CN112781498B - 一种机器人执行器位姿重复精度测量方法和装置 - Google Patents
一种机器人执行器位姿重复精度测量方法和装置 Download PDFInfo
- Publication number
- CN112781498B CN112781498B CN202110173686.4A CN202110173686A CN112781498B CN 112781498 B CN112781498 B CN 112781498B CN 202110173686 A CN202110173686 A CN 202110173686A CN 112781498 B CN112781498 B CN 112781498B
- Authority
- CN
- China
- Prior art keywords
- pose
- vector
- robot actuator
- measuring
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种机器人执行器位姿重复精度测量方法和装置,通过3D视觉传感器获取包含平面特征的标准物体的点云,通过计算平面特征的统计特性测量机器人执行器位姿的重复精度,具有测量精度稳定性高、操作简便,设置方便、成本低、效率高、测量信息丰富、便于模拟有负载情况下的重复精度等优点。
Description
技术领域
本发明涉及机器人测试技术领域,特指一种机器人执行器位姿重复精度测量方法和装置。
背景技术
机器人执行器的位姿定位精度是反应机器人性能的重要指标,对于工业机器人保持稳定的工作状态具有重要的意义。
目前市面上较为认可的方式为激光跟踪仪,激光跟踪仪一方面本身价格昂贵,另一方面对操作人员本身的技术要求很高,且需要测试人员实时地跟踪操作,实时记录测量数据,测量时效率低。此外,一些组合的激光测距仪/千分表装置,通过两两垂直的三个传感器获得机器人执行器的平移位姿的重复精度,但对于旋转姿态的重复性尚无法表征。还有在机器人执行器末端设置激光发射器,通过视觉拍摄激光发射器在反射板上的光电,来测试重复性,一方面2D相机受光照因素影响较大,另一方面单点测量的本身的波动也较大。此外,对于机器人执行器更关注的是在实际加载负载情况下的重复性,而当前这些测试方法一般不能表征机器人执行器在加载实际负载情况下的重复性。
发明内容
本发明旨在解决上述问题,提供了一种机器人执行器位姿重复精度测量方法和装置,通过3D视觉传感器获取包含平面特征的标准物体的点云,通过计算平面特征的统计特性测量机器人执行器位姿的重复精度,具有测量精度稳定性高、操作简便,设置方便、成本低、效率高、测量信息丰富、便于模拟有负载情况下的重复精度等优点。
本发明的目的是通过以下技术方案实现的:
一种机器人执行器位姿重复精度测量方法,所述机器人执行器位姿重复精度测量方法包括如下步骤:
步骤1,在进行测量之前,设置好3D视觉传感器,并在机器人执行器的末端固定标准物体;所述标准物体包括M个面积大于设定值的平面特征,M≥1且为整数,所述机器人执行器带动所述标准物体移动到目标测量位姿时,所述3D视觉传感器可拍摄到至少1个包括完整平面特征在内的区域;
步骤2,所述机器人执行器带动所述标准物体移动到预设的测量起始位姿Sj,j为当前测量次数对应的序号,j=1,2,…,N,所述N为总测量次数,N>1且为整数;
步骤3,所述机器人执行器带动所述标准物体移动到所述目标测量位姿;
步骤4,所述3D视觉传感器获取所述目标测量位姿区域内的所述标准物体的点云;
步骤5,数据处理模块分割出目标完整平面特征的点云并计算点云的质心centroidj和姿态向量组Vectprj;所述姿态向量组Vectorj包括法向量NormalZj;
步骤6,重复步骤2-5,直到在所述目标测量位姿获得N组质心centroidj和对应的N组姿态向量组Vectorj;
步骤7,通过所述N组质心centroidj和对应的N组姿态向量组Vectorj计算所述机器人执行器在所述目标测量位姿的位姿重复精度。
所述分割出目标完整平面特征的点云的方法包括如下步骤:
根据预定义的目标完整平面特征区域分割参数,分割出所述目标完整平面特征区域,所述预定义的目标完整平面特征区域分割参数根据与相机坐标系Z轴夹角最小的平面特征区域的参数设置;
通过聚类分割出点数最多的点云;拟合出所述点数最多的点云中点数大于预设值的L个平面,选择其中与预定义的目标完整平面特征法向量夹角最小的平面,L≥1且为整数。
优选地,所述拟合出所述点数最多的点云中点数大于预设值的L个平面的方法为随机采样一致性方法。
优选地,所述数据处理模块通过最小二乘法或SVD平面拟合法计算所述目标完整平面特征的点云的质心centroidj和法向量NormalZj。
优选地,所述平面特征为多边形平面特征;
所述数据处理模块获取所述多边形平面特征的K条边,所述姿态向量组Vectorj还包括K条边对应的向量。
优选地,所述计算所述机器人执行器在所述目标测量位姿的位姿重复精度的方法,包括如下步骤:
计算N组质心的统计值,并将N组质心保存为平移重复性点云;
选择第s组姿态向量组Vectors为参考姿态向量组,通过所述N组姿态向量组Vectorj和所述参考姿态向量组Vectors,逐个计算所述机器人执行器每次在所述目标测量位姿相对于第s次姿态的姿态旋转向量RotVecj和旋转角度RotAnglej,并将N个旋转向量保存为旋转重复性点云;
计算N个旋转向量RotVecj的统计值和旋转角度RotAnglej的统计值。
优选地,所述N组质心的统计值包括质心平均值和质心方差;所述N个旋转向量RotVecj的统计值包括平均值RotVecave、旋转向量RotVecj与RotVecave之间的夹角anglej、所述夹角anglej的平均值和方差;所述旋转角度RotAnglej的统计值包括所述旋转角度的平均值和方差。
优选地,所述3D视觉传感器可拍摄到的完整平面特征中至少有一个平面的法向量与相机坐标系Z轴夹角小于预设的阈值。
优选地,所述标准物体的平面特征区边缘设置为斜坡面,便于3D视觉传感器获得的点云图上有清晰的平面边缘特征。
优选地,所述标准物体可设置为与实际负载需求相同的重量。
一种机器人执行器位姿重复精度测量装置,应用一种机器人执行器位姿重复精度测量方法,所述测量装置包括3D视觉传感器、固定装置和数据处理模块,所述3D视觉传感器固定在所述固定装置上。
与现有技术相比较,本发明提供一种机器人执行器位姿重复精度测量方法和装置,通过3D视觉传感器获取包含平面特征的标准物体的点云,通过计算平面特征的统计特性测量机器人执行器位姿的重复精度,具有测量精度稳定性高、操作简便,设置方便、成本低、效率高、测量信息丰富、便于模拟有负载情况下的重复精度等优点。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1为本发明一种机器人执行器位姿重复精度测量方法的流程图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
本发明提供一种机器人执行器位姿重复精度测量方法,所述机器人执行器位姿重复精度测量方法包括如下步骤:
步骤1,在进行测量之前,设置好3D视觉传感器,并在机器人执行器的末端固定标准物体;所述标准物体包括M个面积大于设定值的平面特征,M≥1且为整数,所述机器人执行器带动所述标准物体移动到目标测量位姿时,所述3D视觉传感器可拍摄到至少1个包括完整平面特征在内的区域;本步骤中,面积设定值主要是根据检测精度来决定,此外,标准物体上也会有一些斜切角形成的小平面,斜切角相对于垂直相交的两个平面,更容易在3D图上获得比较清晰的平面的边特征;一般考虑所述标准物体的M个平面特征之间的角度差值大于30度,尽量保证设置切割参数的时候不切割到其他面,且没有相同的方向角度;
步骤2,所述机器人执行器带动所述标准物体移动到预设的测量起始位姿Sj,j为当前测量次数对应的序号,j=1,2,…,N,所述N为总测量次数,N>1且为整数;
步骤3,所述机器人执行器带动所述标准物体移动到所述目标测量位姿;
步骤4,所述3D视觉传感器获取所述目标测量位姿区域内的所述标准物体的点云;
步骤5,数据处理模块分割出目标完整平面特征的点云并计算点云的质心centroidj和姿态向量组Vectorj;所述姿态向量组Vectorj包括法向量NormalZj;本步骤中,基于统计信息的质心和方向向量具有较高的稳定性,比单点测量精度高;同时,如果平面比较长,在长轴方向的倾斜角度灵敏度也会越高;
步骤6,重复步骤2-5,直到在所述目标测量位姿获得N组质心centroidj和对应的N组姿态向量组Vectorj;
步骤7,通过所述N组质心centroidj和对应的N组姿态向量组Vectorj计算所述机器人执行器在所述目标测量位姿的位姿重复精度。
所述分割出目标完整平面特征的点云的方法包括如下步骤:
根据预定义的目标完整平面特征区域分割参数,分割出所述目标完整平面特征区域,所述预定义的目标完整平面特征区域分割参数根据与相机坐标系Z轴夹角最小的平面特征区域的参数设置;具体地,预定义的目标完整平面特征区域分割参数为所述目标完整平面特征区域所在的空间的XYZ三方向的分割参数,所述平面与z轴的参考夹角;在测量前,预先拍摄目标测量位姿区域点云,从点云中先找到与z轴夹角最小的平面特征区域,根据这个平面特征区域预定义分割参数,在开始正式测量流程以后,程序每次都根据这个预定义的参数来分割平面;
通过聚类分割出点数最多的点云;拟合出所述点数最多的点云中点数大于预设值的L个平面,选择其中与预定义的目标完整平面特征法向量夹角最小的平面,L≥1且为整数。
所述拟合出所述点数最多的点云中点数大于预设值的L个平面的方法为随机采样一致性方法。
所述数据处理模块通过最小二乘法或SVD平面拟合法计算所述目标完整平面特征的点云的质心centroidj和法向量NormalZj。
所述平面特征为多边形平面特征;
所述数据处理模块获取所述多边形平面特征的K条边,所述姿态向量组Vectorj还包括K条边对应的向量。
所述计算所述机器人执行器在所述目标测量位姿的位姿重复精度的方法,包括如下步骤:
计算N组质心的统计值,并将N组质心保存为平移重复性点云;
选择第s组姿态向量组Vectors为参考姿态向量组,通过所述N组姿态向量组Vectorj和所述参考姿态向量组Vectors,逐个计算所述机器人执行器每次在所述目标测量位姿相对于第s次姿态的姿态旋转向量RotVecj和旋转角度RotAnglej,并将N个旋转向量保存为旋转重复性点云;
计算N个旋转向量RotVecj的统计值和旋转角度RotAnglej的统计值。
所述N组质心的统计值包括质心平均值和质心方差;所述N个旋转向量RotVecj的统计值包括平均值RotVecave、旋转向量RotVecj与RotVecave之间的夹角anglej、所述夹角anglej的平均值和方差;所述旋转角度RotAnglej的统计值包括所述旋转角度的平均值和方差。
所述3D视觉传感器可拍摄到的完整平面特征中至少有一个平面的法向量与相机坐标系Z轴夹角小于预设的阈值;具体地,所述预设的阈值可以是5°,正对相机的平面误差较小,平面也更完整。
所述标准物体的平面特征区边缘设置为斜坡面,便于3D视觉传感器获得的点云图上有清晰的平面边缘特征;具体地,斜坡面与平面特征的夹角范围可以是10-30°。
所述标准物体可设置为与实际负载需求相同的重量。
本发明还提供一种机器人执行器位姿重复精度测量装置,应用一种机器人执行器位姿重复精度测量方法,所述测量装置包括3D视觉传感器、固定装置和数据处理模块,所述3D视觉传感器固定在所述固定装置上。
与现有技术相比较,本发明提供一种机器人执行器位姿重复精度测量方法和装置,通过3D视觉传感器获取包含平面特征的标准物体的点云,通过计算平面特征的统计特性测量机器人执行器位姿的重复精度,具有测量精度稳定性高、操作简便,设置方便、成本低、效率高、测量信息丰富、便于模拟有负载情况下的重复精度等优点。
Claims (10)
1.一种机器人执行器位姿重复精度测量方法,其特征在于,所述机器人执行器位姿重复精度测量方法包括如下步骤:
步骤1,在进行测量之前,设置好3D视觉传感器,并在机器人执行器的末端固定标准物体;所述标准物体包括M个面积大于设定值的平面特征,M≥1且为整数,所述机器人执行器带动所述标准物体移动到目标测量位姿时,所述3D视觉传感器可拍摄到至少1个包括完整平面特征在内的区域;
步骤2,所述机器人执行器带动所述标准物体移动到预设的测量起始位姿Sj,j为当前测量次数对应的序号,j=1,2,…,N,所述N为总测量次数,N>1且为整数;
步骤3,所述机器人执行器带动所述标准物体移动到所述目标测量位姿;
步骤4,所述3D视觉传感器获取所述目标测量位姿区域内的所述标准物体的点云;
步骤5,数据处理模块分割出目标完整平面特征的点云并计算点云的质心centroidj和姿态向量组Vectorj;所述姿态向量组Vectorj包括法向量NormalZj;
步骤6,重复步骤2-5,直到在所述目标测量位姿获得N组质心centroidj和对应的N组姿态向量组Vectorj;
步骤7,通过所述N组质心centroidj和对应的N组姿态向量组Vectorj计算所述机器人执行器在所述目标测量位姿的位姿重复精度;
所述分割出目标完整平面特征的点云的方法包括如下步骤:
根据预定义的目标完整平面特征区域分割参数,分割出所述目标完整平面特征区域,所述预定义的目标完整平面特征区域分割参数根据与相机坐标系Z轴夹角最小的平面特征区域的参数设置;
通过聚类分割出点数最多的点云;
拟合出所述点数最多的点云中点数大于预设值的L个平面,选择其中与预定义的目标完整平面特征法向量夹角最小的平面,L≥1且为整数。
2.根据权利要求1所述的一种机器人执行器位姿重复精度测量方法,其特征在于,所述拟合出所述点数最多的点云中点数大于预设值的L个平面的方法为随机采样一致性方法。
3.根据权利要求1所述的一种机器人执行器位姿重复精度测量方法,其特征在于,所述数据处理模块通过最小二乘法或SVD平面拟合法计算所述目标完整平面特征的点云的质心centroidj和法向量NormalZj。
4.根据权利要求1所述的一种机器人执行器位姿重复精度测量方法,其特征在于,所述平面特征为多边形平面特征;
所述数据处理模块获取所述多边形平面特征的K条边,所述姿态向量组Vectorj还包括K条边对应的向量。
5.根据权利要求1或4中任一项所述的一种机器人执行器位姿重复精度测量方法,其特征在于,所述计算所述机器人执行器在所述目标测量位姿的位姿重复精度的方法,包括如下步骤:计算N组质心的统计值,并将N组质心保存为平移重复性点云;
选择第s组姿态向量组Vectors为参考姿态向量组,通过所述N组姿态向量组Vectorj和所述参考姿态向量组Vectors,逐个计算所述机器人执行器每次在所述目标测量位姿相对于第s次姿态的姿态旋转向量RotVecj和旋转角度RotAnglej,并将N个旋转向量保存为旋转重复性点云;计算N个旋转向量RotVecj的统计值和旋转角度RotAnglej的统计值。
6.根据权利要求5所述的一种机器人执行器位姿重复精度测量方法,其特征在于,所述N组质心的统计值包括质心平均值和质心方差;所述N个旋转向量RotVecj的统计值包括平均值RotVecave、旋转向量RotVecj与RotVecave之间的夹角anglej、所述夹角anglej的平均值和方差;所述旋转角度RotAnglej的统计值包括所述旋转角度的平均值和方差。
7.根据权利要求1所述的一种机器人执行器位姿重复精度测量方法,其特征在于,所述3D视觉传感器可拍摄到的完整平面特征中至少有一个平面的法向量与相机坐标系Z轴夹角小于预设的阈值。
8.根据权利要求1或4中任一项所述的一种机器人执行器位姿重复精度测量方法,其特征在于,所述标准物体的平面特征区边缘设置为斜坡面,便于3D视觉传感器获得的点云图上有清晰的平面边缘特征。
9.根据权利要求1所述的一种机器人执行器位姿重复精度测量方法,其特征在于,所述标准物体可设置为与实际负载需求相同的重量。
10.一种机器人执行器位姿重复精度测量装置,其特征在于,应用权利要求1-9中任一项所述的一种机器人执行器位姿重复精度测量方法,所述测量装置包括3D视觉传感器、固定装置和数据处理模块,所述3D视觉传感器固定在所述固定装置上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110173686.4A CN112781498B (zh) | 2021-02-09 | 2021-02-09 | 一种机器人执行器位姿重复精度测量方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110173686.4A CN112781498B (zh) | 2021-02-09 | 2021-02-09 | 一种机器人执行器位姿重复精度测量方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112781498A CN112781498A (zh) | 2021-05-11 |
CN112781498B true CN112781498B (zh) | 2022-07-08 |
Family
ID=75761376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110173686.4A Active CN112781498B (zh) | 2021-02-09 | 2021-02-09 | 一种机器人执行器位姿重复精度测量方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112781498B (zh) |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104165585B (zh) * | 2013-05-17 | 2016-12-28 | 上海三菱电梯有限公司 | 单台机器人工具坐标系的非接触式高精度标定方法 |
CN105643620B (zh) * | 2014-11-14 | 2019-01-22 | 中国科学院沈阳计算技术研究所有限公司 | 一种基于十字型杆件的工业机器人简易标定方法 |
CN105737735B (zh) * | 2016-03-08 | 2018-08-03 | 上海大学 | 便携式自校准末端执行器重复定位精度测量装置及方法 |
CN105773609A (zh) * | 2016-03-16 | 2016-07-20 | 南京工业大学 | 一种基于视觉测量及距离误差模型的机器人运动学标定方法 |
CN107253193A (zh) * | 2017-06-13 | 2017-10-17 | 上海交通大学 | 机器人重复定位精度检测与零位校正系统 |
CN108908337B (zh) * | 2018-07-26 | 2023-05-05 | 苏州科技大学 | 基于数字散斑干涉的机械手重复定位精度测量装置和方法 |
CN109732601B (zh) * | 2019-01-04 | 2021-08-13 | 上海交通大学 | 一种自动标定机器人位姿与相机光轴垂直的方法和装置 |
CN109760107B (zh) * | 2019-01-22 | 2022-04-12 | 九天创新(广东)智能科技有限公司 | 一种基于单目视觉的机器人定位精度评价方法 |
CN110116407B (zh) * | 2019-04-26 | 2021-03-30 | 哈尔滨工业大学(深圳) | 柔性机器人位姿测量方法及装置 |
CN110044265A (zh) * | 2019-05-16 | 2019-07-23 | 中国计量大学 | 一种基于三维激光扫描的机器人重复位姿测量方法 |
JP6785931B1 (ja) * | 2019-08-30 | 2020-11-18 | Dmg森精機株式会社 | 生産システム |
CN110480642A (zh) * | 2019-10-16 | 2019-11-22 | 遨博(江苏)机器人有限公司 | 工业机器人及其利用视觉标定用户坐标系的方法 |
-
2021
- 2021-02-09 CN CN202110173686.4A patent/CN112781498B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112781498A (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9927222B2 (en) | Position/orientation measurement apparatus, measurement processing method thereof, and non-transitory computer-readable storage medium | |
US9355453B2 (en) | Three-dimensional measurement apparatus, model generation apparatus, processing method thereof, and non-transitory computer-readable storage medium | |
KR101547940B1 (ko) | 동일평면상에 있는 지상 라이다 자료의 오차 조정 시스템 및 방법 | |
US20140132729A1 (en) | Method and apparatus for camera-based 3d flaw tracking system | |
JP5270670B2 (ja) | 2次元画像による3次元組立て検査 | |
KR20020097172A (ko) | 3차원 좌표 계측방법, 3차원 좌표 계측장치 및 대형구조물의 건조방법 | |
US10499038B2 (en) | Method and system for recalibrating sensing devices without familiar targets | |
US11971961B2 (en) | Device and method for data fusion between heterogeneous sensors | |
CN111025032B (zh) | 一种基于升空平台的天线波束测量系统及方法 | |
CN110415286B (zh) | 一种多飞行时间深度相机系统的外参标定方法 | |
CN108458710B (zh) | 位姿测量方法 | |
CN112781498B (zh) | 一种机器人执行器位姿重复精度测量方法和装置 | |
CN110619665A (zh) | 虚拟仿真环境下双目相机的标定及验证方法 | |
CN114062265B (zh) | 一种用于视觉系统的支撑结构稳定性的评估方法 | |
CN111323048B (zh) | 一种相对位姿测量单机性能测试方法及系统 | |
Chmelař et al. | The optical measuring device for the autonomous exploration and mapping of unknown environments | |
Barros et al. | Digital image correlation with a moving camera using structure from motion calibration | |
CN108375337B (zh) | 一种机器人及其工艺设备相对位姿的测定方法及测定装置 | |
CN107741220B (zh) | 影像处理方法、装置及电子设备 | |
Gąska et al. | Simple optical coordinate measuring system, based on fiducial markers detection, and its accuracy assessment | |
CN114509742B (zh) | 一种激光雷达测试方法及装置 | |
Jin et al. | A Stereo Vision-Based Flexible Deflection Measurement System | |
RU2749654C1 (ru) | Способ измерений координат точек объекта в пространстве | |
Falkowski | Experiences related to utilisation of laser scanning for engineering surveying tasks (verification of accuracy capabilities) | |
US20230154031A1 (en) | Verification method of dynamic virtual image display distance of user interface and system thereof |
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 |