠近刀尖点位置,尽可能减小从位姿测量原理上所导致的位姿测量噪声。
步骤S4:利用Kalman滤波器对步骤S3中获取的末端执行器位姿进行平滑估计;
具体为,根据机器人的运动性能以及双目视觉测量设备的测量性能来确定Kalman滤波器中的各项矩阵值。首先确定机器人的状态转移矩阵F,根据双目视觉测量设备的采样周期t确定:
协方差矩阵Qk是机器人的运动预测噪声协方差矩阵,设预测噪声协方差矩阵Qk如式(11):
对于双目视觉的测量噪声协方差矩阵Rk,其主要测量噪声来源于设备本身,根据步骤S3中的分析,噪声还与末端执行器坐标系相对于靶标点群的位姿相关。C-Track的测量数据符合高斯分布假设,进一步,考虑被测物体的不同速度的运动可能会导致相机在拍摄的时候产生不同程度的拖影,进而导致测量噪声,使用C-Track测量机床末端执行器在直线轨迹运动下的位姿,因为机床具有很高的运动精度,可以认为实际运动轨迹就是理论直线轨迹。通过理论轨迹来计算测量误差,对实际的机床末端执行器跟踪测量,统计各个自由度的标准差,确定双目视觉的测量噪声协方差矩阵:
其中,状态转移矩阵F、机器人的预测噪声协方差矩阵Qk和双目视觉的测量噪声协方差矩阵Rk构成Kalman滤波器中的各项矩阵值。
步骤S5:对步骤S4中输出的末端执行器当前位姿数据,与预设理论位姿进行比较并计算位姿误差。
具体为,计算末端执行器位姿误差,包括直线轨迹运动和圆弧轨迹运动,对于直线轨迹运动的末端执行器位姿误差为:
ΔPR=[Pn Rd]T-[Pc Rc]T,
Pn=(k(x2-x1)+x1 k(y2-y1)+y1 k(z2-z1)+z1)
其中,Pn为实际位置Pc到直线上垂足;
对于圆弧轨迹运动的末端执行器位姿误差为ΔP=Pd-Pc,ΔR=Rd-Rc。
步骤S6:将步骤S5中得到的末端执行器位姿误差作为输入,经视觉伺服控制器处理得到下一时刻的期望位姿,发送给机器人系统逆解成所需关节角度,根据计算得出的关节值控制末端执行器到达相应位置。
具体为,以机器人基坐标系x轴方向为例设计模糊PID控制器,模糊PID控制器原理图如图4。工业应用中常规PID公式如式(13):
在实际的控制过程中,外部系统是以固定周期对机器人系统发送脉冲信号,需要对式(13)离散化。将误差的积分近似转化为误差的累加和,误差的微分近似转化为上一时刻到当前时刻误差的变化率,离散化后的PID公式如式(14):
将末端执行器误差及其变化率取绝对值,将|e|和|ec|作为模糊控制器的输入,PID控制器Kp、Ki、Kd的变化量作为输出,选取具有平滑输出的面积重心法解模糊;将{ZO,S,M,B}设置为输入变量|e|与|ec|、输出变量ΔKp、ΔKi、ΔKd的模糊子集,描述变量的大小程度,分别代表零、小、中、大,模糊论域取区间[0,3]。三角形函数在论域范围内分布均匀,且灵敏度较高,将其选作系统的隶属度函数;结合仿真及机器人操作实际经验,得出如表1所示的模糊控制规则表。
表1模糊控制规则表
为了将模糊推理机的与实际控制系统联系起来,需要计算量化因子和比例因子,完成模糊论域与物理论域的转换。|e|与|ec|的物理论域分别为[0,1]和[0,2],模糊论域均为[0,3],输出变量ΔKp、ΔKi、ΔKd的物理论域分别为[0,0.05],[0,0.01],[0,0.01],模糊论域均为[0,3],由式(15)与式(16)计算可得量化因子与比例因子。
基于试凑法,确定PID初值为:
Kp=0.05 Ki=0.01 Kd=0.01 (17)
本发明的有益效果通过测试试验得以验证,描述如下。
空载试验验证:
搭建机器人轨迹跟踪试验平台,平台硬件部分主要包含KR500-3机器人、末端执行器、C-Track、PLC、PC工作站,软件部分主要包含集成控制软件、PLC控制软件、机器人控制软件。在机器人工作区域内规划一条长度为1000mm的期望直线轨迹,通过C-Track测量出无跟踪和基于视觉伺服的轨迹跟踪控制方法这两种情况下末端执行器轴尖处的位姿;在机器人工作区域内规划一条半径为500mm的期望半圆轨迹,通过C-Track测量出无跟踪和基于视觉伺服的轨迹跟踪控制方法这两种情况下末端执行器轴尖处的位姿。试验结束后,进行数据处理。
铣削试验验证:
搭建机器人轨迹跟踪试验平台,平台硬件部分主要包含KR500-3机器人、末端执行器、C-Track、PLC、PC工作站,软件部分主要包含集成控制软件、PLC控制软件、机器人控制软件。在150mm×250mm的钣金件上规划左右各5条直线轨迹,分别采用机器人自身控制系统以及本文所阐述的机器人视觉伺服控制方法,切削深度为0.02mm,速度为10mm/s,对钣金件进行直线轨迹铣削,进行对比试验;在150mm×250mm的钣金件上规划上下各6条圆弧轨迹,分别采用机器人自身控制系统以及本文所阐述的机器人视觉伺服控制方法,切削深度为0.05mm,速度为10mm/s,对钣金件进行圆弧轨迹顺时针铣削,进行对比试验。试验结束后,进行数据处理。
空载试验结果分析:
直线轨迹空载试验数据统计表如表2所示,从统计数据可以看出,本发明所述的视觉伺服控制模型能够极高的提高机器人的直线轨迹精度,受控制的直线轨迹的位置误差控制在0.05mm以内,姿态误差控制在0.02°以内,各项RMSE值也显著降低。
表2直线轨迹空载试验统计数据值
圆弧轨迹空载试验数据统计表如表3所示,从统计数据可以看出,本发明所述的视觉伺服控制模型能够极高的提高机器人的圆弧轨迹精度,受控制的圆弧轨迹的位置误差控制在0.07mm以内,姿态误差控制在0.02°以内,各项RMSE值也显著降低。
表3圆弧轨迹空载试验统计数据值
铣削试验结果分析:
直线轨迹铣削试验数据统计表如表4所示,从统计数据可以看出,无跟踪的最大直线误差达到了1.43mm,使用视觉伺服跟踪控制后的最大直线误差0.12mm,降低了92%;
表4直线铣削位置误差统计数据
直线编号 | 是否补偿 | 平均/mm | 最大/mm | 最小/mm |
1 | 否 | 1.07 | 1.11 | 1.02 |
2 | 否 | 1.28 | 1.32 | 1.21 |
3 | 否 | 1.12 | 1.16 | 1.08 |
4 | 否 | 1.35 | 1.43 | 1.26 |
5 | 否 | 1.11 | 1.16 | 1.05 |
6 | 是 | 0.03 | 0.11 | 0.01 |
7 | 是 | 0.04 | 0.10 | 0.01 |
8 | 是 | 0.03 | 0.12 | 0.01 |
9 | 是 | 0.03 | 0.09 | 0.01 |
10 | 是 | 0.03 | 0.12 | 0.00 |
圆弧轨迹铣削试验数据统计表如表5所示,其中无数据单元格表示该次试验中铣刀切深减小过大导致未正常切除材料。从统计数据可以看出,无跟踪的最大圆弧误差达1.55mm、最大拟合圆心位置误差达1.34mm、最大拟合圆半径误差达-0.26mm,使用视觉伺服跟踪控制后的最大圆弧误差达0.14mm、最大拟合圆心位置误差达0.10mm、最大拟合圆半径误差达0.05mm,分别降低了91%、93%和81%。
表5圆弧铣削位置误差统计数据
圆弧编号 | 是否补偿 | 平均/mm | 最大/mm | 最小/mm | 拟合圆心位置/mm | 拟合圆半径/mm |
1 | 否 | 0.61 | 1.09 | 0.20 | 1.20 | -0.13 |
2 | 否 | / | / | / | / | / |
3 | 否 | 0.96 | 1.55 | 0.35 | 1.34 | 0.00 |
4 | 否 | 0.82 | 1.10 | 0.23 | 0.97 | -0.13 |
5 | 否 | 0.54 | 0.98 | 0.20 | 0.73 | -0.26 |
6 | 否 | 1.02 | 1.12 | 0.82 | 0.88 | -0.21 |
7 | 是 | 0.04 | 0.14 | 0.01 | 0.08 | 0.04 |
8 | 是 | 0.03 | 0.13 | 0.02 | 0.06 | 0.05 |
9 | 是 | 0.03 | 0.10 | 0.01 | 0.08 | -0.04 |
10 | 是 | 0.05 | 0.11 | 0.02 | 0.09 | -0.04 |
11 | 是 | 0.04 | 0.10 | 0.00 | 0.10 | 0.03 |
12 | 是 | 0.04 | 0.12 | 0.00 | 0.10 | -0.03 |
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (6)
1.基于视觉引导的机器人轨迹跟踪控制方法,其特征在于,包括如下步骤:
步骤S1:建立视觉伺服控制系统,包括双目视觉测量设备、机器人、末端执行器、视觉伺服控制器;
步骤S2:建立不同坐标系,包括传感器坐标系FS,机器人基坐标系FB,末端执行器坐标系FE,工件坐标系FW,目标坐标系FH,然后经坐标系变换建立双目视觉统一测量场;
步骤S4:利用Kalman滤波器对步骤S3中获取的末端执行器位姿进行平滑估计;
步骤S5:对步骤S4中输出的末端执行器当前位姿数据,与预设理论位姿进行比较并计算位姿误差;
步骤S6:将步骤S5中得到的末端执行器位姿误差作为输入,经视觉伺服控制器处理得到下一时刻的期望位姿,发送给机器人系统逆解成所需关节角度,根据计算得出的关节值控制末端执行器到达相应位置。
5.根据权利要求4所述的一种基于视觉引导的机器人轨迹跟踪控制方法,其特征在于:所述步骤S5中,计算末端执行器位姿误差,包括直线轨迹运动和圆弧轨迹运动,对于直线轨迹运动的末端执行器位姿误差为:
ΔPR=[Pn Rd]T-[Pc Rc]T,
Pn=(k(x2-x1)+x1 k(y2-y1)+y1 k(z2-z1)+z1)
其中,Pn为实际位置Pc到直线上垂足;
对于圆弧轨迹运动的末端执行器位姿误差为ΔP=Pd-Pc,ΔR=Rd-Rc。
6.根据权利要求5所述的一种基于视觉引导的机器人轨迹跟踪控制方法,其特征在于:所述步骤S6中,对机器人末端执行器的6个自由度分别基于模糊PID视觉伺服控制器进行调整控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010570974.9A CN111590594B (zh) | 2020-06-22 | 2020-06-22 | 基于视觉引导的机器人轨迹跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010570974.9A CN111590594B (zh) | 2020-06-22 | 2020-06-22 | 基于视觉引导的机器人轨迹跟踪控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111590594A true CN111590594A (zh) | 2020-08-28 |
CN111590594B CN111590594B (zh) | 2021-12-07 |
Family
ID=72181229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010570974.9A Active CN111590594B (zh) | 2020-06-22 | 2020-06-22 | 基于视觉引导的机器人轨迹跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111590594B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132894A (zh) * | 2020-09-08 | 2020-12-25 | 大连理工大学 | 一种基于双目视觉引导的机械臂实时跟踪方法 |
CN112304957A (zh) * | 2020-11-20 | 2021-02-02 | 天津朗硕机器人科技有限公司 | 一种基于机器视觉的外观缺陷智能检测方法及系统 |
CN112571424A (zh) * | 2020-11-27 | 2021-03-30 | 沈阳工业大学 | 基于scn步行力估计的康复机器人各轴速度直接约束控制 |
CN112589806A (zh) * | 2020-12-29 | 2021-04-02 | 上海擎朗智能科技有限公司 | 机器人位姿信息确定方法、装置、设备及存储介质 |
CN113400300A (zh) * | 2021-05-24 | 2021-09-17 | 陶建明 | 用于机器人末端的伺服系统及其控制方法 |
CN113554757A (zh) * | 2021-07-01 | 2021-10-26 | 新疆大学 | 基于数字孪生的工件轨迹三维重构方法及系统 |
CN113601508A (zh) * | 2021-08-16 | 2021-11-05 | 山东大学 | 一种机器人运动控制方法、系统及机器人 |
CN113799137A (zh) * | 2021-09-30 | 2021-12-17 | 天津大学 | 一种基于神经网络的移动加工机器人快速视觉定位方法 |
CN114274147A (zh) * | 2022-02-10 | 2022-04-05 | 北京航空航天大学杭州创新研究院 | 目标跟踪控制方法及装置、机械臂控制设备和存储介质 |
CN114451997A (zh) * | 2022-03-08 | 2022-05-10 | 长春理工大学 | 一种解决光学遮挡的手术导航装置及导航方法 |
CN114454177A (zh) * | 2022-03-15 | 2022-05-10 | 浙江工业大学 | 一种基于双目立体视觉的机器人末端位置补偿方法 |
CN114755646A (zh) * | 2022-06-15 | 2022-07-15 | 北京亮道智能汽车技术有限公司 | 一种车载传感器的校正方法及装置 |
CN114800613A (zh) * | 2022-04-28 | 2022-07-29 | 南京航空航天大学 | 一种工业机器人装配误差在线检测的精度补偿系统及方法 |
CN114952843A (zh) * | 2022-05-30 | 2022-08-30 | 江南大学 | 一种基于双机器人主从协同的微装配操作系统 |
CN114986132A (zh) * | 2022-06-23 | 2022-09-02 | 清华大学 | 一种基于视觉传感的机器人柔性轴孔装配方法及装置 |
CN115017462A (zh) * | 2022-06-07 | 2022-09-06 | 东华大学 | 一种基于计算机视觉的用户射击行为判别方法 |
CN116197918A (zh) * | 2023-05-05 | 2023-06-02 | 北京华晟经世信息技术股份有限公司 | 基于动作记录分析的机械手控制系统 |
CN117400256A (zh) * | 2023-11-21 | 2024-01-16 | 扬州鹏顺智能制造有限公司 | 一种基于视觉图像的工业机器人连续轨迹控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105082161A (zh) * | 2015-09-09 | 2015-11-25 | 新疆医科大学第一附属医院 | 双目立体摄像机机器人视觉伺服控制装置及其使用方法 |
CN106671103A (zh) * | 2017-01-05 | 2017-05-17 | 北京航空航天大学 | 铣削机器人控制方法及系统 |
CN108681324A (zh) * | 2018-05-14 | 2018-10-19 | 西北工业大学 | 基于全局视觉的移动机器人轨迹跟踪控制方法 |
WO2019071133A1 (en) * | 2017-10-06 | 2019-04-11 | Advanced Solutions Life Sciences, Llc | END EFFECTOR CALIBRATION ASSEMBLIES, SYSTEMS, AND METHODS |
CN110039523A (zh) * | 2019-05-20 | 2019-07-23 | 北京无远弗届科技有限公司 | 一种工业机器人视觉伺服系统、伺服方法及装置 |
CN110193829A (zh) * | 2019-04-24 | 2019-09-03 | 南京航空航天大学 | 一种耦合运动学与刚度参数辨识的机器人精度控制方法 |
CN110480638A (zh) * | 2019-08-20 | 2019-11-22 | 南京博约智能科技有限公司 | 一种多关节机器人位姿误差自补偿的码垛方法及其码垛系统 |
CN110962127A (zh) * | 2019-12-10 | 2020-04-07 | 南京航空航天大学 | 一种用于机械臂末端位姿辅助标定装置及其标定方法 |
-
2020
- 2020-06-22 CN CN202010570974.9A patent/CN111590594B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105082161A (zh) * | 2015-09-09 | 2015-11-25 | 新疆医科大学第一附属医院 | 双目立体摄像机机器人视觉伺服控制装置及其使用方法 |
CN106671103A (zh) * | 2017-01-05 | 2017-05-17 | 北京航空航天大学 | 铣削机器人控制方法及系统 |
WO2019071133A1 (en) * | 2017-10-06 | 2019-04-11 | Advanced Solutions Life Sciences, Llc | END EFFECTOR CALIBRATION ASSEMBLIES, SYSTEMS, AND METHODS |
CN108681324A (zh) * | 2018-05-14 | 2018-10-19 | 西北工业大学 | 基于全局视觉的移动机器人轨迹跟踪控制方法 |
CN110193829A (zh) * | 2019-04-24 | 2019-09-03 | 南京航空航天大学 | 一种耦合运动学与刚度参数辨识的机器人精度控制方法 |
CN110039523A (zh) * | 2019-05-20 | 2019-07-23 | 北京无远弗届科技有限公司 | 一种工业机器人视觉伺服系统、伺服方法及装置 |
CN110480638A (zh) * | 2019-08-20 | 2019-11-22 | 南京博约智能科技有限公司 | 一种多关节机器人位姿误差自补偿的码垛方法及其码垛系统 |
CN110962127A (zh) * | 2019-12-10 | 2020-04-07 | 南京航空航天大学 | 一种用于机械臂末端位姿辅助标定装置及其标定方法 |
Non-Patent Citations (4)
Title |
---|
(德)博尔德等著: "《计算机集成制造技术和系统》", 30 May 1991, 兵器工业出版社 * |
盛荣: "机器人无标定手眼协调方法研究", 《机器人无标定手眼协调方法研究》 * |
陈孟元著: "《移动机器人SLAM、目标跟踪及路径规划》", 31 December 2017, 北京航空航天大学出版社 * |
陈珂: "核磁环境下的腹腔穿刺手术机械臂设计", 《核磁环境下的腹腔穿刺手术机械臂设计》 * |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132894A (zh) * | 2020-09-08 | 2020-12-25 | 大连理工大学 | 一种基于双目视觉引导的机械臂实时跟踪方法 |
CN112304957A (zh) * | 2020-11-20 | 2021-02-02 | 天津朗硕机器人科技有限公司 | 一种基于机器视觉的外观缺陷智能检测方法及系统 |
CN112571424A (zh) * | 2020-11-27 | 2021-03-30 | 沈阳工业大学 | 基于scn步行力估计的康复机器人各轴速度直接约束控制 |
CN112571424B (zh) * | 2020-11-27 | 2024-05-03 | 沈阳工业大学 | 基于scn步行力估计的康复机器人各轴速度直接约束控制 |
CN112589806B (zh) * | 2020-12-29 | 2022-04-01 | 上海擎朗智能科技有限公司 | 机器人位姿信息确定方法、装置、设备及存储介质 |
CN112589806A (zh) * | 2020-12-29 | 2021-04-02 | 上海擎朗智能科技有限公司 | 机器人位姿信息确定方法、装置、设备及存储介质 |
CN113400300A (zh) * | 2021-05-24 | 2021-09-17 | 陶建明 | 用于机器人末端的伺服系统及其控制方法 |
CN113400300B (zh) * | 2021-05-24 | 2024-05-03 | 陶建明 | 用于机器人末端的伺服系统及其控制方法 |
CN113554757A (zh) * | 2021-07-01 | 2021-10-26 | 新疆大学 | 基于数字孪生的工件轨迹三维重构方法及系统 |
CN113601508A (zh) * | 2021-08-16 | 2021-11-05 | 山东大学 | 一种机器人运动控制方法、系统及机器人 |
CN113601508B (zh) * | 2021-08-16 | 2022-07-08 | 山东大学 | 一种机器人运动控制方法、系统及机器人 |
CN113799137A (zh) * | 2021-09-30 | 2021-12-17 | 天津大学 | 一种基于神经网络的移动加工机器人快速视觉定位方法 |
CN113799137B (zh) * | 2021-09-30 | 2023-09-22 | 天津大学 | 一种基于神经网络的移动加工机器人快速视觉定位方法 |
CN114274147A (zh) * | 2022-02-10 | 2022-04-05 | 北京航空航天大学杭州创新研究院 | 目标跟踪控制方法及装置、机械臂控制设备和存储介质 |
CN114274147B (zh) * | 2022-02-10 | 2023-09-22 | 北京航空航天大学杭州创新研究院 | 目标跟踪控制方法及装置、机械臂控制设备和存储介质 |
CN114451997A (zh) * | 2022-03-08 | 2022-05-10 | 长春理工大学 | 一种解决光学遮挡的手术导航装置及导航方法 |
CN114451997B (zh) * | 2022-03-08 | 2023-11-28 | 长春理工大学 | 一种解决光学遮挡的手术导航装置及导航方法 |
CN114454177A (zh) * | 2022-03-15 | 2022-05-10 | 浙江工业大学 | 一种基于双目立体视觉的机器人末端位置补偿方法 |
CN114800613A (zh) * | 2022-04-28 | 2022-07-29 | 南京航空航天大学 | 一种工业机器人装配误差在线检测的精度补偿系统及方法 |
CN114800613B (zh) * | 2022-04-28 | 2023-08-04 | 南京航空航天大学 | 一种工业机器人装配误差在线检测的精度补偿系统及方法 |
CN114952843B (zh) * | 2022-05-30 | 2023-02-28 | 江南大学 | 一种基于双机器人主从协同的微装配操作系统 |
CN114952843A (zh) * | 2022-05-30 | 2022-08-30 | 江南大学 | 一种基于双机器人主从协同的微装配操作系统 |
CN115017462A (zh) * | 2022-06-07 | 2022-09-06 | 东华大学 | 一种基于计算机视觉的用户射击行为判别方法 |
CN115017462B (zh) * | 2022-06-07 | 2024-05-03 | 东华大学 | 一种基于计算机视觉的用户射击行为判别方法 |
CN114755646A (zh) * | 2022-06-15 | 2022-07-15 | 北京亮道智能汽车技术有限公司 | 一种车载传感器的校正方法及装置 |
CN114986132B (zh) * | 2022-06-23 | 2023-08-08 | 清华大学 | 一种基于视觉传感的机器人柔性轴孔装配方法及装置 |
CN114986132A (zh) * | 2022-06-23 | 2022-09-02 | 清华大学 | 一种基于视觉传感的机器人柔性轴孔装配方法及装置 |
CN116197918A (zh) * | 2023-05-05 | 2023-06-02 | 北京华晟经世信息技术股份有限公司 | 基于动作记录分析的机械手控制系统 |
CN117400256A (zh) * | 2023-11-21 | 2024-01-16 | 扬州鹏顺智能制造有限公司 | 一种基于视觉图像的工业机器人连续轨迹控制方法 |
CN117400256B (zh) * | 2023-11-21 | 2024-05-31 | 扬州鹏顺智能制造有限公司 | 一种基于视觉图像的工业机器人连续轨迹控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111590594B (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111590594B (zh) | 基于视觉引导的机器人轨迹跟踪控制方法 | |
Tang et al. | Multiaxis contour control—The state of the art | |
Cheng et al. | Motion controller design for contour-following tasks based on real-time contour error estimation | |
KR100271854B1 (ko) | 다축기계의 3차원입체오차측정방법 | |
CN111702762B (zh) | 一种工业机器人作业姿态优化方法 | |
CN109765848B (zh) | 五轴机床运动轴几何误差贡献值计算及影响评估方法 | |
Fu et al. | Product-of-exponential formulas for precision enhancement of five-axis machine tools via geometric error modeling and compensation | |
CN112558547B (zh) | 一种五轴数控机床平动轴几何误差补偿数据快速优化方法 | |
CN102183205A (zh) | 一种大型零部件最佳装配位姿匹配的方法 | |
CN104615083A (zh) | 基于刀位点修改的曲面刀轨轮廓误差补偿方法 | |
CN108717262B (zh) | 一种基于矩特征学习神经网络的异形曲面跟踪方法及系统 | |
CN114131611B (zh) | 机器人重力位姿分解的关节误差离线补偿方法、系统及终端 | |
CN109159112B (zh) | 一种基于无迹卡尔曼滤波的机器人运动参数估计方法 | |
Uchiyama | Estimation of tool orientation contour errors for five-axismachining | |
CN108115690A (zh) | 一种机器人自适应控制系统和方法 | |
CN112286139B (zh) | 基于神经网络和扰动观测的运动系统轮廓控制方法及系统 | |
Xiao et al. | A new fixed axis-invariant based calibration approach to improve absolute positioning accuracy of manipulators | |
CN106774163B (zh) | 高精度三维轮廓控制方法及装置 | |
Li et al. | Pose accuracy improvement in robotic machining by visually-guided method and experimental investigation | |
Lachmayer et al. | Contour tracking control for mobile robots applicable to large-scale assembly and additive manufacturing in construction | |
CN107303626A (zh) | 激光加工装置及激光加工方法 | |
Dong et al. | Robot visual servo control based on fuzzy adaptive PID | |
Fan et al. | Tracked mobile robot control: hybrid approach | |
喻曦 et al. | Research on contouring error compensation method using dual deep neural networks | |
CN108776459B (zh) | 一种提升五轴数控机床加工精度的工艺方法 |
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 |