CN115249267B - 一种基于转台及机器人位姿解算的自动检测方法及装置 - Google Patents

一种基于转台及机器人位姿解算的自动检测方法及装置 Download PDF

Info

Publication number
CN115249267B
CN115249267B CN202211154384.3A CN202211154384A CN115249267B CN 115249267 B CN115249267 B CN 115249267B CN 202211154384 A CN202211154384 A CN 202211154384A CN 115249267 B CN115249267 B CN 115249267B
Authority
CN
China
Prior art keywords
matrix
turntable
center
robot
calibration
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
Application number
CN202211154384.3A
Other languages
English (en)
Other versions
CN115249267A (zh
Inventor
郝健
刘古今
刘霜
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.)
Haikeshong Manufacturing Intelligent Technology Qingdao Co ltd
Original Assignee
Haikeshong Manufacturing Intelligent Technology Qingdao Co ltd
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 Haikeshong Manufacturing Intelligent Technology Qingdao Co ltd filed Critical Haikeshong Manufacturing Intelligent Technology Qingdao Co ltd
Priority to CN202211154384.3A priority Critical patent/CN115249267B/zh
Publication of CN115249267A publication Critical patent/CN115249267A/zh
Application granted granted Critical
Publication of CN115249267B publication Critical patent/CN115249267B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • 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
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • G06T2207/30208—Marker matrix
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Operations Research (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开一种基于转台及机器人位姿解算的自动检测方法及装置，属于视觉3D测量技术领域，包括机器人、转台、与机器人连接的扫描仪、包括多个无序标记点的标定板、已知半径标准球、分别与机器人、转台、扫描仪通信连接的控制器；获取转台的旋转矩阵、机器人底座相对转台的旋转中心的第一位姿关系矩阵、扫描仪相对机器人法兰中心的第二位姿关系矩阵、机器人法兰中心位姿矩阵；旋转矩阵、第一位姿关系矩阵、机器人法兰中心位姿矩阵、第二位姿关系矩阵相乘得对齐矩阵；扫描仪扫描被检测件获得的点云通过对齐矩阵统一到同一坐标系后拟合为三维图像。通过对齐矩阵将扫描的点云转换到同一坐标系内拟合为三维图像，提高获得三维图像的效率及准确性。

Description

一种基于转台及机器人位姿解算的自动检测方法及装置
技术领域
本发明属于视觉3D测量技术领域，具体地说，是涉及一种基于转台及机器人位姿解算的自动检测方法及装置。
背景技术
三维信息的数字化相较于传统二维信息，能更准确地表达物体的形貌和纹理特征；随着传感器与计算机技术的不断发展，各类三维重建方法成功得到推广和应用。基于结构光的扫描仪就是其中的一类，它拥有蓝光光源（抗干扰能力强）、单幅视场面积大（配置不同的镜头）、点云密度高的特点，广泛应用在手机零部件、航空叶片叶轮质量检测领域等。
针对超过扫描仪单幅视场尺寸范围的零件，通常使用扫描仪+机械臂+旋转转台配合，来拓展测量范围。这样扫描仪在机械臂及转台的不同位姿下获得的点云，即每一笔扫描获得的初始点云（与当前机械臂、及转台的位姿密切相关），必须要统一到同一个坐标系下进行对齐，才能够完整而正确的得到被测零件的3D全貌信息。已有的自动化检测系统通常采用的拼接方式，一般为标志点拼接或特征拼接。其中标志点对于生产流水线而言，在批量检测过程中人工为每个零件粘贴标志点耗时耗力、增加成本；特征拼接又存在当两幅点云没有公共特征时，拼接结果不稳定、不可靠的问题。
以上背景技术内容的公开仅用于辅助理解本发明的构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。
发明内容
本发明提供一种基于转台及机器人位姿解算的自动检测方法及装置，对转台与机器人的相对位姿关系进行解算，获取作为拍摄点云全局位姿基准的对齐矩阵，提高点云对齐效率及精度，进而提高检测效率及检测准确性。
为解决上述技术问题，本发明采用以下技术方案予以实现：
一种基于转台及机器人位姿解算的自动检测方法，包括：
S1、获取转台的旋转矩阵、机器人底座相对所述转台的旋转中心的第一位姿关系矩阵、扫描仪相对机器人法兰中心的第二位姿关系矩阵、机器人法兰中心位姿矩阵；
S2、将所述旋转矩阵、所述第一位姿关系矩阵、所述机器人法兰中心位姿矩阵、所述第二位姿关系矩阵相乘得对齐矩阵；
S3、将所述扫描仪扫描被检测件获得的点云通过所述对齐矩阵转化统一到同一坐标系后拟合为三维图像。
进一步的，对步骤S1中的所述第一位姿关系矩阵、所述第二位姿关系矩阵通过放置在所述转台上的上表面设置有多个无序可识别标记点的标定板进行校准。
在一实施例中，同一坐标系为转台坐标系，其XOY平面平行于所述转台的旋转平面；
在步骤S1中，将所述标定板放置在所述转台的旋转中心；多次组合变换所述转台的转角及所述机器人的位姿，获取每次组合变换时的所述旋转矩阵、所述机器人法兰中心位姿矩阵；
所述扫描仪扫描每次组合变换的所述标定板的多个所述标记点获取所述标定板的中心相对所述扫描仪的第三位姿关系矩阵，并分别带入以下4*4齐次矩阵方程式，
W=R*F*RT*M； （1）
其中，W为所述第三位姿关系矩阵；
R为所述旋转矩阵；
F为所述第一位姿关系矩阵；
RT为所述机器人法兰中心位姿矩阵；
M为所述第二位姿关系矩阵；
得以下矩阵方程组：
W1=R1*F*RT1*M
W2=R2*F*RT2*M
……
WN=RN*F*RTN*M； （2）
其中，W1、W2、……、WN为各组合变换对应的所述第三位姿关系矩阵；
R1、R2、……、RN为各组合变换的所述旋转矩阵；
RT1、RT2、……、RTN为各组合变换的所述机器人法兰中心位姿矩阵；
N为组合变换的次数，其大于3；
方程组（2）结合方程
F_C=ΔF*F； （3）
其中，F_C为第一位姿关系校准矩阵；
ΔF为第一校准系数；
方程组（2）中所述第一位姿关系矩阵由所述第一位姿关系校准矩阵替换得以下方程组，
W1=R1*ΔF*F*RT1*M
W2=R2*ΔF*F*RT2*M
……
WN=RN*ΔF*F*RTN*M； （4）
解得所述第一校准系数的值，方程组（2）结合以下方程，
M_C=ΔM*M； （5）
M_C为第二位姿关系校准矩阵；
ΔM为第二校准系数；
方程组（4）中的所述第二位姿关系矩阵由所述第二位姿关系校准矩阵替换，并将计算所得的所述第一校准系数的值带入得，
W1=R1*ΔF*F*RT1*ΔM*M
W2=R2*ΔF*F*RT2*ΔM*M
……
WN=RN*ΔF*F*RTN*ΔM*M； （6）
解得所述第二校准系数的值，带入方程组（6），重复解得所述第一校准系数的值；
将解得的所述第一校准系数、所述第二校准系数依次循环带入到方程组（6）求解所述第二校准系数、所述第一校准系数，直至所述第一校准系数、所述第二校准系数的值小于设定的残余误差；
最终的所述第一校准系数等于各所述第一校准系数的乘积；最终的所述第二校准系数等于各所述第二校准系数的乘积；
所述第一位姿关系矩阵、所述第二位姿关系矩阵分别通过最终的所述第一校准系数、最终的所述第二校准系数进行校准。
优选的，所述第一校准系数、所述第二校准系数的具体解法如下：
解方程组（4），
W1=R1*ΔF1*F*RT1*M
W2=R2*ΔF2*F*RT2*M
……
WN=RN*ΔFN*F*RTN*M；
得ΔF1、ΔF2、……、ΔFN；
ΔF_cyclesum=cat(4,ΔF1,ΔF2,……,ΔFN)；
ΔF=mean(ΔF_cyclesum,4,'omitnan')；
解方程组（6），
W1=R1*ΔF*F*RT1*ΔM1*M
W2=R2*ΔF*F*RT2*ΔM2*M
……
WN=RN*ΔF*F*RTN*ΔMN*M；
得ΔM 1、ΔM 2、……、ΔM N；
ΔM_cyclesum=cat(4,ΔM1,ΔM2,……,ΔM N)；
ΔM=mean(ΔM_cyclesum,4,'omitnan')。
优选的，所述第一位姿关系矩阵为所述机器人底座相对所述转台的旋转中心的设计数据；所述第二位姿关系矩阵为所述扫描仪相对所述机器人法兰中心的设计数据。
进一步的，步骤S1还包括：
获取所述标定板的中心相对所述转台的旋转中心的偏移矩阵；通过所述偏移矩阵对所述第一位姿关系校准矩阵进行补偿。
在一实施例中，放置已知半径的标准球在所述转台的旋转中心；
固定所述扫描仪，旋转所述转台一周，所述标准球均在所述扫描仪的成像景深范围内；选择多个旋转角度，包括0度；并在各所述旋转角度时扫描所述标准球获得多笔点云；
由各笔所述点云通过所述对齐矩阵测算出各所述旋转角度的测算球体；各所述测算球体在以所述标定板中心为原点的测算转台坐标系X’O’Y’的平面上的投影形成的各测算圆的圆心拟合为测算投影圆；0度方向的所述测算圆的圆心为实际转台坐标系XOY的原点，所述测算投影圆的圆心在所述实际转台坐标系XOY的坐标为（-Xc，-Yc）；
根据坐标（-Xc，-Yc）构造4*4齐次矩阵的所述偏移矩阵
Figure 59709DEST_PATH_IMAGE001
。
在一实施例中，放置已知半径的标准球在所述转台的旋转半径上；
固定所述扫描仪，旋转所述转台一周，所述标准球均在所述扫描仪的成像景深范围内；选择多个旋转角度，包括0度；并在各所述旋转角度时扫描所述标准球获得多笔点云；
由各笔所述点云通过所述对齐矩阵测算出各所述旋转角度的测算球体；各所述测算球体在以所述标定板中心为原点的测算转台坐标系X’O’Y’的平面上的投影形成的各测算圆的圆心拟合为测算投影圆；
由各笔所述点云拟合得各拟合球体；各所述拟合球体在实际转台坐标系XOY的平面上的投影形成的各拟合圆组成拟合圆组；平移所述拟合圆组使0度的所述拟合圆的圆心与0度的所述测算圆的圆心重合；将各所述拟合圆的圆心拟合为拟合投影圆；所述拟合投影圆的圆心为所述实际转台坐标系XOY的原点；所述测算投影圆的圆心在所述实际转台坐标系XOY中的坐标为（-Xc，-Yc）；根据坐标（-Xc，-Yc）构造4*4齐次的所述偏移矩阵
Figure 475778DEST_PATH_IMAGE001
。
优选的，所述测算球体、所述拟合球体均使用已知半径的方法进行约束拟合。
一种基于转台及机器人位姿解算的自动检测装置，包括：
机器人，其包括底座、法兰、机械臂，设置有机器人坐标系；所述机械臂的一端与所述底座连接，另一端与所述法兰连接，可使所述法兰处在所述机器人坐标系内的不同位置；
转台，其与所述底座分离设置，设置有转台坐标系，包括可绕垂直方向的转轴转动的放置台，用于放置被检测件；
扫描仪，其与所述法兰固定连接，用于扫描所述被检测件；
标定板，其为平板结构，上表面设置有多个无序可识别的标记点；
标准球，其为已知半径的球体；
控制器，其分别与所述机器人、所述转台、所述扫描仪通信连接，包括操作界面；通过操作所述操作界面实现上述的自动检测方法。
与现有技术相比，本发明的优点和积极效果是：本发明的基于转台及机器人位姿解算的自动检测方法及装置通过由旋转矩阵、第一位姿关系矩阵、机器人法兰中心位姿矩阵、第二位姿关系矩阵的相乘得到对齐矩阵，并将扫描仪扫描的被检测件的点云乘以对齐矩阵的方法将扫描仪扫描的被检测件的点云转换到同一坐标系内进行拟合得被检测件的三维图像，无需在被检测件上贴点，解决了需要贴点的传统点云拼接方式综合耗时长或必须要人工干预（预对齐），自动化程度低的问题；整个扫描过程不需要人工干预，提高了三维点云获取的自动化程度。另外，本发明通过对齐矩阵将扫描的点云统一到同一坐标系，可在不贴点的情况下，高效完成工件表面完整3D型面扫描，且点云之间的对齐效率不受点云数量的影响，提高检测效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明所提出的一种基于转台及机器人位姿解算的自动检测方法的一种实施例的流程示意图；
图2是本发明所提出的一种基于转台及机器人位姿解算的自动检测装置的一种实施例的结构示意图；
图3是偏移矩阵解算的一种示例的辅助示意图；
图4是偏移矩阵解算的另一种示例的辅助示意图。
图中，
1、机器人；2、转台；3、扫描仪；4、标定板；5、控制器；11、底座；12、机械臂；13、法兰；A、0度测算圆；A1、测算圆；B、测算投影圆；C、拟合圆；D、拟合投影圆。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中至始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
参照图1及图2，本发明的一种基于转台及机器人位姿解算的自动检测方法在基于转台及机器人位姿解算的自动检测装置上实现。
自动检测装置包括机器人1、转台2、扫描仪3、控制器5、标定板4、标准球。机器人1包括底座11、机械臂12、法兰13，设置有机器人坐标系；机械臂12的一端安装在底座11上，另一端与法兰13连接；扫描仪3与法兰13固定连接，通过机械臂12的动作使法兰13带动扫描仪3位于机器人坐标系内的不同位置。
转台2位于转台坐标系内，包括放置台，可垂直轴转动。
标定板4为设置有多个无序可识别标记点的平板结构；标准球为已知半径的球体。
控制器5分别与机器人1、扫描仪3、转台2通信连接，包括操作界面；操作操作界面实现控制器5分别控制机器人1、扫描仪3、转台2动作、记录机器人1及转台2的动作矩阵，接收扫描仪3的扫描信息，计算获取对齐矩阵，并将接收的扫描仪3对待检测件的扫描的点云通过对齐矩阵解算统一到同一坐标系进行拟合得三维图像。机器人1及转台2的动作矩阵包括转台2的旋转矩阵及机器人1动作的机器人法兰中心位姿矩阵。
上述的对齐矩阵使扫描仪3在转台2的不同转角、机器人1的不同位姿下扫描的点云高效准确解算转换至相同的坐标系内进行拟合，一次性快速准确的得出被检测件的三维图像。
控制器5还包括控制模块、获取模块、存储模块、计算处理模块，分别实现发送控制指令、获取控制数据及扫描仪的扫描数据、存储控制数据及扫描数据及根据控制数据及扫描数据计算并存储的功能。
其中，获取模块、控制模块可共用为通信模块。
基于转台与机器人位姿解算的自动检测方法包括：
S1、获取转台2的旋转矩阵、机器人底座11相对转台2的旋转中心的第一位姿关系矩阵、扫描仪3相对机器人法兰13中心的第二位姿关系矩阵、机器人法兰中心位姿矩阵；
S2、将旋转矩阵、第一位姿关系矩阵、机器人法兰中心位姿矩阵、第二位姿关系矩阵相乘得对齐矩阵；
S3、扫描仪3在多个调整转台2的旋转角度及机器人位姿调整时扫描被检测件的多笔点云；将上述的多笔点云通过对应的对齐矩阵转化到同一坐标系后拟合为三维图像。
本发明的基于转台及机器人位姿解算的自动检测方法及装置通过由旋转矩阵、第一位姿关系矩阵、机器人法兰中心位姿矩阵、第二位姿关系矩阵的相乘得到对齐矩阵，并将扫描仪扫描的被检测件的点云乘以对齐矩阵的方法将扫描仪扫描的被检测件的点云转换到同一坐标系内进行拟合得被检测件的三维图像，无需在被检测件上贴点，解决了需要贴点的传统点云拼接方式综合耗时长或必须要人工干预（预对齐），自动化程度低的问题；整个扫描过程不需要人工干预，提高了三维点云获取的自动化程度。另外，本发明通过对齐矩阵将扫描的点云统一到同一坐标系，可在不贴点的情况下，高效完成工件表面完整3D型面扫描，且点云之间的对齐效率不受点云数量的影响，提高检测效率。
下面通过具体的实施例对本发明的一种基于转台及机器人位姿解算的自动检测方法、自动检测装置的具体内容及原理进行详细的描述。
在一实施例中，参照图1，步骤S1中，同一坐标系为转台坐标系，其XOY平面平行于转台的旋转平面；即，转台坐标系的XOY平面平行于或设置于转台的放置台上侧的平面；通过放置在转台中心的标定板4对第一位姿关系矩阵、第二位姿关系矩阵进行校准。
由于第一位姿关系矩阵、第二位姿关系矩阵一般采用设计数据，所以存在一定的误差，所以需要对其进行校准。
具体为，将设置有多个无序标记点的标定板4放置在放置台的中心位置；多次组合变换转台2的转角及机器人1的位姿；在每次组合变换时记录转台2的旋转矩阵、机器人法兰中心位姿矩阵及通过扫描仪3扫描标定板4的多个标记点获取标定板4中心相对扫描仪3的第三位姿关系矩阵。
将上述记录的及获取的成组的数据分别带入以下4*4齐次矩阵方程式，
W=R*F*RT*M； （1）
其中，W为第三位姿关系矩阵；
R为旋转矩阵；
F为第一位姿关系矩阵；
RT为机器人法兰中心位姿矩阵；
M为第二位姿关系矩阵；
得以下矩阵方程组：
W1=R1*F*RT1*M
W2=R2*F*RT2*M
……
WN=RN*F*RTN*M； （2）
其中，W1、W2、……、WN为各组合变换的第三位姿关系矩阵；
R1、R2、……、RN为各组合变换的旋转矩阵；
RT1、RT2、……、RTN为各组合变换的机器人法兰中心位姿矩阵；
N为组合变换的次数，其大于3。
方程组（2）结合方程
F_C=ΔF*F； （3）
F_C为第一位姿关系校准矩阵；
ΔF为第一校准系数；
第一位姿关系校准矩阵通过第一位姿关系矩阵与第一校准系数的乘积获得。
方程组（2）中的第一位姿关系矩阵由第一位姿关系校准矩阵替换得以下方程组，
W1=R1*ΔF1*F*RT1*M
W2=R2*ΔF2*F*RT2*M
……
WN=RN*ΔFN*F*RTN*M； （4）
则，
ΔF1=W1*inv(R1) *inv(M)*inv(RT1)*inv(F)
ΔF2=W2*inv(R2)*inv(M)*inv(RT1)*inv(F)
……
ΔFN=WN*inv(RN)*inv(M)*inv(RTN)*inv(F)；
解得各第一校准系数ΔF1、ΔF2、……、ΔFN的值，则第一校准系数通过以下一种典型的公式计算；
ΔF=mean（cat(4,ΔF1,ΔF2,……,ΔFN)，4,'omitnan'） 。
方程组（2）结合以下方程，
M_C=ΔM*M； （5）
M_C为第二位姿关系校准矩阵；
ΔM为第二校准系数；
第二位姿关系校准矩阵通过第二位姿关系矩阵与第二校准系数的乘积获得。
方程组（2）中的第二位姿关系矩阵由第二位姿关系校准矩阵替换并将计算所得的第一校准系数的值带入得，
W1=R1*ΔF*F*RT1*ΔM1*M
W2=R2*ΔF*F*RT2*ΔM2*M
……
WN=RN*ΔF*F*RTN*ΔMN*M； （6）
则，
ΔM1=inv(RT1)*inv(F)*inv(ΔF)*inv(R1)*W1*inv(M)
ΔM2=inv(RT2)*inv(F)*inv(ΔF)*inv(R2)*W2*inv(M)
……
ΔMN=inv(RTN)*inv(F)*inv(ΔF)*inv(RN)*WN*inv(M)；
解得各第二校准系数ΔM1、ΔM2、……、ΔMN的值，则第二校准系数通过以下一种典型的公式计算；
ΔM=mean（cat(4,ΔM1,ΔM2,……,ΔM N)，4,'omitnan'）。
将解得的第二校准系数带入方程组（6），重复解得第一校准系数的值；将计算得到的第一校准系数重新带入方程组（6），用于计算第二校准系数；按照以上顺序将解得的第一校准系数、第二校准系数反复循环带入到方程组（6）求解第二校准系数、第一校准系数，直至第一校准系数、第二校准系数的值小于设定的残余误差。
最终的第一校准系数则等于计算过程中的各第一校准系数的乘积；最终的第二校准系数等于计算过程中的各第二校准系数的乘积。
最终的第一校准系数、最终的第二校准系数分别用于校准第一位姿关系矩阵、第二位姿关系矩阵。
则，对齐矩阵为：R*ΔF*F*RT*ΔM*M。
本实施例的自动检测方法通过循环计算第一校准系数、第二校准系数，降低校准误差。
当然，过程中的第一校准系数、第二校准系数也可通过中位数计算方法计算。即，第一校准系数ΔF的元素可以用ΔF1、ΔF2、……、ΔFN 各个矩阵的对应元素的中位数计算；第二校准系数ΔM的元素可以用ΔM1,ΔM2,……,ΔMN各个矩阵的对应元素的中位数计算。
在一实施例中，第一位姿关系矩阵为机器人底座11及转台2的设计数据；第二位姿关系矩阵为扫描仪3安装在机器人法兰13中心的设计数据。
在一实施例中，参照图1、图2，步骤S1还包括获取标定板4的中心相对转台2的旋转中心的偏移矩阵；通过获取的偏移矩阵对第一位姿关系矩阵进行补偿。
具体通过放置标准球在转台2上进行获取。
本实施例对由于标定板4放置在转台2的旋转中心的位置与实际的转台2的旋转中心位置存在偏差造成的对齐矩阵的因子第一位姿关系矩阵产生偏差，通过放置标准球在转台2上获取偏移矩阵进行补偿，提高对齐矩阵的准确性。
在一实施例中，参照图2、图3，偏移矩阵的获取通过以下方法：
将已知半径的标准球放置在转台2的旋转中心上；
固定扫描仪3，旋转转台2一周；标准球均在扫描仪3成像景深范围内；选择多个旋转角度，包括0度；扫描仪3在各个旋转角度上扫描标准球获得多笔点云；
由各笔点云通过经校准的对齐矩阵测算出各旋转角度对应的测算球体；各测算球体在以所述标定板中心为原点的测算转台坐标系X’O’Y’的平面上的投影形成的各测算圆A1的圆心拟合为测算投影圆B；由于标准球放置在了转台2的旋转中心上，所以0度测算圆A的圆心位于实际转台坐标系XOY的原点；测算投影圆B的圆心在实际转台坐标系XOY中的坐标为（-Xc，-Yc）。
根据测算投影圆B的圆心的坐标（-Xc，-Yc）构造4*4齐次的偏移矩阵
Figure 384828DEST_PATH_IMAGE001
。
则，对齐矩阵为：R* W_c*ΔF* F*RT*ΔM*M。
本实施例将标准球放置在转台2的旋转中心，并对其在转台2的多个旋转角度进行扫描得到多笔点云，通过多笔点云与对应的对齐矩阵的测算得到的测算投影圆B的圆心与旋转中心的偏差对第一位姿关系矩阵进行补偿，提高对齐矩阵的精度，进而提高图像检测的准确性。
在一实施例中，参照图2、图4，偏移矩阵的获取通过以下方法：
放置已知半径的标准球在转台2的旋转半径上。
固定扫描仪3，旋转转台2一周；标准球均在扫描仪3成像景深范围内；选择多个旋转角度，包括0度；扫描仪3分别在各旋转角度上扫描标准球获得多笔点云。
由各笔点云通过经校准的对齐矩阵测算出各旋转角度对应的测算球体；各测算球体在以所述标定板中心为原点的测算转台坐标系X’O’Y’的平面上的投影形成的各测算圆A1的圆心拟合为测算投影圆B。
由各笔点云拟合得各拟合球体；各拟合球体在实际转台坐标系的XOY的平面上的投影形成的各拟合圆C组成拟合圆组；平移拟合圆组使0度的拟合圆C的圆心与0度测算圆A的圆心重合；平移后的拟合圆组的各拟合圆C的圆心拟合为拟合投影圆D；由于扫描仪3扫描拟合得到的拟合投影圆D不受标定板4测得的转台2的旋转中心的数据的影响，所以拟合投影圆D的圆心为实际转台坐标系XOY的原点；则测算投影圆B的圆心在实际转台坐标系XOY中的坐标为（-Xc，-Yc）；根据测算投影圆B的圆心坐标（-Xc，-Yc）构造4*4齐次的偏移矩阵
Figure 923257DEST_PATH_IMAGE001
。
则，对齐矩阵为：R*W_c*ΔF*F*RT*ΔM*M。
本实施例通过将标准球放置在转台2的旋转半径上，避免由于放置在转台2旋转中心不准确带来的误差。对由于标定板4放置的转台2的旋转中心位置与实际的旋转中心位置存在偏差造成的对齐矩阵的第一位姿关系矩阵偏差进行补偿，具有更高的精度及准确性，提高对齐矩阵的精度，进而提高图像检测的准确性。
在一实施例中，扫描仪3扫描的被检测件的点云通过对齐矩阵解算统一到实际转台坐标系中。
本实施例使扫描仪3扫描的点云通过对齐矩阵后统一到转台坐标系中，直接拟合得出转台坐标下中的被检测件的三维图像，无需进行其他坐标系的转换，提高效率，减小误差。
优选的，测算投影圆B及拟合投影圆D的拟合均采用已知半径的方法进行约束拟合。
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种基于转台及机器人位姿解算的自动检测方法，其特征在于，包括：
S1、获取转台的旋转矩阵、机器人底座相对所述转台的旋转中心的第一位姿关系矩阵、扫描仪相对机器人法兰中心的第二位姿关系矩阵、机器人法兰中心位姿矩阵；
S2、将所述旋转矩阵、所述第一位姿关系矩阵、所述机器人法兰中心位姿矩阵、所述第二位姿关系矩阵相乘得对齐矩阵；
S3、将所述扫描仪扫描被检测件获得的点云通过所述对齐矩阵转化统一到同一坐标系后拟合为三维图像；对步骤S1中的所述第一位姿关系矩阵、所述第二位姿关系矩阵通过放置在所述转台上的上表面设置有多个无序可识别标记点的标定板进行校准；同一坐标系为转台坐标系，其XOY平面平行于所述转台的旋转平面；
在步骤S1中，将所述标定板放置在所述转台的旋转中心；多次组合变换所述转台的转角及所述机器人的位姿，获取每次组合变换时的所述旋转矩阵、所述机器人法兰中心位姿矩阵；
所述扫描仪扫描每次组合变换的所述标定板的多个所述标记点获取所述标定板的中心相对所述扫描仪的第三位姿关系矩阵，并分别带入以下4*4齐次矩阵方程式，
W=R*F*RT*M； （1）
其中，W为所述第三位姿关系矩阵；
R为所述旋转矩阵；
F为所述第一位姿关系矩阵；
RT为所述机器人法兰中心位姿矩阵；
M为所述第二位姿关系矩阵；
得以下矩阵方程组：
W1=R1*F*RT1*M
W2=R2*F*RT2*M
…
WN=RN*F*RTN*M； （2）
其中，W1、W2、……、WN为各组合变换对应的所述第三位姿关系矩阵；
R1、R2、……、RN为各组合变换的所述旋转矩阵；
RT1、RT2、……、RTN为各组合变换的所述机器人法兰中心位姿矩阵；
N为组合变换的次数，其大于3；
方程组（2）结合方程
F_C=ΔF*F； （3）
其中，F_C为第一位姿关系校准矩阵；
ΔF为第一校准系数；
方程组（2）中所述第一位姿关系矩阵由所述第一位姿关系校准矩阵替换得以下方程组，
W1=R1*ΔF*F*RT1*M
W2=R2*ΔF*F*RT2*M
……
WN=RN*ΔF*F*RTN*M； （4）
解得所述第一校准系数的值，方程组（2）结合以下方程，
M_C=ΔM*M； （5）
M_C为第二位姿关系校准矩阵；
ΔM为第二校准系数；
方程组（4）中的所述第二位姿关系矩阵由所述第二位姿关系校准矩阵替换，并将计算所得的所述第一校准系数的值带入得，
W1=R1*ΔF*F*RT1*ΔM*M
W2=R2*ΔF*F*RT2*ΔM*M
……
WN=RN*ΔF*F*RTN*ΔM*M； （6）
解得所述第二校准系数的值，带入方程组（6），重复解得所述第一校准系数的值；
将解得的所述第一校准系数、所述第二校准系数依次循环带入到方程组（6）求解所述第二校准系数、所述第一校准系数，直至所述第一校准系数、所述第二校准系数的值小于设定的残余误差；
最终的所述第一校准系数等于各所述第一校准系数的乘积；最终的所述第二校准系数等于各所述第二校准系数的乘积；
所述第一位姿关系矩阵、所述第二位姿关系矩阵分别通过最终的所述第一校准系数、最终的所述第二校准系数进行校准。
2.根据权利要求1所述的自动检测方法，其特征在于，所述第一校准系数、所述第二校准系数的具体解法如下：
解方程组（4），
W1=R1*ΔF1*F*RT1*M
W2=R2*ΔF2*F*RT2*M
……
WN=RN*ΔFN*F*RTN*M；
得ΔF1、ΔF2、……、ΔFN；
ΔF_cyclesum=cat(4,ΔF1,ΔF2,……,ΔFN)；
ΔF=mean(ΔF_cyclesum, 4,'omitnan' )；
解方程组（6），
W1=R1*ΔF*F*RT1*ΔM1*M
W2=R2*ΔF*F*RT2*ΔM2*M
……
WN=RN*ΔF*F*RTN*ΔMN*M；
得ΔM 1、ΔM 2、……、ΔM N；
ΔM_cyclesum=cat(4,ΔM1,ΔM2,……,ΔMN)；
ΔM=mean(ΔM_cyclesum,4,'omitnan')。
3.根据权利要求2所述的自动检测方法，其特征在于，所述第一位姿关系矩阵为所述机器人底座相对所述转台的旋转中心的设计数据；所述第二位姿关系矩阵为所述扫描仪相对所述机器人法兰中心的设计数据。
4.根据权利要求1至3任一项所述的自动检测方法，其特征在于，步骤S1还包括：
获取所述标定板的中心相对所述转台的旋转中心的偏移矩阵；通过所述偏移矩阵对所述第一位姿关系校准矩阵进行补偿。
5.根据权利要求4所述的自动检测方法，其特征在于，放置已知半径的标准球在所述转台的旋转中心；
固定所述扫描仪，旋转所述转台一周，所述标准球均在所述扫描仪的成像景深范围内；选择多个旋转角度，包括0度；并在各所述旋转角度时扫描所述标准球获得多笔点云；
由各笔所述点云通过所述对齐矩阵测算出各所述旋转角度的测算球体；各所述测算球体在以所述标定板中心为原点的测算转台坐标系X’O’Y’的平面上的投影形成的各测算圆的圆心拟合为测算投影圆；0度方向的所述测算圆的圆心为实际转台坐标系XOY的原点，所述测算投影圆的圆心在所述实际转台坐标系XOY的坐标为（-Xc，-Yc）；
根据坐标（-Xc，-Yc）构造4*4齐次矩阵的所述偏移矩阵
Figure DEST_PATH_IMAGE001
。
6.根据权利要求4所述的自动检测方法，其特征在于，放置已知半径的标准球在所述转台的旋转半径上；
固定所述扫描仪，旋转所述转台一周，所述标准球均在所述扫描仪的成像景深范围内；选择多个旋转角度，包括0度；并在各所述旋转角度时扫描所述标准球获得多笔点云；
由各笔所述点云通过所述对齐矩阵测算出各所述旋转角度的测算球体；各所述测算球体在以所述标定板中心为原点的测算转台坐标系X’O’Y’的平面上的投影形成的各测算圆的圆心拟合为测算投影圆；
由各笔所述点云拟合得各拟合球体；各所述拟合球体在实际转台坐标系XOY的平面上的投影形成的各拟合圆组成拟合圆组；平移所述拟合圆组使0度的所述拟合圆的圆心与0度的所述测算圆的圆心重合；将各所述拟合圆的圆心拟合为拟合投影圆；所述拟合投影圆的圆心为所述实际转台坐标系XOY的原点；所述测算投影圆的圆心在所述实际转台坐标系XOY中的坐标为（-Xc，-Yc）；根据坐标（-Xc，-Yc）构造4*4齐次的所述偏移矩阵
Figure 903862DEST_PATH_IMAGE001
。
7.根据权利要求6所述的自动检测方法，其特征在于，所述测算球体、所述拟合球体均使用已知半径的方法进行约束拟合。
8.一种基于转台及机器人位姿解算的自动检测装置，其特征在于，包括：
机器人，其包括底座、法兰、机械臂，设置有机器人坐标系；所述机械臂的一端与所述底座连接，另一端与所述法兰连接，可使所述法兰处在所述机器人坐标系内的不同位置；
转台，其与所述底座分离设置，设置有转台坐标系，包括可绕垂直方向的转轴转动的放置台，用于放置被检测件；
扫描仪，其与所述法兰固定连接，用于扫描所述被检测件；
标定板，其为平板结构，上表面设置有多个无序可识别的标记点；
标准球，其为已知半径的球体；
控制器，其分别与所述机器人、所述转台、所述扫描仪通信连接，包括操作界面；通过操作所述操作界面实现权利要求1至7中任一项所述的自动检测方法 。
CN202211154384.3A 2022-09-22 2022-09-22 一种基于转台及机器人位姿解算的自动检测方法及装置 Active CN115249267B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211154384.3A CN115249267B (zh) 2022-09-22 2022-09-22 一种基于转台及机器人位姿解算的自动检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211154384.3A CN115249267B (zh) 2022-09-22 2022-09-22 一种基于转台及机器人位姿解算的自动检测方法及装置

Publications (2)

Publication Number Publication Date
CN115249267A CN115249267A (zh) 2022-10-28
CN115249267B true CN115249267B (zh) 2022-12-30

Family

ID=83699368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211154384.3A Active CN115249267B (zh) 2022-09-22 2022-09-22 一种基于转台及机器人位姿解算的自动检测方法及装置

Country Status (1)

Country Link
CN (1) CN115249267B (zh)

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104858870A (zh) * 2015-05-15 2015-08-26 江南大学 基于末端编号靶球的工业机器人测量方法
CN105058387A (zh) * 2015-07-17 2015-11-18 北京航空航天大学 基于激光跟踪仪的一种工业机器人基坐标系标定方法
CN107214692B (zh) * 2016-03-22 2020-04-03 泰科电子(上海)有限公司 机器人系统的自动标定方法
CN108406771B (zh) * 2018-03-09 2021-03-16 江南大学 一种机器人自标定方法
CN108724190A (zh) * 2018-06-27 2018-11-02 西安交通大学 一种工业机器人数字孪生系统仿真方法及装置
CN109648230B (zh) * 2018-12-29 2020-10-16 成都卡诺普自动化控制技术有限公司 基于六自由度机器人扩展双旋转协同功能轴的摆焊方法
CN110355464A (zh) * 2019-07-05 2019-10-22 上海交通大学 激光加工的视觉匹配方法、系统及介质
CN111735390B (zh) * 2020-08-28 2020-12-11 中国计量大学 一种用于线激光传感器的标定块及手眼标定方法
CN113386136B (zh) * 2021-06-30 2022-05-20 华中科技大学 一种基于标准球阵目标估计的机器人位姿矫正方法及系统
CN114066983A (zh) * 2021-11-18 2022-02-18 新拓三维技术(深圳)有限公司 一种基于两轴转台的智能补扫方法和计算机可读存储介质
CN114155302A (zh) * 2021-12-13 2022-03-08 中国计量大学 一种激光视觉扫描系统的标定方法及装置
CN114147728B (zh) * 2022-02-07 2022-05-06 杭州灵西机器人智能科技有限公司 通用的机器人眼在手上标定方法和系统
CN114523477B (zh) * 2022-03-30 2023-06-27 伯朗特机器人股份有限公司 关节位姿的校准方法、系统及存储介质
CN114571153B (zh) * 2022-04-07 2023-10-10 福州大学 一种基于3d点云的焊缝识别与机器人焊缝跟踪方法
CN115026470B (zh) * 2022-06-10 2023-07-04 重庆大学 一种面向钢筋网片的机器人焊接系统及方法
CN115042184A (zh) * 2022-07-06 2022-09-13 深圳市易尚展示股份有限公司 机器人手眼坐标转换方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN115249267A (zh) 2022-10-28

Similar Documents

Publication Publication Date Title
CN111505606B (zh) 多相机与激光雷达系统相对位姿检校方法及装置
CN109559354B (zh) 测量塔架净空的方法以及装置
US6822748B2 (en) Calibration for 3D measurement system
CN111486864B (zh) 基于立体正八边结构的多源传感器联合标定方法
US20080030498A1 (en) System and method for integrating dispersed point-clouds of multiple scans of an object
CN109493389B (zh) 一种基于深度学习的相机标定方法及系统
CN116051659B (zh) 一种线阵相机与2d激光扫描仪联合标定方法
CN109272555B (zh) 一种rgb-d相机的外部参数获得及标定方法
CN112581544B (zh) 基于参数优化的无公共视场相机标定方法
US7274469B2 (en) Method and apparatus for calibrating laser 3D digitizing sensor
CN104036424A (zh) 基于二维码的零件快速选配方法及系统
CN111562563A (zh) 激光雷达转台标定方法、装置和计算机可读存储介质
CN114758005B (zh) 激光雷达与相机外参标定方法及装置
CN112258583A (zh) 基于等畸变量分区的近景图像畸变标定方法
CN112598747A (zh) 一种单目相机与投影仪的联合标定方法
CN111251189B (zh) 一种用于铸件打磨的视觉定位方法
CN116188591A (zh) 多相机全局标定方法及装置、电子设备
CN116026252A (zh) 一种点云测量方法及系统
CN115249267B (zh) 一种基于转台及机器人位姿解算的自动检测方法及装置
CN112697074B (zh) 动态待测物角度测量仪及测量方法
CN115289999B (zh) 一种三维激光扫描系统的自校准方法
CN115046498B (zh) 一种单目旋转结构光三维测量系统标定方法
CN113393507B (zh) 无人机点云与地面三维激光扫描仪点云配准方法
CN115183981A (zh) 一种基于编码标记的风洞坐标轴系标定方法和标定装置
CN115311369A (zh) 一种低成本适用少量重合区域的高精度多rgb-d相机的外参标定方法

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
GR01 Patent grant
GR01 Patent grant