CN113524262A - 摄像机器人虚实融合精度优化装置和方法 - Google Patents
摄像机器人虚实融合精度优化装置和方法 Download PDFInfo
- Publication number
- CN113524262A CN113524262A CN202110960301.9A CN202110960301A CN113524262A CN 113524262 A CN113524262 A CN 113524262A CN 202110960301 A CN202110960301 A CN 202110960301A CN 113524262 A CN113524262 A CN 113524262A
- Authority
- CN
- China
- Prior art keywords
- robot
- camera
- virtual
- real fusion
- inertial tracking
- 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.)
- Pending
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 35
- 238000005457 optimization Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 title claims description 15
- 230000003287 optical effect Effects 0.000 claims abstract description 36
- 238000005259 measurement Methods 0.000 claims abstract description 20
- 241000283973 Oryctolagus cuniculus Species 0.000 claims abstract description 4
- 230000001133 acceleration Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000012888 cubic function Methods 0.000 claims description 2
- 238000012821 model calculation Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 claims 6
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000003786 synthesis reaction Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种基于光学惯性跟踪的摄像机器人虚实融合精度优化装置,所述装置包括:光学惯性跟踪装置和处理器,所述光学惯性跟踪装置包括互相连接的惯性测量单元和摄像头,所述处理器还分别连接所述惯性测量单元和摄像头。所述摄像机器人虚实融合精度优化装置安装在摄像机器人的兔笼下方;所述摄像机器人虚实融合精度优化装置通过网线连接外部摄像机器人控制系统。本发明结合光学惯性跟踪装置,使用其定位出摄像机的准确位姿,再对摄像机器人的位姿数据进行补偿,从而提高摄像机器人的绝对精度,以达到虚实融合的精度要求。
Description
技术领域
本发明公开了一种基于光学惯性跟踪的摄像机器人虚实融合精度优化装置和方法,属于机器人技术和影视拍摄技术交叉的领域。
背景技术
运用于影视制作的摄像机器人在其末端安装摄像机通过机器人运动控制系统对摄像机轨迹进行规划和运行,再连接虚拟拍摄系统,提供摄像机位姿的实时跟踪,以达到真实摄像机的画面与虚拟拍摄场景的画面实时融合的效果。摄像机器人使用的是工业机器人,对于没有经过任何补偿的工业机器人,其重复定位精度较高可达0.1mm左右,但是其绝对定位精度较低,要高出重复定位精度1~2个数量级,毫米级的误差会导致真实摄像机画面和虚拟场景画面的融合不匹配,虚实画面合成的误差在50个像素以上,导致在摄像机移动的过程中可能出现真实物体在虚拟场景中漂移的情况,因此没有经过补偿的摄像机器人在虚拟拍摄中难以满足跟踪精度要求。
传统的机器人标定方法通常借助于激光跟踪仪等仪器获取机器人末端位姿数据误差,这些设备存在成本高、设备笨重、操作技术门槛高的缺点。而本装置基于光学和惯性进行定位,轻便、成本低、操作容易,通过本装置可以快速简单的标定机器人补偿参数,给出补偿后的机器人末端位姿数据,显著提升摄像机器人和虚拟拍摄系统的虚实画面合成的精度。
发明内容
本发明的目的是为了提供一种用于摄像机器人的虚实融合精度优化装置,解决摄像机器人在虚拟拍摄中对摄像机位姿的跟踪定位不准确的问题。通过在机器人末端安装本装置获取摄像机的位姿,比对摄像机器人提供的位姿数据,进行绝对定位精度的补偿修正,实现摄像机器人的摄像机高精度定位跟踪。
根据本发明的第一个方面,本发明提供了一种基于光学惯性跟踪的摄像机器人虚实融合精度优化装置,所述装置包括:光学惯性跟踪装置和处理器,所述光学惯性跟踪装置包括互相连接的惯性测量单元和摄像头,所述处理器还分别连接所述惯性测量单元和摄像头;
所述摄像机器人虚实融合精度优化装置安装在摄像机器人的兔笼下方;
所述摄像机器人虚实融合精度优化装置通过网线连接外部摄像机器人控制系统。
进一步地,所述处理器采用CPU、FPGA、或单片机。
进一步地,所述摄像头采用CCD传感器。
进一步地,所述惯性测量单元采用光纤陀螺惯性测量单元IMU800。
进一步地,所述惯性测量单元包含三个单轴的加速度计和三个单轴的陀螺。
进一步地,所述惯性测量单元包含两个A/D转换器AD7716BS与E/EPROM存储器。
进一步地,所述A/D转换器的型号为AD7716BS,E/EPROM存储器的型号为X25650。
根据本发明的第二个方面,本发明还提供了一种基于光学惯性跟踪的摄像机器人虚实融合精度优化方法,采用第一方面所述的基于光学惯性跟踪的摄像机器人虚实融合精度优化装置,包括:
步骤1、将机器人移动至零点位置;
步骤2、控制机器人单个关节,对末端的笛卡尔空间坐标进行数据采样;通过控制摄像机器人单个关节移动至对应的转角角度θ{θ1,θ2...,θn},共n个位置,根据机器人运动学模型计算并记录此时的机器人末端笛卡尔空间坐标从光学惯性跟踪装置获取并记录此时光学惯性跟踪装置的笛卡尔空间坐标
步骤3、将光学惯性跟踪装置的采样数据由其坐标系下的变换矩阵转换至机器人基坐标系下的变换矩阵Pi′{Pi′1,Pi′2...,Pi′n};
步骤4、根据采样的数据以及机器人的运动学模型计算该机器人关节对末端笛卡尔空间坐标的误差模型;
步骤5、根据误差模型计算得到的结果对机器人关节数据进行修正,实现该关节的绝对精度补偿;
步骤6、重复步骤1至5,完成机器人所有关节的绝对精度补偿;
步骤7、连接虚拟拍摄系统,发送经过关节的绝对精度补偿之后通过机器人运动学计算的摄像机位姿,在虚拟拍摄系统中实时同步摄像机位姿,并在虚拟拍摄系统中输出合成后的画面;
步骤8、控制摄像机器人移动摄像机至多个位姿。
本发明的优点在于:本装置能结合光学惯性跟踪装置,使用其定位出摄像机的准确位姿,再对摄像机器人的位姿数据进行补偿,从而提高摄像机器人的绝对精度,以达到虚实融合的精度要求。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
附图1示出了根据本发明实施方式的基于光学惯性跟踪的摄像机器人虚实融合精度优化装置的结构示意图;
附图2示出了为本发明的基于光学惯性跟踪的摄像机器人虚实融合精度优化方法流程示意图;
附图3为调整摄像机器人至一个初始姿态后的效果图;
附图4为变换姿态后未经过本装置优化的效果图;
附图5为变换姿态后经过本装置优化的效果图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明的思想在于,采用光学惯性跟踪装置,使用其定位出摄像机的准确位姿,再对摄像机器人的位姿数据进行补偿,从而提高摄像机器人的绝对精度,以达到虚实融合的精度要求。光学惯性跟踪装置的位移精度在0.2mm左右,角度精度在0.1°左右,远高于摄像机器人的绝对定位精度。能够使用其定位出摄像机的准确位姿,再对摄像机器人的位姿数据进行补偿,从而提高摄像机器人的绝对精度,以达到虚实融合的精度要求。
如图1所示,为基于光学惯性跟踪的摄像机器人虚实融合精度优化装置的结构示意图。该装置包括:光学惯性跟踪装置和处理器,所述光学惯性跟踪装置包括互相连接的惯性测量单元和摄像头,所述处理器还分别连接所述惯性测量单元和摄像头。
处理器可以采用CPU、FPGA、单片机等硬件形式来实现,在此不作限制。
摄像头采用CCD传感器等形式来实现,在此不作限制。
惯性测量单元可以采用光纤陀螺惯性测量单元IMU800等型号,在此不作限制。惯性测量单元是测量物体三轴姿态角(或角速率)以及加速度的装置。一般的,一个IMU包含了三个单轴的加速度计和三个单轴的陀螺,加速度计检测物体在载体坐标系统独立三轴的加速度信号,而陀螺检测载体相对于导航坐标系的角速度信号,测量物体在三维空间中的角速度和加速度,并以此解算出物体的姿态。
例如,惯性测量装置IMU采用捷联式惯导,该系统有三个加速度传感器与三个角速度传感器(陀螺)组成,加速度计用来感受装置相对于地垂线的加速度分量,角速度传感器用来感受装置的角度信息。主要有两个A/D转换器AD7716BS与64K的E/EPROM存储器X25650构成,A/D转换器采用IMU各传感器的模拟变量,转换为数字信息后经过CPU计算后最后输出装置俯仰角度、倾斜角度与侧滑角度,E/EPROM存储器主要存储了IMU各传感器的线性曲线图与IMU各传感器的件号与序号,部品在刚开机时,图像处理单元读取E/EPROM内的线性曲线参数为后续角度计算提供初始信息。
如图1所示,本发明的摄像机器人虚实融合精度优化装置安装在摄像机器人的兔笼下方,并通过网线连接摄像机器人控制系统。
如图2所示,为本发明的装置工作流程示意图,具体包括如下步骤:
步骤1、将机器人移动至零点位置。
步骤2、控制机器人单个关节,对末端的笛卡尔空间坐标进行数据采样。通过软件控制摄像机器人单个关节移动至对应的转角角度θ{θ1,θ2...,θn},共n个位置,根据机器人运动学模型计算并记录此时的机器人末端笛卡尔空间坐标从光学惯性跟踪装置获取并记录此时装置的笛卡尔空间坐标这里的机器人运动学模型指的是机器人正运动学,即机器人关节空间到机器人末端笛卡尔空间下的位置和姿态的映射,是机器人领域非常常见的基础方法,在此不再赘述。
步骤3、将光学惯性跟踪装置的采样数据由其坐标系下的变换矩阵转换至机器人基坐标系下的变换矩阵Pi′{Pi′1,Pi′2...,Pi′n}。
步骤4、根据采样的数据以及机器人的运动学模型计算该机器人关节对末端笛卡尔空间坐标的误差模型δθ=f(δT0,1(0),δT1,2(0),...,δTn-1,n(0)),其中δθ为该机器人关节的理论转角角度和实际转角角度的误差,δTn-1,n(0)为步骤2中的Pe和步骤3中的Pi′的误差关系。运动学模型为根据位置、角度、方向、速度等物理数据进行空间运动计算的基础物理公式。
步骤5、根据误差模型计算得到的结果对机器人关节数据进行修正,实现该关节的绝对精度补偿。修正补偿的具体步骤如下:
5.1建立数学模型,由运动时间T,建立从理论转角角度θ1到θ2变化过渡过程的方程θ(t)=a0+a1t+a2t2+a3t3,其中a0,a1,a2,a3为待计算参数。根据运动学方程,将理论转角角度θ变化的速度方程以及加速度方程如下:
θ′(t)=a1+2a2t+3a3t2
θ″(t)=2a2+6a3t
5.2确定约束关系,理论转角角度θ1到θ2变化过渡过程的数学模型是三次函数,在启动和结束时刻速度为0,得到约束关系如下:
θ(0)=a0=θ1
θ(T)=a0+a1T+a2tT2+a3T3=θ2
θ′(0)=a1
θ′(T)=a1+2a2T+3a3T2
由约束方程求解待定参数a0,a1,a2,a3。
5.3由步骤4得到的误差模型δθ,可以得到补偿修正后的关节转角角度θc=θ(t)+δθ。
步骤6、重复步骤1至5,完成机器人所有关节的绝对精度补偿。
步骤7、连接虚拟拍摄系统,发送经过关节的绝对精度补偿之后通过机器人运动学计算的摄像机位姿,在虚拟拍摄系统中实时同步摄像机位姿,并在虚拟拍摄系统中输出合成后的画面。
步骤8、控制摄像机器人移动摄像机至多个位姿,可以看出合成后的虚实画面匹配程度较未经过绝对精度补偿时有明显提升,虚实画面合成的误差由原先的50像素以上减少至10像素以下,明显的真实物体在虚拟场景中漂移的情况消失。
附图3为调整摄像机器人至一个初始姿态后的效果图;在初始姿态时,一般不存在漂移的情况。
附图4为变换姿态后未经过本装置优化的效果图;由图4可以看出未经过精度修正时,虚实画面合成的误差大概约为50像素,明显的真实物体在虚拟场景中存在漂移的情况。
附图5为变换姿态后经过本装置优化的效果图。将摄像机器人给出的理论摄像机位姿和通过本装置获取的真实摄像机位姿进行图像合成,主要对比的是两个正方体的重合效果。由图5可以看出合成后的虚实画面匹配程度较未经过精度修正时有明显提升,虚实画面合成的误差由原先的50像素以上减少至10像素以下,明显的真实物体在虚拟场景中漂移的情况消失。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于光学惯性跟踪的摄像机器人虚实融合精度优化装置,其特征在于,
所述装置包括:光学惯性跟踪装置和处理器,所述光学惯性跟踪装置包括互相连接的惯性测量单元和摄像头,所述处理器还分别连接所述惯性测量单元和摄像头;
所述摄像机器人虚实融合精度优化装置安装在摄像机器人的兔笼下方;
所述摄像机器人虚实融合精度优化装置通过网线连接外部摄像机器人控制系统。
2.根据权利要求1所述的一种基于光学惯性跟踪的摄像机器人虚实融合精度优化装置,其特征在于,
所述处理器采用CPU、FPGA、或单片机。
3.根据权利要求1所述的一种基于光学惯性跟踪的摄像机器人虚实融合精度优化装置,其特征在于,
所述摄像头采用CCD传感器。
4.根据权利要求1所述的一种基于光学惯性跟踪的摄像机器人虚实融合精度优化装置,其特征在于,
所述惯性测量单元采用光纤陀螺惯性测量单元IMU800。
5.根据权利要求1所述的一种基于光学惯性跟踪的摄像机器人虚实融合精度优化装置,其特征在于,
所述惯性测量单元包含三个单轴的加速度计和三个单轴的陀螺。
6.根据权利要求1所述的一种基于光学惯性跟踪的摄像机器人虚实融合精度优化装置,其特征在于,
所述惯性测量单元包含两个A/D转换器AD7716BS与E/EPROM存储器。
7.根据权利要求6所述的一种基于光学惯性跟踪的摄像机器人虚实融合精度优化装置,其特征在于,
所述A/D转换器的型号为AD7716BS,E/EPROM存储器的型号为X25650。
8.一种基于光学惯性跟踪的摄像机器人虚实融合精度优化方法,采用权利要求1-7任一项所述的基于光学惯性跟踪的摄像机器人虚实融合精度优化装置,其特征在于,包括:
步骤1、将机器人移动至零点位置;
步骤2、控制机器人单个关节,对末端的笛卡尔空间坐标进行数据采样;通过控制摄像机器人单个关节移动至对应的转角角度θ{θ1,θ2...,θn},共n个位置,根据机器人运动学模型计算并记录此时的机器人末端笛卡尔空间坐标从光学惯性跟踪装置获取并记录此时光学惯性跟踪装置的笛卡尔空间坐标
步骤3、将光学惯性跟踪装置的采样数据由其坐标系下的变换矩阵转换至机器人基坐标系下的变换矩阵Pi′{Pi′1,Pi′2...,Pi′n};
步骤4、根据采样的数据以及机器人的运动学模型计算该机器人关节对末端笛卡尔空间坐标的误差模型;
步骤5、根据误差模型计算得到的结果对机器人关节数据进行修正,实现该关节的绝对精度补偿;
步骤6、重复步骤1至5,完成机器人所有关节的绝对精度补偿;
步骤7、连接虚拟拍摄系统,发送经过关节的绝对精度补偿之后通过机器人运动学计算的摄像机位姿,在虚拟拍摄系统中实时同步摄像机位姿,并在虚拟拍摄系统中输出合成后的画面;
步骤8、控制摄像机器人移动摄像机至多个位姿。
9.根据权利要求8所述的一种基于光学惯性跟踪的摄像机器人虚实融合精度优化方法,其特征在于,
步骤5中所述修正和补偿的具体步骤如下:
5.1建立数学模型,由运动时间T,建立从理论转角角度θ1到θ2变化过渡过程的方程θ(t)=a0+a1t+a2t2+a3t3,其中a0,a1,a2,a3为待计算参数;根据运动学方程,将理论转角角度θ变化的速度方程以及加速度方程如下:
θ′(t)=a1+2a2t+3a3t2
θ″(t)=2a2+6a3t
5.2确定约束关系,理论转角角度θ1到θ2变化过渡过程的数学模型是三次函数,在启动和结束时刻速度为0,得到约束关系如下:
θ(0)=a0=θ1
θ(T)=a0+a1T+a2tT2+a3T3=θ2
θ′(0)=a1
θ′(T)=a1+2a2T+3a3T2
由约束方程求解待定参数a0,a1,a2,a3;
5.3由步骤4得到的误差模型δθ,得到补偿修正后的关节转角角度θc=θ(t)+δθ。
10.根据权利要求9所述的一种基于光学惯性跟踪的摄像机器人虚实融合精度优化方法,其特征在于,
所述误差模型为:δθ=f(δT0,1(0),δT1,2(0),...,δTn-1,n(0)),其中δθ为该机器人关节的理论转角角度和实际转角角度的误差,δTn-1,n(0)为步骤2中的Pe和步骤3中的Pi′的误差关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110960301.9A CN113524262A (zh) | 2021-08-20 | 2021-08-20 | 摄像机器人虚实融合精度优化装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110960301.9A CN113524262A (zh) | 2021-08-20 | 2021-08-20 | 摄像机器人虚实融合精度优化装置和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113524262A true CN113524262A (zh) | 2021-10-22 |
Family
ID=78091894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110960301.9A Pending CN113524262A (zh) | 2021-08-20 | 2021-08-20 | 摄像机器人虚实融合精度优化装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113524262A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110023227A (ko) * | 2009-08-31 | 2011-03-08 | 가톨릭대학교 산학협력단 | 가상 공간과 현실 공간을 연계한 로봇 게임 시스템 |
JP2011124634A (ja) * | 2009-12-08 | 2011-06-23 | Nippon Hoso Kyokai <Nhk> | ロボットカメラ及びバーチャルスタジオシステム |
CN102806560A (zh) * | 2012-08-24 | 2012-12-05 | 电子科技大学 | 一种可自动消除机器人运动累积误差的方法 |
US20130131865A1 (en) * | 2011-11-22 | 2013-05-23 | Disney Enterprises, Inc. | Kinematic and Dynamic Calibration Methods for Legged Robots with Force-Controlled Joints |
CN103170979A (zh) * | 2013-02-06 | 2013-06-26 | 华南理工大学 | 基于惯性测量仪的在线机器人参数辨识方法 |
CN106247932A (zh) * | 2016-07-25 | 2016-12-21 | 天津大学 | 一种基于摄影系统的机器人在线误差补偿装置及方法 |
JP2017104944A (ja) * | 2015-12-10 | 2017-06-15 | ファナック株式会社 | 仮想物体の画像をロボットの映像に重畳表示する映像表示装置を備えるロボットシステム |
CN106965173A (zh) * | 2017-03-06 | 2017-07-21 | 浙江大学 | 一种小型工业机械手的学习控制方法 |
CN108519081A (zh) * | 2018-03-24 | 2018-09-11 | 北京工业大学 | 一种工业机器人高精度检测装置 |
CN110053050A (zh) * | 2019-04-22 | 2019-07-26 | 珠海格力智能装备有限公司 | 机器人轨迹精度的补偿方法及装置、存储介质、处理器 |
WO2019148431A1 (zh) * | 2018-02-01 | 2019-08-08 | 深圳市大疆创新科技有限公司 | 多关节机构标定的方法、装置和计算机系统 |
CN110465942A (zh) * | 2019-07-26 | 2019-11-19 | 深圳前海达闼云端智能科技有限公司 | 位姿补偿方法、装置、存储介质和电子设备 |
CN111947650A (zh) * | 2020-07-14 | 2020-11-17 | 杭州瑞声海洋仪器有限公司 | 基于光学追踪与惯性追踪的融合定位系统及方法 |
CN212519183U (zh) * | 2020-09-01 | 2021-02-09 | 太仓中科信息技术研究院 | 一种用于摄像机器人的虚拟拍摄系统 |
-
2021
- 2021-08-20 CN CN202110960301.9A patent/CN113524262A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110023227A (ko) * | 2009-08-31 | 2011-03-08 | 가톨릭대학교 산학협력단 | 가상 공간과 현실 공간을 연계한 로봇 게임 시스템 |
JP2011124634A (ja) * | 2009-12-08 | 2011-06-23 | Nippon Hoso Kyokai <Nhk> | ロボットカメラ及びバーチャルスタジオシステム |
US20130131865A1 (en) * | 2011-11-22 | 2013-05-23 | Disney Enterprises, Inc. | Kinematic and Dynamic Calibration Methods for Legged Robots with Force-Controlled Joints |
CN102806560A (zh) * | 2012-08-24 | 2012-12-05 | 电子科技大学 | 一种可自动消除机器人运动累积误差的方法 |
CN103170979A (zh) * | 2013-02-06 | 2013-06-26 | 华南理工大学 | 基于惯性测量仪的在线机器人参数辨识方法 |
JP2017104944A (ja) * | 2015-12-10 | 2017-06-15 | ファナック株式会社 | 仮想物体の画像をロボットの映像に重畳表示する映像表示装置を備えるロボットシステム |
CN106247932A (zh) * | 2016-07-25 | 2016-12-21 | 天津大学 | 一种基于摄影系统的机器人在线误差补偿装置及方法 |
CN106965173A (zh) * | 2017-03-06 | 2017-07-21 | 浙江大学 | 一种小型工业机械手的学习控制方法 |
WO2019148431A1 (zh) * | 2018-02-01 | 2019-08-08 | 深圳市大疆创新科技有限公司 | 多关节机构标定的方法、装置和计算机系统 |
CN108519081A (zh) * | 2018-03-24 | 2018-09-11 | 北京工业大学 | 一种工业机器人高精度检测装置 |
CN110053050A (zh) * | 2019-04-22 | 2019-07-26 | 珠海格力智能装备有限公司 | 机器人轨迹精度的补偿方法及装置、存储介质、处理器 |
CN110465942A (zh) * | 2019-07-26 | 2019-11-19 | 深圳前海达闼云端智能科技有限公司 | 位姿补偿方法、装置、存储介质和电子设备 |
CN111947650A (zh) * | 2020-07-14 | 2020-11-17 | 杭州瑞声海洋仪器有限公司 | 基于光学追踪与惯性追踪的融合定位系统及方法 |
CN212519183U (zh) * | 2020-09-01 | 2021-02-09 | 太仓中科信息技术研究院 | 一种用于摄像机器人的虚拟拍摄系统 |
Non-Patent Citations (1)
Title |
---|
蔡自兴: "《机器人学基础》", 31 January 2021 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109540126B (zh) | 一种基于光流法的惯性视觉组合导航方法 | |
JP4876204B2 (ja) | 小型姿勢センサ | |
CN110132309B (zh) | 一种采煤机摇臂惯性/视觉组合定姿装置标定方法 | |
JP5027747B2 (ja) | 位置測定方法、位置測定装置、およびプログラム | |
JP5027746B2 (ja) | 位置測定方法、位置測定装置、およびプログラム | |
WO2010001940A1 (ja) | 位置測定方法、位置測定装置、およびプログラム | |
CN110533719B (zh) | 基于环境视觉特征点识别技术的增强现实定位方法及装置 | |
CN111380514A (zh) | 机器人位姿估计方法、装置、终端及计算机存储介质 | |
CN110987021B (zh) | 一种基于转台基准的惯性视觉相对姿态标定方法 | |
CN113052908A (zh) | 一种基于多传感器数据融合的移动机器人位姿估计算法 | |
JPH0328714A (ja) | 走査型センサ用測定および制御システム | |
JP2019056571A (ja) | 測量システム | |
CN113763479B (zh) | 一种折反射全景相机与imu传感器的标定方法 | |
CN114216456A (zh) | 一种基于imu与机器人本体参数融合的姿态测量方法 | |
CN110411443B (zh) | 一种采煤机摇臂惯性/视觉组合定姿装置和方法 | |
CN109990801B (zh) | 基于铅垂线的水平仪装配误差标定方法 | |
TWI726536B (zh) | 影像擷取方法及影像擷取設備 | |
CN216577944U (zh) | 基于光学惯性跟踪的摄像机器人虚实融合精度优化装置 | |
CN113524262A (zh) | 摄像机器人虚实融合精度优化装置和方法 | |
CN114543786B (zh) | 一种基于视觉惯性里程计的爬壁机器人定位方法 | |
CN116817896A (zh) | 一种基于扩展卡尔曼滤波的姿态解算方法 | |
CN115855063A (zh) | 基于绝对姿态递推修正的交会对接敏感器数据预处理方法 | |
CN112161639B (zh) | 一种基于角度光流法的垂直双目惯导里程计及其计算方法 | |
Kim et al. | Rover mast calibration, exact camera pointing, and camera handoff for visual target tracking | |
CN114383612A (zh) | 一种视觉辅助惯性差分位姿测量系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211022 |