CN114119709A - 一种用于低温型面原位测量的机器人测量装置及方法 - Google Patents

一种用于低温型面原位测量的机器人测量装置及方法 Download PDF

Info

Publication number
CN114119709A
CN114119709A CN202111326585.2A CN202111326585A CN114119709A CN 114119709 A CN114119709 A CN 114119709A CN 202111326585 A CN202111326585 A CN 202111326585A CN 114119709 A CN114119709 A CN 114119709A
Authority
CN
China
Prior art keywords
point cloud
measurement
mechanical arm
temperature
data
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
Application number
CN202111326585.2A
Other languages
English (en)
Inventor
张萌
唐斌运
李大海
霍涛
付琳琳
张荔哲
曾宪林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Aerospace Propulsion Testing Technique Institute
Original Assignee
Xian Aerospace Propulsion Testing Technique Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Aerospace Propulsion Testing Technique Institute filed Critical Xian Aerospace Propulsion Testing Technique Institute
Priority to CN202111326585.2A priority Critical patent/CN114119709A/zh
Publication of CN114119709A publication Critical patent/CN114119709A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Abstract

本发明涉及一种用于低温型面原位测量的机器人测量装置及方法，以解决目前机器人测量装置多次测量得到的数据进行曲面拼接时误差大，导致测量不准确的技术问题。该方法包括：标定机器人测量系统；基于标定后的系统进行常温测量；常温测量点云数据坐标转换；常温测量数据拼接包括关键点的搜索、关键点滤波、相邻次的关键点矩阵转换与数据拼接；常温尺寸计算；采用相同的方法进行低温测量、坐标系转换、数据拼接及低温尺寸计算；常温与低温数据对比。该系统中的机器人测量系统包括机械臂和设置在机械臂前端的三维形面测量仪，控制处理系统包括存储器及处理器，储存器中存储计算机程序，该程序在处理器中运行时执行上述方法。

Description

一种用于低温型面原位测量的机器人测量装置及方法
技术领域
本发明涉及机器人测量装置领域，具体涉及一种用于低温型面原位测量的机器人测量装置及方法。
背景技术
现有机器人测量系统采用在机械臂前端安装机器视觉三维形面尺寸测量仪的方式，集成搭建柔性测量系统。
在测试过程中，由机械臂带动三维形面尺寸测量仪绕低温设备一周进行测量，一周测量完成后步进，步进绕低温设备一周进行测量，重复以上过程直至低温形面测量完成。三维形面尺寸测量仪在基准距离下进行测试时测量范围约为4.5cm左右，对于相对较大尺寸低温设备无法一次性获得低温形面尺寸，需要将多次测试得到的数据进行分析和拼接，从而得到低温形面尺寸。多次测试得到的数据拼接过程中通常存在一定误差。
发明内容
本发明的目的在于解决目前机器人测量装置多次测量得到的数据进行曲面拼接时误差大，导致测量不准确的技术问题，提出一种用于低温型面原位测量的机器人测量装置及方法。
本发明提供的技术方案为：
一种用于低温型面原位测量的机器人测量方法，其特殊之处在于，基于机器人测量系统，机器人测量系统以机械臂零坐标系为参考坐标系；
包括以下步骤：
S1、采用标准球标定法对机器人测量系统使用过程中的多组姿态DH参数进行标定；
S2、常温测量：基于标定后的机器人测量系统，使用机械臂带动三维形面测量仪在三维形面测量仪测量基准范围内，选择合适的基准距离，以多组姿态绕常温待测件一周，共进行K次测量，得到常温待测件相对三维形面测量仪的K次测量点云数据，其中，K≥2且K为整数；
S3、坐标系转换：基于机器人测量系统多组姿态下标定的DH参数，将相对三维形面测量仪的K次测量点云数据转化为相对于机械臂零坐标系的K次测量点云数据；
S4、常温测量数据拼接：
基于机械臂零坐标系的K次测量点云数据，设定第L次测量的点云数据为当前测量点云集，第L+1次测量的点云数据为当前目标点云集，L＜K，且L为整数；
S4.1、根据测量点云集或目标点云集中相邻点云An与An+1之间的距离d与设定阈值y的关系，判断点云An+1是否为关键点，若d＞y，则点云An+1为关键点；若d＜y，则点云An+1不是关键点；
S4.2、利用统计滤波器对步骤S4.1筛选出的点云关键点进行滤波操作，去除不符合标准的关键点，得到测量点云集关键点和目标点云集关键点；
S4.3、计算测量点云集关键点与目标点云集关键点中欧氏距离最近的点，将欧氏距离最近的一系列点作为配准点；
根据公式
Figure BDA0003347388080000021
求解旋转矩阵R和平移向量T，当fm最小时，旋转矩阵R和平移向量T即为所求的旋转矩阵和平移向量；其中pi为测量点云集中的一个关键点，pji为目标点云集中与测量点云集中关键点pi对应的配准点，np为测得的点云集中的关键点个数；
之后根据公式p′i＝R·pi+T，使测量点云集坐标转化到目标点云集坐标拼接形成当前测量点云集，所述当前测量点云集为第L次测量的点云数据和第L+1次测量的点云数据的拼接点云数据，其中，p′i为测量点云集中关键点pi转化到目标点云集坐标后的点云；
S4.4、根据步骤S4.3中的当前测量点云集，和与当前测量点云集相邻的测量数据构成的当前目标点云集，重复步骤S4.1至步骤S4.3，按相邻顺序完成K次测量数据的拼接，最终得到同一坐标中包含K次测量点云数据的常温待测件点云集；
S5、常温特征尺寸计算：根据常温待测件点云集的空间坐标值，得出待测件的常温几何尺寸；
S6、低温测量：采用与步骤S2相同的基准距离对同一待测件在低温状态下，进行相同姿态的K次测量，得到低温待测件相对三维形面测量仪的K次测量点云数据；
S7、坐标系转换：基于机器人测量系统多组姿态下标定的DH参数，将步骤S6中低温待测件相对三维形面测量仪的K次测量点云数据转化为相对于机械臂零坐标系的K次测量点云数据；
S8、低温测量数据拼接：采用与步骤S4相同的方式对机械臂零坐标系下的点云数据进行数据拼接，得到包含K次测量点云数据的低温待测件点云集；
S9、低温特征尺寸计算：根据低温待测件点云集的空间坐标值，得出低温待测件的几何尺寸；
S10、对比常温和低温下待测件的相应参数的尺寸数据大小，获得待测件在低温下的形变数据。
进一步地，所述步骤S1中的标准球标定法具体过程为：
S1.1、将三维形面测量仪安装到机械臂前端，机械臂底端固定，以标准球为靶标，以标准球球心为定点，以已知球心距的标准球阵列为基准，将机械臂与标准球阵列之间的空间连线定义为等效机械臂，构成虚拟约束；
S1.2、设置一组机械臂姿态，分别测量并记录机械臂和标准球阵列的坐标，根据所述虚拟约束对机械臂姿态进行解算，完成该组机械臂姿态下机械臂的DH参数校正；
S1.3、设置其他机械臂姿态，重复步骤S1.2，直至多组姿态的机械臂DH参数校正完毕。
进一步地，步骤S4.2中利用统计滤波器对点云的关键点进行滤波操作具体为：将关键点数据输入统计滤波器，对输入的每一个关键点到相邻点的距离进行计算并求解平均距离，判断平均距离与标准范围的关系，若平均距离在标准范围内，则关键点保留，若平均距离在标准范围外，则关键点去除。
进一步地，所述三维形面测量仪的精度小于0.05mm。
进一步地，所述三维形面测量仪为线激光测量仪，测量得到时线激光点云。
本发明还提供一种用于低温型面原位测量的机器人测量装置，其特殊之处在于：包括机器人测量系统及控制处理系统；
所述机器人测量系统包括机械臂和设置在机械臂前端的三维形面测量仪；
所述机械臂用于带动三维形面测量仪进行移动；
所述控制处理系统包括存储器及处理器，储存器中存储计算机程序，该程序在处理器中运行时，执行以上所述的方法。
进一步地，所述三维形面测量仪的精度小于0.05mm。
进一步地，所述三维形面测量仪为线激光测量仪，测量结果线激光点云数据。
本发明的有益效果：
1、本发明提供的用于低温型面原位测量的机器人测量方法在数据拼接过程中，通过对点云数据中关键点的搜索和滤波操作，将最终选择的测量点云集关键点和目标点云集关键点中欧式距离最近的点进行配准，并且使测量点云集坐标转化到目标点云集坐标，完成相邻两次数据的拼接，这种每次都进行坐标统一的拼接方式，使点云数据关键点配准更加精确，进一步提高了测量数据准确性。
2、本发明提供的用于低温型面原位测量的机器人测量方法，将机器人测量系统测得的相对三维形面测量仪的多次测量点云数据转化为相对于机械臂零坐标系的点云数据，使多次数据的拼接过程处于同一个坐标系中，测量的数据准确性高，误差小。
3、本发明采用标准球标定法预先对机器人系统在测量过程中各组姿态的DH参数进行标定，而非采用机械臂出厂给出的DH参数，能够避免实际加工和安装过程中出现的偏差对测量的影响，提高了机器人系统DH参数的精度，增加数据测量的准确性。
附图说明
图1为本发明用于低温型面原位测量的机器人测量方法流程图。
具体实施方式
本实施例提供一种用于低温型面原位测量的机器人测量方法，包括以下步骤：
S1、搭建并标定测量系统：将三维形面测量仪安装到机械臂上，构成机器人测量系统，机器人测量系统与控制处理系统相连接，机器人测量系统以机械臂零坐标系为参考坐标系。
三维形面测量仪需满足精度小于0.05mm，具备质量轻、体积小的特性，能够安装在机械臂上，能够进行不锈钢反光面测量，并提供点云数据；机械臂需能够安装三维形面测量仪，一般通过制作相适配的夹具，使三维形面测量仪固定在机械臂上。
对于选定的机械臂，DH参数一般出厂都给出，但由于机械臂发热、未建模动态影响、实际加工安装偏差等，会导致机械臂DH参数会产生漂移，从而导致精度下降。因此，本实施例采用标准球标定法对机器人测量系统使用过程中多组姿态下的DH参数进行标定，具体过程为：
S1.1、将三维形面测量仪安装到机械臂前端，机械臂底端固定，以标准球为靶标，以标准球球心为定点，以已知球心距的标准球阵列为基准，将机械臂与标准球阵列之间的空间连线定义为等效机械臂，构成虚拟约束；
S1.2、设置一组机械臂姿态，分别测量并记录机械臂和标准球阵列的坐标，根据所述虚拟约束对机械臂姿态进行解算，完成该组机械臂姿态下机械臂的DH参数校正；
S1.3、设置其他机械臂姿态，重复步骤S1.2，直至多组姿态的机械臂DH参数校正完毕。
对于标定的机械臂的各组姿态是用于对待测件进行测量时，多次测量采用的姿态，在使用前，对各组机械臂姿态使用标准球标定法进行标定，并由控制处理系统将各组机械臂姿态进行保存，在进行测量时，按照标定的各组机械臂姿态进行测量。
S2、常温测量：基于标定后的机器人测量系统，使用机械臂带动三维形面测量仪在三维形面测量仪测量基准范围内，选择合适的基准距离，以多组姿态绕常温待测件一周，共进行K次测量，得到常温待测件相对三维形面测量仪的K次测量点云数据；该K次测量点云数据为线激光点云数据，其中，K≥2且K为整数。
三维形面测量仪测量基准范围是指测量仪对待测件测量准确度和精度较高时，测量仪与待测件的距离范围。
S3、坐标系转换：基于机器人测量系统多组姿态下标定的DH参数，将相对三维形面测量仪的K次测量点云数据转化为相对于机械臂零坐标系的K次测量点云数据；
将K次测量点云数据转化到统一的坐标系中，有利于提高数据拼接的准确度。
S4、常温测量数据拼接：
基于机械臂零坐标系的K次测量点云数据，本实施例设定第1次测量的点云数据为当前测量点云集，第2次测量的点云数据为当前目标点云集；
S4.1根据测量点云集或目标点云集中相邻点云An与An+1之间的距离d与设定阈值y的关系，判断点云An+1是否为关键点，若d＞y，则点云An+1为关键点；若d＜y，则点云An+1不是关键点；其中，阈值为根据测试结果得到的经验值。
S4.2利用统计滤波器对步骤S4.1筛选出的点云关键点进行滤波操作，去除不符合标准的关键点，得到测量点云集关键点和目标点云集关键点。
具体方法为：将关键点数据输入统计滤波器，对输入的每一个关键点到相邻点的距离进行计算并求解平均距离，判断平均距离与标准范围的关系，若平均距离在标准范围内，则关键点保留，若平均距离在标准范围外，则关键点为噪声点或错误点，将其去除。
标准范围是根据点云关键点的分布特征来确定，每个测量出的点云数据都表达一定的信息量，一个区域的点云越密集则可能信息量就越大，而噪音点或错误点是属于无用信息或信息量很小。考虑到离群点云的特征，通过计算一个点云关键点到相邻点的距离，求解平均距离和方差，并规定方差在3σ之外的点即为标准范围之外，予以剔除。
S4.3计算测量点云集关键点与目标点云集关键点中欧氏距离最近的点，将欧氏距离最近的一系列点作为配准点；
根据公式
Figure BDA0003347388080000081
求解旋转矩阵R和平移向量T，当fm最小时，旋转矩阵R和平移向量T即为所求的旋转矩阵和平移向量；其中pi为测量点云集中的一个关键点，pji为目标点云集中与测量点云集中关键点pi对应的配准点，np为测得的点云集中的关键点个数；
之后根据公式：p′i＝R·pi+T，使测量点云集坐标转化到目标点云集坐标拼接形成当前测量点云集，所述当前测量点云集为第1次测量的点云数据和第2次测量的点云数据的拼接点云数据，其中，p′i为测量点云集中关键点pi转化到目标点云集坐标后的点云；
S4.4根据步骤S4.3中的当前测量点云集，第3次测量的点云数据构成的当前目标点云集，重复步骤S4.1至步骤S4.3，依次序完成K次测量数据的拼接，最终得到同一坐标中包含K次测量点云数据的常温待测件点云集；
S5、常温特征尺寸计算：根据常温待测件点云集的空间坐标值，得出待测件的常温几何尺寸；
S6、低温测量：采用与步骤S2相同的基准距离对同一待测件在低温状态下，进行相同姿态的K次测量，得到低温待测件相对三维形面测量仪的K次测量点云数据；
S7、坐标系转换：基于机器人测量系统多组姿态下标定的DH参数，将步骤S6中低温待测件相对三维形面测量仪的K次测量点云数据转化为相对于机械臂零坐标系的K次测量点云数据；
S8、低温测量数据拼接：采用与步骤S4相同的方式对机械臂零坐标系下的点云数据进行数据拼接，得到包含K次测量点云数据的低温待测件点云集；
S9、低温特征尺寸计算：根据低温待测件点云集的空间坐标值，得出低温待测件的几何尺寸；
S10、对比常温和低温下待测件的相应参数的尺寸数据大小，获得待测件在低温下的形变数据。

Claims (8)

1.一种用于低温型面原位测量的机器人测量方法，其特征在于，基于机器人测量系统，机器人测量系统以机械臂零坐标系为参考坐标系；
包括以下步骤：
S1、采用标准球标定法对机器人测量系统使用过程中的多组姿态DH参数进行标定；
S2、常温测量：基于标定后的机器人测量系统，使用机械臂带动三维形面测量仪在三维形面测量仪测量基准范围内，选择合适的基准距离，以多组姿态绕常温待测件一周，共进行K次测量，得到常温待测件相对三维形面测量仪的K次测量点云数据，其中，K≥2且K为整数；
S3、坐标系转换：基于机器人测量系统多组姿态下标定的DH参数，将相对三维形面测量仪的K次测量点云数据转化为相对于机械臂零坐标系的K次测量点云数据；
S4、常温测量数据拼接：
基于机械臂零坐标系下的K次测量点云数据，设定第L次测量的点云数据为当前测量点云集，第L+1次测量的点云数据为当前目标点云集，L＜K，且L为整数；
S4.1根据测量点云集或目标点云集中相邻点云An与An+1之间的距离d与设定阈值y的关系，判断点云An+1是否为关键点，若d＞y，则点云An+1为关键点；若d＜y，则点云An+1不是关键点；
S4.2利用统计滤波器对步骤S4.1筛选出的点云关键点进行滤波操作，去除不符合标准的关键点，得到测量点云集关键点和目标点云集关键点；
S4.3计算测量点云集关键点与目标点云集关键点中欧氏距离最近的点，将欧氏距离最近的一系列点作为配准点；
根据公式
Figure FDA0003347388070000021
求解旋转矩阵R和平移向量T，当fm最小时，旋转矩阵R和平移向量T即为所求的旋转矩阵和平移向量；其中pi为测量点云集中的一个关键点，pji为目标点云集中与测量点云集中关键点pi对应的配准点，np为测得的点云集中的关键点个数；
之后根据公式p′i＝R·pi+T，使测量点云集坐标转化到目标点云集坐标拼接形成当前测量点云集，所述当前测量点云集为第L次测量的点云数据和第L+1次测量的点云数据的拼接点云数据，其中，p′i为测量点云集中关键点pi转化到目标点云集坐标后的点云；
S4.4根据步骤S4.3中的当前测量点云集，和与当前测量点云集相邻次测量数据构成的当前目标点云集，重复步骤S4.1至步骤S4.3，按相邻顺序依次完成K次测量数据的拼接，最终得到同一坐标中包含K次测量点云数据的常温待测件点云集；
S5、常温特征尺寸计算：根据常温待测件点云集的空间坐标值，得出常温待测件的几何尺寸；
S6、低温测量：采用与步骤S2相同的基准距离对同一待测件在低温状态下，进行相同姿态的K次测量，得到低温待测件相对三维形面测量仪的K次测量点云数据；
S7、坐标系转换：基于机器人测量系统多组姿态下标定的DH参数，将步骤S6中低温待测件相对三维形面测量仪的K次测量点云数据转化为相对于机械臂零坐标系的点云数据；
S8、低温测量数据拼接：采用与步骤S4相同的方式对机械臂零坐标系下的点云数据进行数据拼接，得到包含K次测量点云数据的低温待测件点云集；
S9、低温特征尺寸计算：根据低温待测件点云集的空间坐标值，得出低温待测件的几何尺寸；
S10、对比常温和低温下待测件的相应参数的尺寸数据大小，获得待测件在低温下的形变数据。
2.根据权利要求1所述的用于低温型面原位测量的机器人测量方法，其特征在于，所述步骤S1中的标准球标定法具体过程为：
S1.1、将三维形面测量仪安装到机械臂前端，机械臂底端固定，以标准球为靶标，以标准球球心为定点，以已知球心距的标准球阵列为基准，将机械臂与标准球阵列之间的空间连线定义为等效机械臂，构成虚拟约束；
S1.2、设置一组机械臂姿态，分别测量并记录机械臂和标准球阵列的坐标，根据所述虚拟约束对机械臂姿态进行解算，完成该组机械臂姿态下机械臂的DH参数校正；
S1.3、设置其他机械臂姿态，重复步骤S1.2，直至多组姿态的机械臂DH参数校正完毕。
3.根据权利要求1或2所述的用于低温型面原位测量的机器人测量方法，其特征在于，步骤S4.2中利用统计滤波器对点云的关键点进行滤波操作具体为：将关键点数据输入统计滤波器，对输入的每一个关键点到相邻点的距离进行计算并求解平均距离，判断平均距离与标准范围的关系，若平均距离在标准范围内，则关键点保留，若平均距离在标准范围外，则关键点去除。
4.根据权利要求3所述的用于低温型面原位测量的机器人测量方法，其特征在于：所述三维形面测量仪的精度小于0.05mm。
5.根据权利要求4所述的用于低温型面原位测量的机器人测量方法，其特征在于：所述三维形面测量仪为线激光测量仪，测量结果为线激光点云数据。
6.一种用于低温型面原位测量的机器人测量装置，其特征在于：包括机器人测量系统及控制处理系统；
所述机器人测量系统包括机械臂和设置在机械臂前端的三维形面测量仪；
所述机械臂用于带动三维形面测量仪进行移动；
所述控制处理系统包括存储器及处理器，储存器中存储计算机程序，该程序在处理器中运行时，执行权利要求1-5任一所述的方法。
7.根据权利要求6所述的用于低温型面原位测量的机器人测量装置，其特征在于：所述三维形面测量仪的精度小于0.05mm。
8.根据权利要求7所述的用于低温型面原位测量的机器人测量装置，其特征在于：所述三维形面测量仪为线激光测量仪，测量结果为线激光点云数据。
CN202111326585.2A 2021-11-10 2021-11-10 一种用于低温型面原位测量的机器人测量装置及方法 Pending CN114119709A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111326585.2A CN114119709A (zh) 2021-11-10 2021-11-10 一种用于低温型面原位测量的机器人测量装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111326585.2A CN114119709A (zh) 2021-11-10 2021-11-10 一种用于低温型面原位测量的机器人测量装置及方法

Publications (1)

Publication Number Publication Date
CN114119709A true CN114119709A (zh) 2022-03-01

Family

ID=80378024

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111326585.2A Pending CN114119709A (zh) 2021-11-10 2021-11-10 一种用于低温型面原位测量的机器人测量装置及方法

Country Status (1)

Country Link
CN (1) CN114119709A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117549330A (zh) * 2024-01-11 2024-02-13 四川省铁路建设有限公司 一种施工安全监测机器人系统及控制方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117549330A (zh) * 2024-01-11 2024-02-13 四川省铁路建设有限公司 一种施工安全监测机器人系统及控制方法
CN117549330B (zh) * 2024-01-11 2024-03-22 四川省铁路建设有限公司 一种施工安全监测机器人系统及控制方法

Similar Documents

Publication Publication Date Title
CN107042527B (zh) 一种基于三维力传感器的工业机器人标定装置及标定方法
CN105058387A (zh) 基于激光跟踪仪的一种工业机器人基坐标系标定方法
CN112415493A (zh) 三维扫描激光雷达坐标误差修正方法
CN110715769A (zh) 多点法质心测量设备的称重传感器受力点位置标定方法
CN110211174B (zh) 曲面测量装置标定的方法、设备和存储介质
CN112361957B (zh) 一种多个定位器空间位置关系测量与调整方法
CN110220454A (zh) 一种三坐标定位机构的位姿标定方法
CN114119709A (zh) 一种用于低温型面原位测量的机器人测量装置及方法
CN106671081B (zh) 一种基于单目视觉的少自由度机器人运动学标定方法
CN111256592A (zh) 结构光传感器的外参标定装置及方法
CN114589692A (zh) 一种机器人零点标定方法及其标定设备
CN113503813B (zh) 六自由度运动平台线位移定位精度测量与误差补偿方法
CN114061444A (zh) 校准方法
CN116092984B (zh) 用于确定晶圆传输设备的定位精度的方法
CN113567964A (zh) 激光雷达自动测试方法及装置、系统
CN111409109B (zh) 工业机器人稳定性的测量和评估方法
CN111145247B (zh) 基于视觉的位置度检测方法及机器人、计算机存储介质
CN107024185B (zh) 一种基底面型测量方法及测量装置
CN116256004A (zh) 基于改进粒子群算法的星敏感器在轨标定和姿态解算方法
WO2016139458A1 (en) Calibration of dimensional measuring apparatus
JP6197261B2 (ja) 測定機の校正方法及びその装置
JP2996165B2 (ja) 形状測定方法及びそれを用いた形状測定装置
CN114571506B (zh) 工业机器人性能测量的姿态对齐方法
CN117601137B (zh) 一种多机器人的联合控制方法
CN114353619B (zh) 一种长标尺测量靶标之间距离的标定方法

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