CN113524147B - 一种基于3d相机的工业机器人示教系统及方法 - Google Patents
一种基于3d相机的工业机器人示教系统及方法 Download PDFInfo
- Publication number
- CN113524147B CN113524147B CN202110880186.4A CN202110880186A CN113524147B CN 113524147 B CN113524147 B CN 113524147B CN 202110880186 A CN202110880186 A CN 202110880186A CN 113524147 B CN113524147 B CN 113524147B
- Authority
- CN
- China
- Prior art keywords
- camera
- workpiece
- industrial robot
- calibration
- point
- 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
- B25J9/0081—Programme-controlled manipulators with master teach-in 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
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
-
- 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
Abstract
本发明属于工业自动化设备技术领域,具体涉及一种基于3D相机的工业机器人示教系统及方法,本发明的方法包括:TCP标定;手眼标定;计算最佳拍照距离;求误差补偿关系;第一次目标拍照定位;移动3D相机到最佳拍照距离;识别图像中工件的位姿;利用误差补偿关系以及3D相机移动的距离对工件的标定点的位姿进行补偿;计算精度(T'Q2‑T'Q)是否在设定的精度阈值内。本发明在机器人自身精度和相机精度受限的情况下,通过误差补偿大大提高了工业机器人的工作精度;通过3D相机采集工件图像,并根据误差补偿关系直接计算出需要抓取工件位置的坐标,通过将坐标输入机器人的操作程序中即可实现机器人末端运动到相应的位置,不需要人工示教,大大节省了时间。
Description
技术领域
本发明属于工业自动化识别技术领域,具体涉及一种基于3D相机的工业机器人示教系统及方法。
背景技术
传统的机器人示教采用手动操作的方法,逐步调整TCP到相应示教点的位置,再进行记录。这种方法需要大量人工操作,机械臂随时移动,容易发生碰撞,且示教耗时长。
传统的工业机器人通过人工示教后,对工件进行抓取、加工等,一旦工作环境或者目标对象发生变化,机器人无法及时适应变化,需要人工重新示教,很大程度上限制了工业机器人的灵活性和工作效率。
另一方面收到工业机器人自身精度和相机精度的影响,导致工业机器人的工作精度不高,想要提高精度则必须采用更高精度的工业机器人和相机精度,大大增加了使用成本。
发明内容
本发明的目的是克服现有技术中存在的人工示教需要人工操作、耗时长、工业机器人工作精度不高的缺陷,提供一种工作精度高、不需要人工示教的基于3D相机的工业机器人示教系统及方法。
本发明解决其技术问题所采用的技术方案是:
一种基于3D相机的工业机器人示教系统,其特征在于:包括工业机器人、固定安装在所述工业机器人机械臂末端的标定针、安装在所述机器人机械臂上的3D相机、手眼标定平台以及工件;
所述手眼标定平台上设置四个带有尖端的纸片,通过标定针触碰所述纸片的尖端进行手眼标定;
所述工件上具有标定点。
进一步地,所述标定针固定在一圆盘的下方,所述工业机器人的机械臂上安装有夹爪,通过所述夹爪抓住圆盘进行标定。
进一步地,四个所述纸片的尖端位于X向200mm、Y向200mm和Z向100mm构成的立体空间内。
更进一步地,所述工件上的标定点为在工件外表面上的中心位置。
本发明还公开了一种基于3D相机的工业机器人示教方法,其特征在于:包括以下步骤:
S1、TCP标定,得到工具坐标系(TP);
S2、手眼标定,根据3D相机的最佳拍照焦距,找到标定拍照的最佳位置,记录3D相机标定拍照点在基坐标系下位姿(TC0),3D相机拍摄手眼标定平台区域的图片,在手眼标定软件里获取四个纸片的尖端在相机坐标系(CP)下的坐标(TA1),然后移动工业机器人的机械臂使标定针分别接触四个纸片的尖端点,获得位于四个尖端点时标定针在基坐标系(BP)下的坐标(TA2);求解两组坐标(TA1,TA2)的转换矩阵关系得到手眼标定矩阵BTC;
S3、根据3D相机标定拍照最佳范围内采集的点云数据,通过点云识别算法计算工件上的标定点在基坐标系(BP)下的位姿(TQ);记录3D相机距离工件上的标定点的相对位置(TC0-TQ),(TC0-TQ)为3D相机的最佳拍照距离;
S4、移动工业机器人的机械臂使标定针触碰工件上的标定点得到标定针针尖在基坐标系下实际坐标(TQ');通过点云识别算法得到的坐标(TQ)与实际测量的坐标(TQ')进行拟合得到二者之间的误差补偿关系(WB);
S5、第一次目标拍照定位,将3D相机移动到基坐标系下的位姿(TC1),拍照采集工件的点云数据,利用随机采样一致性算法识别工件的标定点在基坐标系下的位姿(TQ1);
S6、通过(TC1)和(TQ1)以及3D相机(3)的最佳拍照距离(TC0-TQ)计算到达最佳拍摄位置3D相机(3)所需移动的距离;控制工业机器人(1)的机械臂移动相机的位置到基坐标系下的(TC2),使得3D相机(3)距离工件(5)的标定点的距离为(TC0-TQ);
S7、3D相机对工件进行第二次拍照,采集工件的点云数据,利用随机采样一致性算法处理点云数据,识别图像中工件的位姿;
S8、利用S4中得到的误差补偿关系(WB)以及S6中3D相机移动的距离对于S7中得到的工件的标定点的位姿(TQ2)进行补偿得到(TQ'2)。
进一步地,所述TCP标定采用5点法进行TCP标定,通过标定针以不同姿态运动到空间某一固定参考点,然后利用机器人关节转角及机器人结构信息计算TCP坐标。
进一步地,完成TCP标定后,将工具的TCP中心点的Rx,Ry,Rz三个旋转角置零。
进一步地,工业机器人的绝对定位精度为1.3mm,TCP精度为2-4mm,精度阈值(TQ'2-TQ')为0-1mm。
更进一步地,还包括:S9、通过将3D相机移动到工件的不同方位并始终保持最佳拍照距离全方位采集工件的图像,通过点云识别算法计算工件上的呆抓取部位在基坐标系(BP)下的位姿,并利用误差补偿关系(WB)拟合出工业机器人的夹爪需要实际移动到的位姿,命令工业机器人的机械臂带动夹爪运动到相应的坐标即可实现对工件的抓取。
本发明的一种基于3D相机的工业机器人示教系统及方法的有益效果是:
1、通过3D相机采集工件图像,并根据误差补偿关系直接计算出需要抓取工件位置的坐标,通过将坐标输入机器人的操作程序中即可实现机器人末端运动到相应的位置,不需要人工示教,大大节省了时间,且工业机器人能够使用工作环境的变化,灵活性和工作效率更高。
2、在机器人自身精度和相机精度受限的情况下,本发明利用机器人的重复定位精度,在一定范围内,处于相机的最佳拍摄范围中,手眼标定矩阵以及机器人TCP精度都能得到一定的保证。此时,通过视觉识别定位精度较高,同时,引入误差补偿技术,最终可以大大提高机器人的工作精度。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明实施例的工业机器人示教系统示意图;
图中:1、工业机器人,2、标定针,3、3D相机,4、手眼标定平台,5、工件,6、纸片,7、夹爪,8、圆盘。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
如图1所示的本发明的一种基于3D相机3的工业机器人1示教系统具体实施例,包括工业机器人1、固定安装在工业机器人1机械臂末端的标定针2、安装在机器人机械臂上的3D相机3、手眼标定平台4以及工件5。
手眼标定平台4上设置四个带有尖端的纸片6,通过标定针2触碰纸片6的尖端进行手眼标定;
工件5上具有标定点。
本实施例以机械臂抓取气涨轴为例,这里的工件5具体指气涨轴,通过识别系统先确定气涨轴端部的中心点位置并做标记,相当于上述的工件5上的标定点,工件5上的标定点一般为在工件5外表面上的中心位置。
工业机器人1的机械臂的末端固定安装的工具为夹爪7,标定针2固定在一圆盘8的下方,通过夹爪7抓住圆盘8进行标定。
手眼标定平台4设置在气涨轴附近,四个纸片6的尖端位于X向200mm、Y向200mm和Z向100mm构成的立体空间内。本实施例中工业机器人1的绝对定位精度为1.3mm,TCP精度为2-4mm,根据实际工作情况气涨轴位置可以在10cm的范围内随机放置,但是要保证气涨轴在3D相机3的拍照范围内。通过本实施例的方法,工业机器人1的工作精度提高到1mm之内。
本发明实施例的基于3D相机3的工业机器人1示教方法,具体包括以下步骤:
S1、TCP标定,得到工具坐标系TP;TCP标定采用5点法进行TCP标定,通过标定针2以不同姿态运动到空间某一固定参考点,然后利用机器人关节转角及机器人结构信息计算TCP坐标。完成TCP标定后,将工具的TCP中心点的Rx,Ry,Rz三个旋转角置零,这是为了使软件计算的姿态可以直接换算到基坐标系下,不受工具姿态的影响。
S2、手眼标定,根据3D相机3的最佳拍照焦距,找到标定拍照的最佳位置,记录3D相机3标定拍照点在基坐标系下位姿TC0,3D相机3拍摄手眼标定平台4区域的图片,在手眼标定软件里获取四个纸片6的尖端在相机坐标系CP下的坐标TA1,然后移动工业机器人1的机械臂使标定针2分别接触四个纸片6的尖端点,获得位于四个尖端点时标定针2在基坐标系BP下的坐标TA2;求解两组坐标TA1,TA2的转换矩阵关系得到手眼标定矩阵BTC;
S3、根据3D相机3标定拍照最佳范围内采集的点云数据,通过点云识别算法计算工件5上的标定点在基坐标系BP下的位姿TQ;记录3D相机3距离工件5上的标定点的相对位置TC0-TQ,TC0-TQ为3D相机3的最佳拍照距离;
S4、移动工业机器人1的机械臂使标定针2触碰工件5上的标定点得到标定针2针尖在基坐标系下实际坐标TQ';通过点云识别算法得到的坐标TQ与实际测量的坐标TQ'进行拟合得到二者之间的误差补偿关系WB;
S5、第一次目标拍照定位,将3D相机3移动到基坐标系下的位姿TC1,拍照采集工件5的点云数据,利用随机采样一致性算法识别工件5的标定点在基坐标系下的位姿TQ1;
S6、通过TC1和TQ1以及3D相机3的最佳拍照距离TC0-TQ计算到达最佳拍摄位置3D相机3所需移动的距离;控制工业机器人1的机械臂移动相机的位置到基坐标系下的(TC2),使得3D相机3距离工件5的标定点的距离为TC0-TQ;
S7、3D相机3对工件5进行拍照,采集工件5的点云数据,利用随机采样一致性算法处理点云数据,识别图像中工件5的位姿;
S8、利用S4中得到的误差补偿关系WB以及S6中3D相机3移动的距离对于S7中得到的工件5的标定点的位姿TQ2进行补偿得到TQ'2;
S9、通过将3D相机3移动到工件5的不同方位并始终保持最佳拍照距离全方位采集工件5的图像,计算机器人的夹爪7需要抓取工件5部位的坐标,命令工业机器人1的机械臂带动夹爪7运动到相应的坐标即可实现对工件5的抓取。
在步骤S8中,为了更进一步的提高精度,计算计算精度(TQ'2-TQ')是否在设定的精度阈值内,若精度(TQ'2-TQ')在设定的精度阈值内则确定最终的误差补偿关系为(WB);若精度(TQ'2-TQ')不在设定的精度阈值内,则根据补偿后的拍照位置(TC2)以及计算得到的工件位置(TQ'2)再次计算到达最佳拍摄位置3D相机所需移动的距离,使得3D相机距离工件的标定点的距离更加接近(TC0-TQ),再次重复S7中拍照、识别工作,S8中误差补偿工作得到TQ'3。若此次得到的精度(TQ'3-TQ')在域值内则得到最终定位识别及补偿方式;若仍不在设定精度内则继续迭代上述操作,直至精度目标达成。
应当理解,以上所描述的具体实施例仅用于解释本发明,并不用于限定本发明。由本发明的精神所引伸出的显而易见的变化或变动仍处于本发明的保护范围之中。
Claims (9)
1.一种基于3D相机的工业机器人示教方法,其特征在于:包括以下步骤:
S1、TCP标定,得到工具坐标系(TP);
S2、手眼标定,根据3D相机(3)的最佳拍照焦距,找到标定拍照的最佳位置,记录3D相机(3)标定拍照点在基坐标系下位姿(TC0),3D相机(3)拍摄手眼标定平台(4)区域的图片,在手眼标定软件里获取四个纸片(6)的尖端在相机坐标系(CP)下的坐标(TA1),然后移动工业机器人(1)的机械臂使标定针(2)分别接触四个纸片(6)的尖端点,获得位于四个尖端点时标定针(2)在基坐标系(BP)下的坐标(TA2);求解两组坐标(TA1,TA2)的转换矩阵关系得到手眼标定矩阵BTC;
S3、根据3D相机(3)标定拍照最佳范围内采集的点云数据,通过点云识别算法计算工件(5)上的标定点在基坐标系(BP)下的位姿(TQ);记录3D相机(3)距离工件(5)上的标定点的相对位置(TC0-TQ),(TC0-TQ)为3D相机(3)的最佳拍照距离;
S4、移动工业机器人(1)的机械臂使标定针(2)触碰工件(5)上的标定点得到标定针(2)针尖在基坐标系下实际坐标(T'Q);通过点云识别算法得到的坐标(TQ)与实际测量的坐标(T'Q)进行拟合得到二者之间的误差补偿关系(WB);
S5、第一次目标拍照定位,将3D相机(3)移动到基坐标系下的位姿(TC1),拍照采集工件(5)的点云数据,利用随机采样一致性算法识别工件(5)的标定点在基坐标系下的位姿(TQ1);
S6、通过(TC1)和(TQ1)以及3D相机(3)的最佳拍照距离(TC0-TQ)计算到达最佳拍摄位置3D相机(3)所需移动的距离;控制工业机器人(1)的机械臂移动相机的位置到基坐标系下的(TC2),使得3D相机(3)距离工件(5)的标定点的距离为(TC0-TQ);
S7、3D相机(3)对工件(5)进行第二次拍照,采集工件(5)的点云数据,利用随机采样一致性算法处理点云数据,识别图像中工件(5)的位姿;
S8、利用S4中得到的误差补偿关系(WB)以及S6中3D相机(3)移动的距离对于S7中得到的工件(5)的标定点的位姿(TQ2)进行补偿得到(T'Q2)。
2.根据权利要求1所述的基于3D相机的工业机器人示教方法,其特征在于:所述TCP标定采用5点法进行TCP标定,通过标定针(2)以不同姿态运动到空间某一固定参考点,然后利用机器人关节转角及机器人结构信息计算TCP坐标。
3.根据权利要求2所述的基于3D相机的工业机器人示教方法,其特征在于:完成TCP标定后,将工具的TCP中心点的Rx,Ry,Rz三个旋转角置零。
4.根据权利要求1所述的基于3D相机的工业机器人示教方法,其特征在于:工业机器人(1)的绝对定位精度为1.3mm,TCP精度为2-4mm;精度阈值(T'Q2-T'Q)为0-1mm。
5.根据权利要求1所述的基于3D相机的工业机器人示教方法,其特征在于:还包括:
S9、通过将3D相机(3)移动到工件(5)的不同方位并始终保持最佳拍照距离全方位采集工件(5)的图像,通过点云识别算法计算工件(5)上的待 抓取部位在基坐标系(BP)下的位姿,并利用误差补偿关系(WB)拟合出工业机器人(1)的夹爪(7)需要实际移动到的位姿,命令工业机器人(1)的机械臂带动夹爪(7)运动到相应的坐标即可实现对工件(5)的抓取。
6.一种基于3D相机的工业机器人示教系统,其特征在于:包括工业机器人(1)、固定安装在所述工业机器人(1)机械臂末端的标定针(2)、安装在所述机器人机械臂上的3D相机(3)、手眼标定平台(4)以及工件(5);
所述手眼标定平台(4)上设置四个带有尖端的纸片(6),通过标定针(2)触碰所述纸片(6)的尖端进行手眼标定;
所述工件(5)上具有标定点;
该基于3D相机的工业机器人示教系统根据权利要求1-5中任意一项所述的基于3D相机的工业机器人示教方法提供工业机器人示教。
7.根据权利要求6所述的基于3D相机的工业机器人示教系统,其特征在于:所述标定针(2)固定在一圆盘(8)的下方,所述工业机器人(1)的机械臂上安装有夹爪(7),通过所述夹爪(7)抓住圆盘(8)进行标定。
8.根据权利要求6所述的基于3D相机的工业机器人示教系统,其特征在于:四个所述纸片(6)的尖端位于X向200mm、Y向200mm和Z向100mm构成的立体空间内。
9.根据权利要求6所述的基于3D相机的工业机器人示教系统,其特征在于:所述工件(5)上的标定点为在工件(5)外表面上的中心位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110880186.4A CN113524147B (zh) | 2021-08-02 | 2021-08-02 | 一种基于3d相机的工业机器人示教系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110880186.4A CN113524147B (zh) | 2021-08-02 | 2021-08-02 | 一种基于3d相机的工业机器人示教系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113524147A CN113524147A (zh) | 2021-10-22 |
CN113524147B true CN113524147B (zh) | 2022-05-24 |
Family
ID=78090057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110880186.4A Active CN113524147B (zh) | 2021-08-02 | 2021-08-02 | 一种基于3d相机的工业机器人示教系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113524147B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5798627A (en) * | 1995-01-04 | 1998-08-25 | Gilliland; Malcolm T. | Method for simultaneous operation of robot welders |
EP1850824A2 (en) * | 2005-02-04 | 2007-11-07 | Motorika Limited | Methods and apparatuses for rehabilitation and training |
CN102294695A (zh) * | 2010-06-25 | 2011-12-28 | 鸿富锦精密工业(深圳)有限公司 | 机器人标定方法及标定系统 |
CN105129187A (zh) * | 2015-09-24 | 2015-12-09 | 湖北文理学院 | 适用于视觉机器人的带光源可自动升降料框 |
CN106113050A (zh) * | 2016-07-05 | 2016-11-16 | 昆山华恒机器人有限公司 | 工业机器人的示教方法、控制方法及装置、系统 |
CN106272444A (zh) * | 2016-08-31 | 2017-01-04 | 山东中清智能科技有限公司 | 一种实现手眼关系和双机器人关系同时标定的方法 |
CN106335061A (zh) * | 2016-11-11 | 2017-01-18 | 福州大学 | 一种基于四自由度机器人的手眼关系标定方法 |
CN106767393A (zh) * | 2015-11-20 | 2017-05-31 | 沈阳新松机器人自动化股份有限公司 | 机器人的手眼标定装置与方法 |
CN107480678A (zh) * | 2017-09-29 | 2017-12-15 | 北京深度奇点科技有限公司 | 一种棋盘识别方法和识别系统 |
WO2018145025A1 (en) * | 2017-02-03 | 2018-08-09 | Abb Schweiz Ag | Calibration article for a 3d vision robotic system |
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 |
CN111958604A (zh) * | 2020-08-20 | 2020-11-20 | 扬州蓝邦数控制刷设备有限公司 | 一种高效的基于cad模型的异形毛刷单目视觉示教抓取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FI20105732A0 (fi) * | 2010-06-24 | 2010-06-24 | Zenrobotics Oy | Menetelmä fyysisten kappaleiden valitsemiseksi robottijärjestelmässä |
-
2021
- 2021-08-02 CN CN202110880186.4A patent/CN113524147B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5798627A (en) * | 1995-01-04 | 1998-08-25 | Gilliland; Malcolm T. | Method for simultaneous operation of robot welders |
EP1850824A2 (en) * | 2005-02-04 | 2007-11-07 | Motorika Limited | Methods and apparatuses for rehabilitation and training |
CN102294695A (zh) * | 2010-06-25 | 2011-12-28 | 鸿富锦精密工业(深圳)有限公司 | 机器人标定方法及标定系统 |
CN105129187A (zh) * | 2015-09-24 | 2015-12-09 | 湖北文理学院 | 适用于视觉机器人的带光源可自动升降料框 |
CN106767393A (zh) * | 2015-11-20 | 2017-05-31 | 沈阳新松机器人自动化股份有限公司 | 机器人的手眼标定装置与方法 |
CN106113050A (zh) * | 2016-07-05 | 2016-11-16 | 昆山华恒机器人有限公司 | 工业机器人的示教方法、控制方法及装置、系统 |
CN106272444A (zh) * | 2016-08-31 | 2017-01-04 | 山东中清智能科技有限公司 | 一种实现手眼关系和双机器人关系同时标定的方法 |
CN106335061A (zh) * | 2016-11-11 | 2017-01-18 | 福州大学 | 一种基于四自由度机器人的手眼关系标定方法 |
WO2018145025A1 (en) * | 2017-02-03 | 2018-08-09 | Abb Schweiz Ag | Calibration article for a 3d vision robotic system |
CN107480678A (zh) * | 2017-09-29 | 2017-12-15 | 北京深度奇点科技有限公司 | 一种棋盘识别方法和识别系统 |
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 |
CN111958604A (zh) * | 2020-08-20 | 2020-11-20 | 扬州蓝邦数控制刷设备有限公司 | 一种高效的基于cad模型的异形毛刷单目视觉示教抓取方法 |
Non-Patent Citations (2)
Title |
---|
基于DMP的双臂机器人装配策略研究;王智伟;《基于DMP的双臂机器人装配策略研究》;现代制造工程;20210418(第4(2021)期);第33-40页 * |
基于视觉引导的工业机器人应用;李智翔;《基于视觉引导的工业机器人应用》;电子技术与软件工程;20210715(第14(2021)期);第58-59页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113524147A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111791239B (zh) | 一种结合三维视觉识别可实现精确抓取的方法 | |
CN110238849B (zh) | 机器人手眼标定方法及装置 | |
CN111775146B (zh) | 一种工业机械臂多工位作业下的视觉对准方法 | |
CN110238845B (zh) | 最优标定点选取和误差自测量的自动手眼标定方法及装置 | |
CN110014426B (zh) | 一种利用低精度深度相机高精度抓取形状对称工件的方法 | |
CN110906863B (zh) | 一种用于线结构光传感器的手眼标定系统及标定方法 | |
JP6180087B2 (ja) | 情報処理装置及び情報処理方法 | |
JP6429473B2 (ja) | ロボットシステム、ロボットシステムの校正方法、プログラム、およびコンピュータ読み取り可能な記録媒体 | |
JP4021413B2 (ja) | 計測装置 | |
CN110580725A (zh) | 一种基于rgb-d相机的箱体分拣方法及系统 | |
CN107009358B (zh) | 一种基于单相机的机器人无序抓取装置及方法 | |
CN113146620B (zh) | 基于双目视觉的双臂协作机器人系统和控制方法 | |
CN109794963B (zh) | 一种面向曲面构件的机器人快速定位方法 | |
CN110936378B (zh) | 一种基于增量补偿的机器人手眼关系自动标定方法 | |
JP2019195885A (ja) | 制御装置およびロボットシステム | |
CN113799130B (zh) | 一种人机协作装配中的机器人位姿标定方法 | |
CN112958960B (zh) | 一种基于光学靶标的机器人手眼标定装置 | |
CN113781558A (zh) | 一种姿态与位置解耦的机器人视觉寻位方法 | |
CN113524147B (zh) | 一种基于3d相机的工业机器人示教系统及方法 | |
JP2006130580A (ja) | ロボットによる任意形状物体の把持方法 | |
CN110977950B (zh) | 一种机器人抓取定位方法 | |
CN107650149B (zh) | 一种基于串联机械臂的接触与非接触融合测量系统及方法 | |
CN113733078A (zh) | 机械臂精调控制量判读方法、计算机可读存储介质 | |
WO2023013699A1 (ja) | ロボット制御装置、ロボット制御システム、及びロボット制御方法 | |
Chavitranuruk et al. | Vision System for Detecting and Locating Micro-Scale Objects with Guided Cartesian Robot |
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 |