CN113733078B - 机械臂精调控制量判读方法、计算机可读存储介质 - Google Patents
机械臂精调控制量判读方法、计算机可读存储介质 Download PDFInfo
- Publication number
- CN113733078B CN113733078B CN202010460732.4A CN202010460732A CN113733078B CN 113733078 B CN113733078 B CN 113733078B CN 202010460732 A CN202010460732 A CN 202010460732A CN 113733078 B CN113733078 B CN 113733078B
- Authority
- CN
- China
- Prior art keywords
- scene image
- real
- image
- mechanical arm
- time scene
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种机械臂精调控制量判读方法、计算机可读存储介质,该方法包括:预存目标场景图像;获取实时场景图像;在所述目标场景图像和所述实时场景图像中分别提取参考尺度标志,根据两图像之间的尺度关系对所述实时场景图像进行校正得到校正图像,其中所述校正图像与所述目标场景图像的成像尺寸相同;根据所述实时场景图像与所述校正图像之间的尺度变化关系确定所述机械臂在光轴方向的待运动量;在所述目标场景图像以及所述校正图像中分别提取定位参考点,根据两个定位参考点之间的位置偏差计算所述机械臂在垂直光轴方向上的待运动量。该方法不要求相机具备精确或有效的相机位置姿态标定参数就能够测量到精确的控制量,适应性强。
Description
技术领域
本发明是关于测控技术领域,特别是关于一种机械臂精调控制量判读方法、计算机可读存储介质。
背景技术
机械臂运动控制中的关键步骤是机械臂末端(机械手或者操作夹持手)与操作对象(抓取目标、放样位置)的相对位置测量。现有的方法一类是在机械臂末端安装高性能相机,通过在机械臂控制器中搭载复杂的手眼系统,机械臂控制器实时处理手眼系统的成像信息,利用视野中合作目标的图像信息进行解算。另外一类典型的解决方法为在机械臂自身之外的工作场景中安装视觉监控测量或有源监控测量系统设备,利用独立于机械臂自身的设备和处理系统实时处理测量数据,把机械臂与操作对象之间相对位置关系解算结果传给机械臂控制系统。
发明人在实现本发明的过程中发现,基于机械臂手眼系统的相对位置测量方法的缺点是专业性需求强,需要专业人员对相机参数、合作目标三维结构进行事先标定,工作条件变化后工作能力将失效,该方法对自动处理的适应性还有待进一步提高,对工作环境要求高,对显著的光照变化、目标变化等外界干扰的适应能力较差。
而基于监控图像解算的相对位置测量方法常用在工作环境单一的领域,需要双目或多目相机对目标和机械臂同时成像,工作范围小,精度较难保证。
而基于有源传感器监控的相对位置测量方法在机械臂末端安装激光测距仪或红外主动测距仪等有源测距设备,通过有源设备探测数据的处理,计算机械臂与操作目标之间的相对位置,这也是一种自反馈的处理系统,缺点是是成本高、使用维护专业性要求高,设备体积重量较大。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种机械臂精调控制量判读方法、计算机可读存储介质,其不要求相机具备精确或有效的相机位置姿态标定参数就能够测量到精确的控制量,适应性强。
为实现上述目的,本发明提供了一种机械臂精调控制量判读方法,其中,所述机械臂上安装有相机,所述机械臂精调控制量判读方法包括:预存目标场景图像,其中所述目标场景图像是所述机械臂运动到目标位置状态下所述相机拍摄的垂直于光轴方向的图像;获取实时场景图像,其中所述实时场景图像是所述机械臂在当前位置状态下所述相机拍摄的垂直于光轴方向的图像;在所述目标场景图像和所述实时场景图像中分别提取参考尺度标志,根据两图像之间的尺度关系对所述实时场景图像进行校正得到校正图像,其中所述校正图像与所述目标场景图像的成像尺寸相同;根据所述实时场景图像与所述校正图像之间的尺度变化关系确定所述机械臂在光轴方向的待运动量;在所述目标场景图像以及所述校正图像中分别提取定位参考点,根据两个定位参考点之间的位置偏差计算所述机械臂在垂直光轴方向上的待运动量。
在本发明的一实施方式中,在所述目标场景图像和所述实时场景图像中分别提取参考尺度标志,根据两图像之间的尺度关系对所述实时场景图像进行校正包括:在所述目标场景图像上提取第一特征点和第二特征点,记录所述第一特征点和所述第二特征点在所述目标场景图像上的位置坐标;在所述实时场景图像上分别提取所述第一特征点和所述第二特征点的同名匹配点,记录所述第一特征点的同名匹配点在所述实时场景图像中的位置坐标,以及记录所述第二特征点的同名匹配点在所述实时场景图像中的位置坐标;分别计算所述目标场景图像和所述实时场景图像的特征尺度;计算对所述实时场景图像进行校正的缩放系数;根据所述实时场景图像上的光心坐标以及所述缩放系数计算所述校正图像与所述实时场景图像的点对应关系,基于双线性插值方法重采样生成所述实时场景图像对应的校正图像。
在本发明的一实施方式中,分别计算所述目标场景图像和所述实时场景图像的特征尺度包括:根据第一式子计算所述目标场景图像的特征尺度d0,其中,所述第一式子为 为所述第一特征点在所述目标场景图像上的位置坐标,为所述第二特征点在所述目标场景图像上的位置坐标,根据第二式子计算所述实时场景图像的特征尺度di,其中,所述第二式子为 为所述第一特征点在所述实时场景图像上的位置坐标,为所述第二特征点在所述实时场景图像上的位置坐标。
在本发明的一实施方式中,计算对所述实时场景图像进行校正的缩放系数包括:根据第三式子计算所述缩放系数ki,其中,所述第三式子为ki=d0/di。
在本发明的一实施方式中,根据所述实时场景图像上的光心坐标以及所述缩放系数计算所述校正图像与所述实时场景图像的点对应关系,基于双线性插值方法重采样生成所述实时场景图像对应的校正图像包括:获取所述实时场景图像的光心坐标PC(xC,yC);确定所述校正图像上的点pi′(xi′,yi′)与所述实时场景图上的图像点pi(xi,yi)的对应关系,其中,所述对应关系为xi=xC+(xi′-xC)/ki以及yi=yC+(yi′-yC)/ki;根据所述对应关系,对所述校正图像上每一个像素点确定其对应的实时场景图上的同名点的位置,并计算该同名点的像素灰度值,将该像素灰度值赋予所述校正图像上该像素点的灰度,从而得到所述校正图像。
在本发明的一实施方式中,根据所述实时场景图像与所述校正图像之间的尺度变化关系确定所述机械臂在光轴方向的待运动量包括:确定所述第一特征点和所述第二特征点之间的实际物理尺度D0;根据第四式子计算所述机械臂在光轴方向的待运动量ΔZ,其中,所述第四式子为其中f为所述机械臂的相机焦距。
在本发明的一实施方式中,根据两个定位参考点之间的位置偏差计算所述机械臂在垂直光轴方向上的待运动量包括:在所述校正图像上提取所述第一特征点的同名匹配点,记录所述第一特征点的同名匹配点在所述校正图像中的位置坐标根据第五式子计算所述目标场景图像的空间分辨率r0,其中,所述第五式子为r0=D0/d0;根据所述第一特征点在所述目标场景图像上的坐标所述第一特征点的同名匹配点在所述校正图像中的位置坐标以及所述空间分辨率r0计算所述机械臂在垂直光轴的平面上的第一方向上的待运动量ΔX和第二方向上的待运动量ΔY。
本发明还提供了一种计算机可读存储介质,该计算机可读存储介质用于执行上述任一实施方式所述的机械臂精调控制量判读方法。
与现有技术相比,根据本发明的机械臂精调控制量判读方法根据目标参考尺度和参考标志点为依据,对精调操作过程中机械臂载相机正视角下当前状态成像和目标位置成像的对比判读,经过图像校正、偏移量计算等处理,得到机械臂操作机构相对最终操作位置的精确距离。相对于基于手眼系统和机械臂外部监控图像解算的方法,本发明的方法不要求相机具备精确或有效的相机位置姿态标定参数,可解决无相机精确标定参数及相机参数失效情况下的运动控制量的计算问题,增强机械臂操控过程与操作目标相对位置测量方法的适应性,相对于立体视觉的需要双目公共视场的相对位置测量,本方法可获得更大的公共视场,工作适应能力更强。此外相对于有源传感器测量方法,本方法属于被动测量设备,设备体积重量及能耗较小,适应灵活性强。
附图说明
图1是根据本发明一实施方式的机械臂精调控制量判读方法的步骤组成;
图2是根据本发明一实施方式的机械臂运动过程位置成像判读的相机配置示意图;
图3是根据本发明一实施方式的目标场景图像示意图;
图4是根据本发明一实施方式的实时场景图像示意图;
图5是根据本发明一实施方式的校正图像示意图。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。
为了克服现有技术的问题,本发明提出了一种机械臂精调控制量判读方法,在成像区域具备垂直于光轴方向排布的目标参考尺度和参考标志点的前提下(如两个特征点、或者圆形、矩形等特征标志),根据对精调操作过程中机械臂载相机正视角下当前状态成像和目标位置成像的对比判读,经过图像校正、偏移量计算等处理,得到机械臂操作机构末端相对最终操作位置(操作目标、放样目标位置)的精确距离,为机械臂运动控制提供引导信息。
图1是根据本发明一实施方式的机械臂精调控制量判读方法的步骤组成。该方法包括步骤S1~步骤S5。
在步骤S1中预存目标场景图像。其中,所述目标场景图像是所述机械臂运动到目标位置状态下所述相机拍摄的垂直于光轴方向的图像。
在步骤S2中获取实时场景图像。其中,所述实时场景图像是所述机械臂在当前位置状态下所述相机拍摄的垂直于光轴方向的图像。
在步骤S3中对实时场景图像进行校正,使得得到的校正图像与目标场景图像的成像尺寸相同。具体地,在所述目标场景图像和所述实时场景图像中分别提取参考尺度标志,根据两图像之间的尺度关系对所述实时场景图像进行校正得到校正图像,其中所述校正图像与所述目标场景图像的成像尺寸相同。参考尺度标志可以是两个特征点,也可以是一个特征点和一个参考尺度,如标志圆的圆心与半径。
在步骤S4中根据所述实时场景图像与所述校正图像之间的尺度变化关系确定所述机械臂在光轴方向的待运动量。
在步骤S5中计算机械臂在垂直光轴方向上的待运动量。在所述目标场景图像以及所述校正图像中分别提取定位参考点,根据两个定位参考点之间的位置偏差计算所述机械臂在垂直光轴的方向上的待运动量。
具体而言,在本实施方式中,机械臂运动过程位置成像判读的相机典型配置如图2所示,相机安装于机械臂末端,相机光轴垂直于目标区域平面,在工作过程中该相机能对目标区域成像,运动控制工作为坐标系O-XYZ,平面O-XY平行于标志区平面。本方法中选择视野区内可识别目标作为判读辅助标志,标志可以选择为两个特征点,如图2中点P1 0和在其他实施方式中,对于成像范围内没有两个特征点标志的场景,可基于一个特征标志点和一个参考尺度来实施,如具有圆形标志可采用圆半径作为参考尺度,圆心作为特征点标志,参考本实施方式的步骤实施。
本实施方式的具体步骤如下。
首先获取目标场景图像和实时场景图像。事先获取机械臂到目标位置的机械臂载相机的成像A,如图3所示。在目标场景图像A中,选取特征点和以两点位置为中心,选取各自附近的图像作为匹配模板,分别为和在机械臂运动的状态i,使用机械臂载相机对特征点视野进行采集成像,获取实时场景图像Ai,如图4所示。
然后进行实时场景图像校正得到校正图像。如图5所示为校正图像Ai′。根据目标场景图像A上特征点和的图像坐标位置和确定实时场景图像Ai上相应特征点位置的初始值,利用两个模板图像和在实时场景图像Ai上进行匹配定位,获取同名匹配点和其坐标分别为和计算实时场景图像Ai和目标场景图像A上特征尺度di和d0,计算方法为:计算实时校正的缩放系数ki,方法为:ki=d0/di;计算校正图像Ai′与实时场景图像Ai的点对应关系,基于双线性插值方法重采样生成实时场景图Ai对应的校正图像Ai′,具体而言,获取所述实时场景图像Ai的光心坐标PC(xC,yC),确定所述校正图像Ai′上的点pi′(xi′,yi′)与所述实时场景图Ai上的图像点pi(xi,yi)的对应关系,其中,所述对应关系为xi=xC+(xi′-xC)/ki以及yi=yC+(yi′-yC)/ki,根据所述对应关系,对所述校正图像Ai′上每一个像素点确定其对应的实时场景图上Ai的同名点的位置,并计算该同名点的像素灰度值,将该像素灰度值赋予所述校正图像Ai′上该像素点的灰度,逐一像素点进行该步计算,从而得到校正图像Ai′。
最后计算X和Y方向(垂直光轴方向)的待运动量。根据目标场景图像A上特征点的图像坐标位置确定校正图像Ai′上相应特征点位置的初始值,利用模板图像在校正图像Ai′上进行匹配定位,获取同名匹配点其坐标为计算X方向运动量待运动量ΔX,其计算方法为式中r0为标准图的空间分辨率,计算方法为r0=D0/d0;计算Y方向运动量待运动量ΔY,其计算方法为
基于同样的发明构思,本实施方式还提供了一种计算机可读存储介质,该计算机可读存储介质用于执行上述实施方式的机械臂精调控制量判读方法。
综上所述,根据本实施方式的机械臂精调控制量判读方法根据目标参考尺度和参考标志点为依据,对精调操作过程中机械臂载相机正视角下当前状态成像和目标位置成像的对比判读,经过图像校正、偏移量计算等处理,得到机械臂操作机构末端相对最终操作位置(操作目标、放样目标位置)的精确距离。相对于基于手眼系统和机械臂外部监控图像解算的方法,本实施方式的方法不要求相机具备精确或有效的相机位置姿态标定参数,可解决无相机精确标定参数及相机参数失效情况下的运动控制量的计算问题,增强机械臂操控过程与操作目标相对位置测量方法的适应性,相对于立体视觉的需要双目公共视场的相对位置测量,本方法可获得更大的公共视场,工作适应能力更强。此外相对于有源传感器测量方法,本方法属于被动测量设备,设备体积重量及能耗较小,适应灵活性强。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (9)
1.一种机械臂精调控制量判读方法,其中,所述机械臂上安装有相机,其特征在于,所述机械臂精调控制量判读方法包括:
预存目标场景图像,其中所述目标场景图像是所述机械臂运动到目标位置状态下所述相机拍摄的垂直于光轴方向的图像;
获取实时场景图像,其中所述实时场景图像是所述机械臂在当前位置状态下所述相机拍摄的垂直于光轴方向的图像;
在所述目标场景图像和所述实时场景图像中分别提取参考尺度标志,根据两图像之间的尺度关系对所述实时场景图像进行校正得到校正图像,其中所述校正图像与所述目标场景图像的成像尺寸相同;在所述目标场景图像和所述实时场景图像中分别提取参考尺度标志,根据两图像之间的尺度关系对所述实时场景图像进行校正包括:
在所述目标场景图像上提取第一特征点和第二特征点,记录所述第一特征点和所述第二特征点在所述目标场景图像上的位置坐标;
在所述实时场景图像上分别提取所述第一特征点和所述第二特征点的同名匹配点,记录所述第一特征点的同名匹配点在所述实时场景图像中的位置坐标,以及记录所述第二特征点的同名匹配点在所述实时场景图像中的位置坐标;
分别计算所述目标场景图像和所述实时场景图像的特征尺度;
计算对所述实时场景图像进行校正的缩放系数;以及
根据所述实时场景图像上的光心坐标以及所述缩放系数计算所述校正图像与所述实时场景图像的点对应关系,基于双线性插值方法重采样生成所述实时场景图像对应的校正图像;
根据所述实时场景图像与所述校正图像之间的尺度变化关系确定所述机械臂在光轴方向的待运动量;以及
在所述目标场景图像以及所述校正图像中分别提取定位参考点,根据两个定位参考点之间的位置偏差计算所述机械臂在垂直光轴方向上的待运动量。
3.如权利要求2所述的机械臂精调控制量判读方法,其特征在于,计算对所述实时场景图像进行校正的缩放系数包括:
根据第三式子计算所述缩放系数ki,其中,所述第三式子为ki=d0/di。
4.如权利要求3所述的机械臂精调控制量判读方法,其特征在于,根据所述实时场景图像上的光心坐标以及所述缩放系数计算所述校正图像与所述实时场景图像的点对应关系,基于双线性插值方法重采样生成所述实时场景图像对应的校正图像包括:
获取所述实时场景图像的光心坐标PC(xC,yC);
确定所述校正图像上的点pi′(xi′,yi′)与所述实时场景图上的图像点pi(xi,yi)的对应关系,其中,所述对应关系为xi=xC+(xi′-xC)/ki以及yi=yC+(yi′-yC)/ki;以及
根据所述对应关系,对所述校正图像上每一个像素点确定其对应的实时场景图上的同名点的位置,并计算该同名点的像素灰度值,将该像素灰度值赋予所述校正图像上该像素点的灰度,从而得到所述校正图像。
9.一种计算机可读存储介质,其特征在于,该计算机可读存储介质用于执行如权利要求1~8任一所述的机械臂精调控制量判读方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010460732.4A CN113733078B (zh) | 2020-05-27 | 2020-05-27 | 机械臂精调控制量判读方法、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010460732.4A CN113733078B (zh) | 2020-05-27 | 2020-05-27 | 机械臂精调控制量判读方法、计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113733078A CN113733078A (zh) | 2021-12-03 |
CN113733078B true CN113733078B (zh) | 2022-09-13 |
Family
ID=78723738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010460732.4A Active CN113733078B (zh) | 2020-05-27 | 2020-05-27 | 机械臂精调控制量判读方法、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113733078B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114979464B (zh) * | 2022-04-18 | 2023-04-07 | 中南大学 | 适配目标区域的工业摄像机视场角精准配置方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10525597B2 (en) * | 2014-11-21 | 2020-01-07 | Seiko Epson Corporation | Robot and robot system |
JP6126183B2 (ja) * | 2015-10-05 | 2017-05-10 | ファナック株式会社 | ターゲットマークを撮像するカメラを備えたロボットシステム |
CN106607874A (zh) * | 2015-10-26 | 2017-05-03 | 广明光电股份有限公司 | 机器手臂撷取影像的装置及方法 |
CN106182004B (zh) * | 2016-08-01 | 2019-08-23 | 上海交通大学 | 基于视觉引导的工业机器人自动销孔装配的方法 |
CN109421050B (zh) * | 2018-09-06 | 2021-03-26 | 北京猎户星空科技有限公司 | 一种机器人的控制方法及装置 |
CN109448054A (zh) * | 2018-09-17 | 2019-03-08 | 深圳大学 | 基于视觉融合的目标分步定位方法、应用、装置及系统 |
CN110660104A (zh) * | 2019-09-29 | 2020-01-07 | 珠海格力电器股份有限公司 | 工业机器人视觉识别定位抓取方法、计算机装置以及计算机可读存储介质 |
-
2020
- 2020-05-27 CN CN202010460732.4A patent/CN113733078B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113733078A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4021413B2 (ja) | 計測装置 | |
JP6180087B2 (ja) | 情報処理装置及び情報処理方法 | |
JP5815761B2 (ja) | 視覚センサのデータ作成システム及び検出シミュレーションシステム | |
JP6324025B2 (ja) | 情報処理装置、情報処理方法 | |
CN110842901B (zh) | 基于一种新型三维标定块的机器人手眼标定方法与装置 | |
KR20140008262A (ko) | 로봇 시스템, 로봇, 로봇 제어 장치, 로봇 제어 방법 및 로봇 제어 프로그램 | |
JP2011007632A (ja) | 情報処理装置、情報処理方法およびプログラム | |
JP7102115B2 (ja) | 校正方法、校正装置、3次元測定機、3次元視覚測定装置、ロボットのエンドエフェクタ、プログラム、記録媒体 | |
JP2017077614A (ja) | 教示点補正方法、プログラム、記録媒体、ロボット装置、撮影点作成方法、及び撮影点作成装置 | |
JPWO2018043525A1 (ja) | ロボットシステム、ロボットシステム制御装置、およびロボットシステム制御方法 | |
TWI493153B (zh) | 非接觸式物件空間資訊量測裝置與方法及取像路徑的計算方法 | |
US20190080471A1 (en) | Distance measurement system and distance measurement method | |
CN114714356A (zh) | 基于双目视觉的工业机器人手眼标定误差精确检测方法 | |
CN113733078B (zh) | 机械臂精调控制量判读方法、计算机可读存储介质 | |
JP2007533963A (ja) | 物体の3d位置の非接触式光学的測定方法及び測定装置 | |
CN110992416A (zh) | 基于双目视觉与cad模型的高反光面金属零件位姿测量方法 | |
Li et al. | A calibration algorithm of the structured light vision for the arc welding robot | |
JP2008281418A (ja) | 位置姿勢推定方法 | |
CN116394254A (zh) | 机器人的零点标定方法、装置、计算机存储介质 | |
CN114998422A (zh) | 一种基于误差补偿模型的高精快速三维定位系统 | |
JP2005186193A (ja) | ロボットのキャリブレーション方法および三次元位置計測方法 | |
Cheng et al. | New method and system of automatically moving a CMM probe tip into holes with submillimeter diameter and high aspect ratio | |
CN110866951A (zh) | 一种单目摄像机光轴倾斜的校正方法 | |
JP4240215B2 (ja) | ビデオ式3次元位置計測装置およびビデオ式伸び計並びにビデオ式幅計 | |
Cheng et al. | Self-Calibration Vision Method and System for Automatically Moving CMM Stylus Into Micro Holes |
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 |