CN115533888A - 机器人参数优化、标定方法、装置、系统、机器人及介质 - Google Patents
机器人参数优化、标定方法、装置、系统、机器人及介质 Download PDFInfo
- Publication number
- CN115533888A CN115533888A CN202110744047.9A CN202110744047A CN115533888A CN 115533888 A CN115533888 A CN 115533888A CN 202110744047 A CN202110744047 A CN 202110744047A CN 115533888 A CN115533888 A CN 115533888A
- Authority
- CN
- China
- Prior art keywords
- robot
- error
- parameter
- real
- positioning
- 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
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
- B25J9/1679—Programme controls characterised by the tasks executed
- B25J9/1692—Calibration of manipulator
-
- 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
- B25J19/0095—Means or methods for testing manipulators
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本申请涉及一种机器人参数优化、标定方法、装置、系统、机器人及介质,所述方法包括:获取机器人的旋量运动学模型,并根据所述旋量运动学模型获取机器人机械臂的定位误差与机器人的参数误差的函数关系式;获取机器人机械臂的距离误差模型,并根据所述函数关系式、所述距离误差模型计算所述机器人末端实时定位的参数误差;根据所述参数误差对机器人获取的实时定位指令对应的机器人运动学参数进行优化。本申请能够在没有额外测量仪器的前提下,高效且高精度地对机器人定位参数进行优化,提高对机器人标定地效率及准确度,满足手术现场环境的工作需求。
Description
技术领域
本申请涉及机器人技术领域,具体涉及一种机器人参数优化、标定方法、装置、系统、机器人及介质。
背景技术
随着机器人技术的快速发展,各种机器人在人们的工作与生活中承担角色的重要程度不断增加,例如,医疗机械臂逐渐成为手术机器人系统的有效解决方式之一,其定位的准确度直接影响手术的安全性与可靠性。
然而,机器人机械臂因加工与装配等因素会影响其定位精度,制约了机械臂定位的精度、效率与安全性。若通过位置误差建立标定模型,在实际标定过程中,会引入测量系统坐标系与机械臂坐标系之间的坐标系误差,导致该坐标系误差与机械臂关节参数误差耦合,影响机器人标定结果的有效性。
另外,传统的机械臂定位误差补偿技术主要依赖于外界测量设备,例如激光跟踪仪或拉线传感器等,不仅技术实现成本高,而且测量设备在使用前需要预热等待一段时间,以使测量设备内部的电子元器件达到热稳定平衡,导致误差补偿技术实现的时间较长且效率低,很难满足手术环境的应用需求。并且,外界测量设备在具备遮挡或反光等因素的测量环境下,很难获取实际定位误差,适用范围局限。
发明内容
基于此,有必要针对上述背景技术中的技术问题,提供一种机器人参数优化、标定方法、装置、系统、机器人及介质,在没有额外测量仪器的前提下,高效且高精度地对机器人定位参数进行优化,以提高对机器人标定地效率及准确度,能够满足手术现场环境的工作需求。
为实现上述目的及其他目的,本申请的第一方面提供一种机器人参数优化方法,包括:
获取机器人的旋量运动学模型,并根据所述旋量运动学模型获取机器人机械臂的定位误差与机器人的参数误差的函数关系式;
获取机器人机械臂的距离误差模型,并根据所述函数关系式、所述距离误差模型计算机器人末端实时定位的参数误差;
根据所述机器人末端实时定位的参数误差对机器人获取的实时定位指令对应的机器人运动学参数进行优化。
于上述实施例中的机器人参数优化方法中,设置机器人在获取旋量运动学模型之后,根据所述旋量运动学模型获取机器人机械臂的定位误差与机器人的参数误差的函数关系式,使得机器人在获取机器人机械臂的距离误差模型之后,能够根据所述函数关系式、所述距离误差模型计算所述机器人的运动学参数误差,以数值优化方式对机器人运动学参数进行优化,以基于获取的优化运动学参数通过补偿关节角度方式提升机器人定位精度,从而提高对机器人标定地效率及准确度。由于本申请在没有额外测量仪器的前提下,基于旋量理论建立机器人的旋量运动学模型,能够满足机器人运动学参数对位姿误差完备性的需求,提高误差模型的精准性。由于本申请采用机械臂的距离误差模型来计算机器人末端实时定位的参数误差,不依赖测量系统坐标系,减少坐标系转换误差产生的影响,有效提高机器人的标定精度,能够满足手术现场环境的工作需求。
在其中一个实施例中,所述根据所述函数关系式、所述距离误差模型计算所述机器人末端实时定位的参数误差的步骤,包括:
获取所述实时定位指令,其中,所述实时定位指令用于控制所述机器人末端到达预设测量点位;
获取所述机器人末端到达任一所述预设测量点位时所述实时定位指令对应的位姿坐标及一组关节角度;
将各所述预设测量点位对应的位姿坐标及一组关节角度,输入所述函数关系式及所述距离误差模型,以计算出所述机器人末端实时定位的参数误差。
在其中一个实施例中,所述根据所述参数误差对机器人获取的实时定位指令对应的机器人运动学参数进行优化的步骤,包括:
获取所述实时定位指令对应的机器人运动学参数;
根据所述机器人运动学参数计算距离误差向量;
计算距离误差雅可比矩阵,并根据所述距离误差向量、所述距离误差雅可比矩阵及所述距离误差模型计算实时距离误差;
判断所述实时距离误差是否大于或等于预设误差阈值;
若是,则采用第一预设算法计算所述机器人的运动学参数误差,根据所述运动学参数误差更新对应的运动学参数,以根据更新后的运动学参数计算所述实时距离误差;
反之,则输出所述运动学参数。
在其中一个实施例中,所述机器人运动学参数包括关节参数及/或零位参数。
在其中一个实施例中,所述关节参数包括关节角度、关节转角及关节偏距关节旋量中至少一种。
本申请的第二方面提供一种机器人参数标定方法,包括:
获取实时定位指令,其中,所述实时定位指令用于控制机器人末端的定位端子到达预设测量点位;
获取所述定位端子到达预设测量点位时所述实时定位指令对应的运动学参数及位姿坐标;
根据所述运动学参数及所述位姿坐标,采用任一本申请实施例中所述的机器人参数优化方法对所述运动学参数进行优化,并获取优化运动学参数;
根据所述优化运动学参数标定所述机器人。
于上述实施例中的机器人参数标定方法中,设置机器人在获取旋量运动学模型之后,根据所述旋量运动学模型获取机器人机械臂的定位误差与机器人的参数误差的函数关系式,使得机器人在获取机器人机械臂的距离误差模型之后,能够根据所述函数关系式、所述距离误差模型计算所述机器人末端实时定位的参数误差,根据所述参数误差对机器人获取的实时定位指令对应的机器人运动学参数进行优化,并基于获取的优化运动学参数对机器人进行标定,以提高对机器人标定地效率及准确度。由于本申请在没有额外测量仪器的前提下,基于旋量理论建立机器人的旋量运动学模型,能够满足机器人连杆对位姿误差完备性的需求,提高误差模型的精准性。由于本申请采用机械臂的距离误差模型来计算机器人末端实时定位的参数误差,不依赖测量系统坐标系,减少坐标系转换误差产生的影响,有效提高机器人的标定精度,能够满足手术现场环境的工作需求。
在其中一个实施例中,所述根据所述优化运动学参数标定所述机器人的步骤,包括:
解析所述运动学参数并获取关节角度;
根据所述关节角度建立预设数学模型;
计算所述关节角度的误差传递矩阵,并根据所述误差传递矩阵、所述预设数学模型计算位姿误差;
判断所述位姿误差是否大于或等于预设精度阈值;
若是,则采用第二预设算法计算所述机器人的关节角度误差,并根据所述关节角度误差更新对应的关节角度,以根据更新后的关节角度计算所述位姿误差;
反之,则根据所述关节角度标定所述机器人。
本申请的第三方面提供一种机器人参数优化装置,包括:
参数误差函数获取模块,用于获取机器人的旋量运动学模型,并根据所述旋量运动学模型获取机器人机械臂的定位误差与机器人的参数误差的函数关系式;
参数误差计算模块,用于获取机器人机械臂的距离误差模型,并根据所述函数关系式、所述距离误差模型计算机器人末端实时定位的参数误差;
参数优化模块,用于根据所述参数误差对机器人获取的实时定位指令对应的机器人运动学参数进行优化,并获取优化运动学参数。
于上述实施例中的机器人参数优化装置中,利用参数误差函数获取模块获取机器人的旋量运动学模型,并利用参数误差计算模块根据所述旋量运动学模型获取机器人机械臂的定位误差与机器人的参数误差的函数关系式,使得参数优化模块在获取机器人机械臂的距离误差模型之后,能够根据所述函数关系式、所述距离误差模型计算所述机器人末端实时定位的参数误差,以根据所述参数误差对机器人获取的实时定位指令对应的机器人运动学参数进行优化。从而能够根据获取的优化运动学参数对机器人进行标定,提高对机器人标定地效率及准确度。由于本申请在没有额外测量仪器的前提下,基于旋量理论建立机器人的旋量运动学模型,能够满足机器人连杆对位姿误差完备性的需求,提高误差模型的精准性。由于本申请采用机械臂的距离误差模型来计算机器人末端实时定位的参数误差,不依赖测量系统坐标系,减少坐标系转换误差产生的影响,有效提高机器人的标定精度,能够满足手术现场环境的工作需求。
本申请的第四方面提供一种机器人参数标定装置,包括:
定位指令获取模块,用于获取实时定位指令,其中,所述指令用于控制机器人末端的定位端子到达预设测量点位;
标定数据获取模块,用于获取所述定位端子到达预设测量点位时所述实时定位指令对应的运动学参数及位姿坐标;
如任一本申请实施例中所述的机器人参数优化装置,用于根据所述运动学参数及所述位姿坐标对所述运动学参数进行优化,并获取优化运动学参数;
标定模块,用于根据所述优化运动学参数标定所述机器人。
于上述实施例中的机器人参数标定装置中,通过定位指令获取模块获取实时定位指令,其中,所述指令用于控制机器人末端的定位端子到达预设测量点位;基于标定数据获取模块获取所述定位端子到达预设测量点位时所述实时定位指令对应的运动学参数及位姿坐标;采用如任一本申请实施例中所述的机器人数优化装置,根据所述运动学参数及所述位姿坐标对所述运动学参数进行优化,并获取优化运动学参数;使得标定模块能够根据所述优化运动学参数标定机器人,提高对机器人标定地效率及准确度。由于本申请在没有额外测量仪器的前提下,基于旋量理论建立机器人的旋量运动学模型,能够满足机器人连杆对位姿误差完备性的需求,提高误差模型的精准性。由于本申请采用机械臂的距离误差模型来计算机器人末端实时定位的参数误差,不依赖测量系统坐标系,减少坐标系转换误差产生的影响,有效提高机器人的标定精度,能够满足手术现场环境的工作需求。
本申请的第五方面提供一种机器人参数标定系统,包括:
标定工装,其上设置有多个预设测量点位;
末端器械,设置于机器人末端,所述末端器械远离所述机器人末端的一端设置有定位端子;
如任一本申请实施例中所述的机器人参数优化装置或机器人参数标定装置,用于获取所述定位端子到达预设测量点位时所述实时定位指令对应的运动学参数及位姿坐标,及根据所述运动学参数、所述位姿坐标对所述运动学参数进行优化,并获取优化运动学参数。
在其中一个实施例中,所述标定工装靠近所述定位端子的表面设置有多个凹槽状测量点位,所述定位端子远离所述机器人末端的一端为球状,以便于在所述定位端子位于凹槽状测量点位内部时,获取实时定位指令对应的运动学参数及预设测量点位的位姿坐标,提高获取标定采样数据的效率。
在其中一个实施例中,所述凹槽状测量点位的形状与所述定位端子的形状相匹配,所述凹槽状测量点位的容积与所述定位端子的体积相匹配,以提高获取标定采样数据的准确度。
本申请的第六方面提供一种机器人,包括机器人本体、存储器、处理器及存储在存储器上并可经处理器执行的计算机程序,所述处理器执行所述计算机程序时实现任一本申请实施例中所述方法的步骤。
本申请的第七方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一本申请实施例中所述方法的步骤。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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实施例的附图。
图1为本申请一实施例中提供的一种机器人参数优化方法的流程示意图;
图2为本申请另一实施例中提供的一种机器人参数优化方法的流程示意图;
图3为本申请又一实施例中提供的一种机器人参数优化方法的流程示意图;
图4为本申请一实施例中提供的一种机器人参数标定方法的流程示意图;
图5为本申请另一实施例中提供的一种机器人参数标定方法的流程示意图;
图6为本申请一实施例中提供的一种机器人参数优化装置的结构示意图;
图7为本申请一实施例中提供的一种机器人参数标定装置的结构示意图;
图8为本申请一实施例中提供的一种机器人参数标定系统的结构示意图;
图9a为本申请一实施例中提供的一种机器人的结构示意图;
图9b为本申请一实施例中提供的一种机器人参数标定系统的应用场景示意图。
具体实施方式
为了便于理解本申请,下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的较佳的实施例。但是,本申请可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
在使用本文中描述的“包括”、“具有”、和“包含”的情况下,除非使用了明确的限定用语,例如“仅”、“由……组成”等,否则还可以添加另一部件。除非相反地提及,否则单数形式的术语可以包括复数形式,并不能理解为其数量为一个。
应当理解,尽管本文可以使用术语“第一”、“第二”等来描述各种元件,但是这些元件不应受这些术语的限制。这些术语仅用于将一个元件和另一个元件区分开。例如,在不脱离本申请的范围的情况下,第一元件可以被称为第二元件,并且类似地,第二元件可以被称为第一元件。
在本申请的描述中,需要说明的是,除非另有明确规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接连接,亦可以是通过中间媒介间接连接,可以是两个部件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
由于传统的机器人机械臂标定的效率低且定位精度低,实现成本高且很难满足手术机器人机械臂对标定效率及定位精度的要求,因此,急需提供一种能够有效提高机器人机械臂的标定效率及定位精度的方法。
实现机器人机械臂标定的关键步骤之一是建立机器人机械臂的误差模型,现有技术中主要基于Denavit-Hartenberg(D-H)模型建立机械臂连杆尺寸误差与末端定位误差的关系模型,该建模方法至少具有两方面缺陷:(1)误差模型要求具备完备性,而DH模型运用4个或5个参数在本质上无法完全表达连杆之间的误差特性;(2)D-H模型是基于位置误差建立的模型,在实际标定过程中,会引入测量系统坐标系与机械臂坐标系之间的误差,该坐标系的误差与机械臂末端连杆尺寸误差耦合,影响机器人的标定精度。
在标定试验设计方法上,现有技术主要基于外界测量设备,实现成本高,且使用前需要预热等待,导致标定实验时间较长,效率低,且无法满足手术现场环境应用。在误差预测补偿方面,现有技术主要基于外界测量设备,如相机,激光跟踪仪等获取机械臂末端的实际定位误差,在线获取误差的成本较高,且易受遮挡或反光等因素影响,适用范围局限。
本申请旨在基于旋量理论及距离测量获取机器人参数的辨识及优化方法,以提高机器人机械臂标定的效率及定位的精度。
请参考图1,在本申请的一个实施例中,提供了一种机器人参数优化方法,包括:
步骤22,获取机器人的旋量运动学模型,并根据所述旋量运动学模型获取机器人机械臂的定位误差与机器人的参数误差的函数关系式;
步骤24,获取机器人机械臂的距离误差模型,并根据所述函数关系式、所述距离误差模型计算所述机器人末端实时定位的参数误差;
步骤26,根据所述机器人末端实时定位的参数误差对机器人获取的实时定位指令对应的机器人运动学参数进行优化。
作为示例,请继续参考图1,首先可以获取机器人的基坐标系Base以及机器人末端的末端坐标系E,通过计算机器人末端的末端坐标系相对于机器人的基坐标系的位姿矩阵,例如当机器人处于零位状态时,机器人末端的末端坐标系E相对于基坐标系的位姿矩阵为PE0,其中,PE0为零位时机器人末端的位姿矩阵。然后根据所述位姿矩阵建立机器人的旋量运动学模型,机器人在获取该旋量运动学模型之后,根据所述旋量运动学模型获取机器人机械臂的定位误差与机器人的参数误差的函数关系式,使得机器人在获取机器人机械臂的距离误差模型之后,能够根据所述函数关系式、所述距离误差模型计算所述机器人末端实时定位的参数误差,以根据所述参数误差对机器人获取的实时定位指令对应的机器人运动学参数进行优化,以基于获取的优化运动学参数对机器人进行标定,从而提高对机器人标定地效率及准确度。由于本申请在没有额外测量仪器的前提下,基于旋量理论建立机器人的旋量运动学模型,能够满足机器人连杆对位姿误差完备性的需求,提高误差模型的精准性。由于本申请采用机械臂的距离误差模型来计算机器人末端实时定位的参数误差,不依赖测量系统坐标系,减少坐标系转换误差产生的影响,有效提高机器人的标定精度,能够满足手术现场环境的工作需求。
作为示例,请继续参考图1,在本申请的一个实施例中,根据所述旋量运动学模型获取机器人机械臂的定位误差与机器人的参数误差的函数关系式的步骤,包括:
根据如下公式计算所述机械臂的定位误差与所述机器人的参数误差之间的函数关系式为:
δPE=Je·δe;
上式中,exp为以e为底的指数,θm为机器人第m关节的关节角,pE0为机器人末端执行器坐标系原点相对于机器人基坐标系的位姿矩阵,也即零位时机器人末端的位姿矩阵,RE0为零位时机器人末端执行器相对于机器人基坐标系的位姿矩阵,为机器人第m关节的关节旋量,PE为机器人的旋量运动学模型,δPE为PE的偏导数且为机器人的指令位置与实到位置的误差,Je为机器人误差源参数对应的误差传递矩阵,δe为由机器人的参数误差组成的向量,n为机器人关节的数量,m、n均为正整数。通过将各关节运动旋量代入指数积公式(Products of exponentials,POE)公式,即得机器人的旋量运动学模型PE。
作为示例,请继续参考图1,在本申请的一个实施例中,获取机器人机械臂的距离误差模型的步骤,包括:
根据如下公式计算所述机器人末端实时定位的第i点与第j点之间的实际距离与指令距离的差值Δl(i,j):
其中,xr(j)、yr(j)、zr(j)表示机器人在其基坐标系下的第j点实到位置坐标,xr(i)、yr(i)、zr(i)表示机器人在其基坐标系下的第i点实到位置坐标,lr(i,j)表示机器人末端坐标系下第i点与第j点之间的实际距离。第i点与第j点为机器人在三维空间中的任意点,Δl(i,j)为实际距离误差,可测量获得,Je(j)为第j点(关节角度)对应的误差传递矩阵,Je(i)为第i点(关节角度)对应的误差传递矩阵。
进一步地,请参考图2,在本申请的一个实施例中,所述根据所述函数关系式、所述距离误差模型计算所述机器人末端实时定位的参数误差的步骤,包括:
步骤242,获取所述实时定位指令,其中,所述实时定位指令用于控制所述机器人末端到达预设测量点位;
步骤244,获取所述机器人末端到达任一所述预设测量点位时所述实时定位指令对应的位姿坐标及一组关节角度;
步骤246,将各所述预设测量点位对应的位姿坐标及一组关节角度,输入所述函数关系式及所述距离误差模型,以计算出所述机器人末端实时定位的参数误差。
作为示例,请继续参考图2,可以在机器人工作空间内,选取位姿坐标已知的预设测量点位,当机器人基于获取的实时定位指令控制其末端到达预设测量点位时,获取并保存对应的位姿坐标及一组关节角度,由于预设测量点位的实际位姿坐标已知,将各所述预设测量点位对应的位姿坐标及一组关节角度,输入所述函数关系式及所述距离误差模型,即可计算出机器人末端实时定位的参数误差。
进一步地,请参考图3,在本申请的一个实施例中,所述根据所述参数误差对机器人获取的实时定位指令对应的机器人运动学参数进行优化的步骤,包括:
步骤261,获取所述实时定位指令对应的机器人运动学参数;
步骤262,根据所述机器人运动学参数计算距离误差向量;
步骤263,计算距离误差雅可比矩阵,并根据所述距离误差向量、所述距离误差雅可比矩阵及所述距离误差模型计算实时距离误差;
步骤264,判断所述实时距离误差是否大于或等于预设误差阈值;
步骤265,若是,则采用第一预设算法计算所述机器人的运动学参数误差,根据所述运动学参数误差更新对应的运动学参数,以根据更新后的运动学参数计算所述实时距离误差;
步骤266,反之,则输出所述运动学参数。
作为示例,请继续参考图3,可以采用牛顿法对机器人的运动学参数实时补偿,使得机器人定位的实时距离误差满足预设误差阈值要求。可以设置第一预设算法包括列文伯格-马夸尔特算法(Levenberg-Marquadt,LM)、最小二乘算法及粒子群算法中至少一种。为了避免在使用预设数学模型过程中出现因误差较大而导致不收敛或局部最优减少的问题,可以采用LM算法、最小二乘算法或粒子群算法中的一种或多种,对实时测量的运动学参数进行补偿并获取优化运动学参数,在没有额外测量仪器的前提下,实现对机器人定位参数高效且高精度地优化,能够有效地提高对机器人标定地效率及准确度,能够满足手术现场环境的工作需求。
在本申请的一个实施例中,所述机器人运动学参数包括关节参数及/或零位参数,其中,关节参数可以包括关节角度及/或关节旋量。
进一步地,请参考图4,在本申请的一个实施例中,提供了一种机器人参数标定方法,包括:
步骤32,获取实时定位指令,其中,所述实时定位指令用于控制机器人末端的定位端子到达预设测量点位;
步骤34,获取所述定位端子到达预设测量点位时所述实时定位指令对应的运动学参数及位姿坐标;
步骤36,根据所述运动学参数及所述位姿坐标,采用任一本申请实施例中所述的机器人参数优化方法对所述运动学参数进行优化,并获取优化运动学参数;
步骤38,根据所述优化运动学参数标定所述机器人。
作为示例,请继续参考图4,设置机器人在获取旋量运动学模型之后,根据所述旋量运动学模型获取机器人机械臂的定位误差与机器人的参数误差的函数关系式,使得机器人在获取机器人机械臂的距离误差模型之后,能够根据所述函数关系式、所述距离误差模型计算所述机器人末端实时定位的参数误差,根据所述参数误差对机器人获取的实时定位指令对应的机器人运动学参数进行优化,并基于获取的优化运动学参数对机器人进行标定,以提高对机器人标定地效率及准确度。由于本申请在没有额外测量仪器的前提下,基于旋量理论建立机器人的旋量运动学模型,能够满足机器人连杆对位姿误差完备性的需求,提高误差模型的精准性。由于本申请采用机械臂的距离误差模型来计算机器人末端实时定位的参数误差,不依赖测量系统坐标系,减少坐标系转换误差产生的影响,有效提高机器人的标定精度,能够满足手术现场环境的工作需求。
进一步地,请参考图5,在本申请的一个实施例中,所述根据所述优化运动学参数标定所述机器人的步骤,包括:
步骤381,解析所述运动学参数并获取关节角度;
步骤382,根据所述关节角度建立预设数学模型;
步骤383,计算所述关节角度的误差传递矩阵,并根据所述误差传递矩阵、所述预设数学模型计算位姿误差;
步骤384,判断所述位姿误差是否大于或等于预设精度阈值;
步骤385,若是,则采用第二预设算法计算所述机器人的关节角度误差,并根据所述关节角度误差更新对应的关节角度,以根据更新后的关节角度计算所述位姿误差;
步骤386,反之,则根据所述关节角度标定所述机器人。
作为示例,请继续参考图5,可以设置预设数学模型为牛顿法模型,通过采用牛顿法对机器人的关节角度实时补偿,使得机器人机械臂末端定位的位姿误差满足预设精度阈值要求。可以设置第二预设算法包括LM算法、最小二乘算法及粒子群算法中至少一种,对机器人的关节角度实时补偿,在没有额外测量仪器的前提下,有效地提高了机器人机械臂末端定位的精度。
进一步地,请参考图6,在本申请的一个实施例中,提供一种机器人参数优化装置100,包括参数误差函数获取模块102、参数误差计算模块104及参数优化模块106;参数误差函数获取模块102用于获取机器人的旋量运动学模型,并根据所述旋量运动学模型获取机器人机械臂的定位误差与机器人的参数误差的函数关系式;参数误差计算模块104用于获取机器人机械臂的距离误差模型,并根据所述函数关系式、所述距离误差模型计算机器人末端实时定位的参数误差;参数优化模块106用于根据所述参数误差对机器人获取的实时定位指令对应的机器人运动学参数进行优化,并获取优化运动学参数。
作为示例,请继续参考图6,利用参数误差函数获取模块102获取机器人的旋量运动学模型,并利用参数误差计算模块104根据所述旋量运动学模型获取机器人机械臂的定位误差与机器人的参数误差的函数关系式,使得参数优化模块106在获取机器人机械臂的距离误差模型之后,能够根据所述函数关系式、所述距离误差模型计算所述机器人末端实时定位的参数误差,以根据所述参数误差对机器人获取的实时定位指令对应的机器人运动学参数进行优化。从而能够根据获取的优化运动学参数对机器人进行标定,提高对机器人标定地效率及准确度。由于本申请在没有额外测量仪器的前提下,基于旋量理论建立机器人的旋量运动学模型,能够满足机器人连杆对位姿误差完备性的需求,提高误差模型的精准性。由于本申请采用机械臂的距离误差模型来计算机器人末端实时定位的参数误差,不依赖测量系统坐标系,减少坐标系转换误差产生的影响,有效提高机器人的标定精度,能够满足手术现场环境的工作需求。
进一步地,请参考图7,在本申请的一个实施例中,提供了一种机器人参数标定装置200,包括定位指令获取模块201、标定数据获取模块202、如任一本申请实施例中所述的机器人参数优化装置100及标定模块206,定位指令获取模块201用于获取实时定位指令,其中,所述指令用于控制机器人末端的定位端子到达预设测量点位;标定数据获取模块202用于获取所述定位端子到达预设测量点位时所述实时定位指令对应的运动学参数及位姿坐标;机器人参数优化装置100用于根据所述运动学参数及所述位姿坐标对所述运动学参数进行优化,并获取优化运动学参数;标定模块206用于根据所述优化运动学参数标定所述机器人。
作为示例,请继续参考图7,通过定位指令获取模块201获取实时定位指令,其中,所述指令用于控制机器人末端的定位端子到达预设测量点位;基于标定数据获取模块202获取所述定位端子到达预设测量点位时所述实时定位指令对应的运动学参数及位姿坐标;采用如任一本申请实施例中所述的机器人数优化装置100,根据所述运动学参数及所述位姿坐标对所述运动学参数进行优化,并获取优化运动学参数;使得标定模块206能够根据所述优化运动学参数标定机器人,提高对机器人标定地效率及准确度。由于本申请在没有额外测量仪器的前提下,基于旋量理论建立机器人的旋量运动学模型,能够满足机器人连杆对位姿误差完备性的需求,提高误差模型的精准性。由于本申请采用机械臂的距离误差模型来计算机器人末端实时定位的参数误差,不依赖测量系统坐标系,减少坐标系转换误差产生的影响,有效提高机器人的标定精度,能够满足手术现场环境的工作需求。
进一步地,请参考图8,在本申请的一个实施例中,提供了一种机器人参数标定系统,包括末端器械2、标定工装3,以及如任一本申请实施例中所述的机器人参数优化装置100或机器人参数标定装置200,标定工装3上设置有多个预设测量点位31;末端器械2设置于机器人1末端,末端器械2远离机器人末端的一端设置有定位端子210;机器人参数优化装置100或机器人参数标定装置200能够获取定位端子210到达预设测量点位31时所述实时定位指令对应的运动学参数及位姿坐标,根据所述运动学参数、所述位姿坐标对所述运动学参数进行优化,并获取优化运动学参数。
作为示例,请继续参考图8,通过在标定工装3上设置多个位姿坐标已知的预设测量点位31,在机器人末端设置末端器械2,并在末端器械2远离所述机器人末端的一端设置定位端子210,以在定位端子210接触预设测量点位31时获取实时定位指令对应的运动学参数及预设测量点位的位姿坐标,以数值优化方式对所述运动学参数进行优化,获取优化运动学参数,以基于所述优化运动学参数通过补偿关节角度方式提升对机器人进行标定,提高对机器人标定地效率及准确度。由于本申请在没有额外测量仪器的前提下,基于旋量理论建立机器人的旋量运动学模型,能够满足机器人连杆对位姿误差完备性的需求,提高误差模型的精准性。由于本申请采用机械臂的距离误差模型来计算机器人末端实时定位的参数误差,不依赖测量系统坐标系,减少坐标系转换误差产生的影响,有效提高机器人的标定精度,能够满足手术现场环境的工作需求。由于本实施例中涉及的标定工装及末端器械的实现成本低且实现方式简单,有效地降低了机器人参数标定的成本及复杂度。
图8中示意的机器人基坐标系Oxyz及机器人末端执行器坐标系O’x’y’z’旨在辅助示意性说明本申请的实现原理,在本申请的其他实施例中,还可以设置不同的机器人基坐标系或不同的机器人末端执行器坐标系。
作为示例,请继续参考图8,在本申请的一个实施例中,标定工装3靠近定位端子210的表面3a设置有多个测量点位31,测量点位31为凹槽状,定位端子210远离所述机器人末端的一端为球状,以便于在定位端子210位于测量点位31内部时,获取实时定位指令对应的运动学参数及预设测量点位的位姿坐标,提高获取标定采样数据的效率。
作为示例,请继续参考图8,在本申请的一个实施例中,凹槽状测量点位31的形状与定位端子210的形状相匹配,凹槽状测量点位31的容积与定位端子210的体积相匹配,以提高获取标定采样数据的准确度。
作为示例,请参考图9a及图9b,在本申请的一个实施例中,机器人包括机械臂本体11、第一关节12、第二关节13、第三关节14、第四关节15及第五关节16,第五关节16的自由端设置有末端器械2,末端器械2远离所述机器人末端的一端设置定位端子210;标定工装3靠近定位端子210的表面3a设置有第一测量点位3A、第二测量点位3B、第三测量点位3C、第四测量点位3D及第五测量点位3E,可以设置第一测量点位3A、第二测量点位3B、第三测量点位3C、第四测量点位3D以第五测量点位3E为中心点对称,以便于确定5个测量点位的位姿坐标。
作为示例,请继续参考图9a及图9b,可以依据ISO重复性定位精度评估标准,确定机械臂的工作空间,对工作空间内5点做重复性定位精度评估,若重复性定位精度不好,则检查机械结构装配上的问题;若定位精度满足预设精度要求,则进行下一步的标定工作。可以将标定工装3固定在机器人工作空间内可移动工作台上,调整标定工装3位姿且保证机械臂末端定位端子210均能到达标定工装3上的5个测量点位,选取10组相对分散的工装位姿,并确定对应测量点位的位姿坐标。然后通过拖动示教方式拖动机械臂使得末端定位端子210到达预设测量点位,例如,控制机器人带动定位端子210依次接触工装上的5个测量点位,获取并保存定位端子210接触标定工装3上第一测量点位3A、第二测量点位3B时的关节角度,以及第一测量点位3A、第二测量点位3B的标称距离,将获取的两个关节角度及两点间的标称距离作为一组测量数据。同理,分别获取第二测量点位3B、第三测量点位3C对应的两个关节角度及两点间的标称距离,获取第三测量点位3C、第四测量点位3D对应的两个关节角度及两点间的标称距离,获取第四测量点位3D、第五测量点位3E对应的两个关节角度及两点间的标称距离,获取第五测量点位3E、第一测量点位3A对应的两个关节角度及两点间的标称距离,变更标定工装3的位姿,重复上述数据采集工作,获取50组测量数据。然后,可以根据如下公式计算所述机械臂的定位误差与所述机器人的参数误差之间的函数关系式为:
δPE=Je·δe;
上式中,exp为以e为底的指数,θt为机器人第t关节的关节角,pE0为机器人末端执行器坐标系原点相对于机器人基坐标系的位姿矩阵,也即零位时机器人末端的位姿矩阵,RE0为零位时机器人末端执行器相对于机器人基坐标系的姿态矩阵,为机器人第t关节的关节旋量,δPE为PE的偏导数且为机器人的指令位置与实到位置的误差,Je为机器人误差源参数对应的误差传递矩阵,Jξ为PE对运动旋量的偏导组成的矩阵,JP0为PE对零位参数的偏导组成的矩阵,δe为由机器人的参数误差组成的向量,t为正整数。通过将各关节旋量代入指数积公式(Products of Experts,POE)公式,即得机器人的旋量运动学模型PE,为关节旋量参数的误差,δPE0表示机器人零位参数的误差。然后,根据如下公式计算机械臂定位的第i点与第j点之间的实际距离与指令距离的差值Δl(i,j):
其中,xr(j)、yr(j)、zr(j)表示机器人在其基坐标系下的第j点实到位置坐标,xr(i)、yr(i)、zr(i)表示机器人在其基坐标系下的第i点实到位置坐标,lr(i,j)表示机器人末端坐标系下第i点与第j点之间的实际距离。第i点与第j点为机器人在三维空间中的任意点,Δl(i,j)为实际距离误差,可测量获得,Je(j)为第j点(关节角度)对应的误差传递矩阵,Je(i)为第i点(关节角度)对应的误差传递矩阵。
将前30组测量数据输入距离误差模型进行参数辨识与标定,若机器人定位的距离误差中的最大值满足预设误差阈值要求或循环次数超过最大迭代次数,则获取机器人运动学参数,例如关节角度、关节转角及关节偏距。后20组测量数据用于评估标定后的机械臂距离误差及定位精度。如果重复多次测量后,每次获取的距离误差及定位精度均满足对应的要求,则说明标定结果有效,可将其更新至机器人控制器中。
由于上述实施例中采用逆运动学求解方式,所得关节角度实际上并不在目标位姿上。为使机械臂末端更靠近于目标位姿,可以采用牛顿法对机器人的关节角度实时补偿,使得机器人机械臂末端定位的位姿误差满足预设精度阈值要求。由于本实施例通过算法对机器人的关节角度实时补偿,在没有额外测量仪器的前提下,有效地提高了机器人机械臂末端定位的精度。
进一步地,在本申请的一个实施例中,提供了一种机器人,包括机器人本体、存储器、处理器及存储在存储器上并可经处理器执行的计算机程序,所述处理器执行所述计算机程序时实现任一本申请实施例中所述方法的步骤。
进一步地,在本申请的一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一本申请实施例中所述方法的步骤。
于上述实施例中的机器人或计算机可读存储介质中,设置机器人在获取旋量运动学模型之后,根据所述旋量运动学模型获取机器人机械臂的定位误差与机器人的参数误差的函数关系式,使得机器人在获取机器人机械臂的距离误差模型之后,能够根据所述函数关系式、所述距离误差模型计算所述机器人末端实时定位的参数误差,以根据所述参数误差对机器人获取的实时定位指令对应的机器人运动学参数进行优化,以基于获取的优化运动学参数对机器人进行标定,从而提高对机器人标定地效率及准确度。由于本申请在没有额外测量仪器的前提下,基于旋量理论建立机器人的旋量运动学模型,能够满足机器人连杆对位姿误差完备性的需求,提高误差模型的精准性。由于本申请采用机械臂的距离误差模型来计算机器人末端实时定位的参数误差,不依赖测量系统坐标系,减少坐标系转换误差产生的影响,有效提高机器人的标定精度,能够满足手术现场环境的工作需求。
应该理解的是,虽然图1-图5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,虽然图1-图5中的至少一部分步骤可以包括多个子步骤或多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
请注意,上述实施例仅出于说明性目的而不意味对本申请的限制。本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种机器人参数优化方法,其特征在于,包括:
获取机器人的旋量运动学模型,并根据所述旋量运动学模型获取机器人机械臂的定位误差与机器人的参数误差的函数关系式;
获取机器人机械臂的距离误差模型,并根据所述函数关系式、所述距离误差模型计算机器人末端实时定位的参数误差;
根据所述机器人末端实时定位的参数误差对机器人获取的实时定位指令对应的机器人运动学参数进行优化。
2.根据权利要求1所述的方法,其特征在于,所述根据所述函数关系式、所述距离误差模型计算所述机器人末端实时定位的参数误差的步骤,包括:
获取所述实时定位指令,其中,所述实时定位指令用于控制所述机器人末端到达预设测量点位;
获取所述机器人末端到达任一所述预设测量点位时所述实时定位指令对应的位姿坐标及一组关节角度;
将各所述预设测量点位对应的位姿坐标及一组关节角度,输入所述函数关系式及所述距离误差模型,以计算出所述机器人末端实时定位的参数误差。
3.根据权利要求2所述的方法,其特征在于,所述根据所述参数误差对机器人获取的实时定位指令对应的机器人运动学参数进行优化的步骤,包括:
获取所述实时定位指令对应的机器人运动学参数;
根据所述机器人运动学参数计算距离误差向量;
计算距离误差雅可比矩阵,并根据所述距离误差向量、所述距离误差雅可比矩阵及所述距离误差模型计算实时距离误差;
判断所述实时距离误差是否大于或等于预设误差阈值;
若是,则采用第一预设算法计算所述机器人的运动学参数误差,根据所述运动学参数误差更新对应的运动学参数,以根据更新后的运动学参数计算所述实时距离误差;
反之,则输出所述运动学参数。
4.一种机器人参数标定方法,其特征在于,包括:
获取实时定位指令,其中,所述实时定位指令用于控制机器人末端的定位端子到达预设测量点位;
获取所述定位端子到达预设测量点位时所述实时定位指令对应的运动学参数及位姿坐标;
根据所述运动学参数及所述位姿坐标,采用权利要求1-3中任一项所述的机器人参数优化方法对所述运动学参数进行优化,并获取优化运动学参数;
根据所述优化运动学参数标定所述机器人。
5.根据权利要求4所述的方法,其特征在于,所述根据所述优化运动学参数标定所述机器人的步骤,包括:
解析所述运动学参数并获取关节角度;
根据所述关节角度建立预设数学模型;
计算所述关节角度的误差传递矩阵,并根据所述误差传递矩阵、所述预设数学模型计算位姿误差;
判断所述位姿误差是否大于或等于预设精度阈值;
若是,则采用第二预设算法计算所述机器人的关节角度误差,并根据所述关节角度误差更新对应的关节角度,以根据更新后的关节角度计算所述位姿误差;
反之,则根据所述关节角度标定所述机器人。
6.一种机器人参数优化装置,其特征在于,包括:
参数误差函数获取模块,用于获取机器人的旋量运动学模型,并根据所述旋量运动学模型获取机器人机械臂的定位误差与机器人的参数误差的函数关系式;
参数误差计算模块,用于获取机器人机械臂的距离误差模型,并根据所述函数关系式、所述距离误差模型计算机器人末端实时定位的参数误差;
参数优化模块,用于根据所述机器人末端实时定位的参数误差对机器人获取的实时定位指令对应的机器人运动学参数进行优化,并获取优化运动学参数。
7.一种机器人参数标定装置,其特征在于,包括:
定位指令获取模块,用于获取实时定位指令,其中,所述指令用于控制机器人末端的定位端子到达预设测量点位;
标定数据获取模块,用于获取所述定位端子到达预设测量点位时所述实时定位指令对应的运动学参数及位姿坐标;
如权利要求6所述的机器人参数优化装置,用于根据所述运动学参数及所述位姿坐标对所述运动学参数进行优化,并获取优化运动学参数;
标定模块,用于根据所述优化运动学参数标定所述机器人。
8.一种机器人参数标定系统,其特征在于,包括:
标定工装,其上设置有多个预设测量点位;
末端器械,设置于机器人末端,所述末端器械远离所述机器人末端的一端设置有定位端子;
如权利要求6或7所述的装置,用于获取所述定位端子到达预设测量点位时所述实时定位指令对应的运动学参数及位姿坐标,及根据所述运动学参数、所述位姿坐标对所述运动学参数进行优化,并获取优化运动学参数。
9.一种机器人,包括机器人本体、存储器、处理器及存储在存储器上并可经处理器执行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-5中任意一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-5中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110744047.9A CN115533888A (zh) | 2021-06-30 | 2021-06-30 | 机器人参数优化、标定方法、装置、系统、机器人及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110744047.9A CN115533888A (zh) | 2021-06-30 | 2021-06-30 | 机器人参数优化、标定方法、装置、系统、机器人及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115533888A true CN115533888A (zh) | 2022-12-30 |
Family
ID=84722932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110744047.9A Pending CN115533888A (zh) | 2021-06-30 | 2021-06-30 | 机器人参数优化、标定方法、装置、系统、机器人及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115533888A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116047920A (zh) * | 2023-04-03 | 2023-05-02 | 杭州蓝芯科技有限公司 | 多机器人多码头的高精度对接的参数优化方法及系统 |
CN116901081A (zh) * | 2023-08-22 | 2023-10-20 | 长广溪智能制造(无锡)有限公司 | 机器人dh参数标定方法、装置、电子设备及存储介质 |
-
2021
- 2021-06-30 CN CN202110744047.9A patent/CN115533888A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116047920A (zh) * | 2023-04-03 | 2023-05-02 | 杭州蓝芯科技有限公司 | 多机器人多码头的高精度对接的参数优化方法及系统 |
CN116047920B (zh) * | 2023-04-03 | 2023-06-06 | 杭州蓝芯科技有限公司 | 多机器人多码头的高精度对接的参数优化方法及系统 |
CN116901081A (zh) * | 2023-08-22 | 2023-10-20 | 长广溪智能制造(无锡)有限公司 | 机器人dh参数标定方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zeng et al. | Positional error similarity analysis for error compensation of industrial robots | |
Wang et al. | Calibration method of robot base frame using unit quaternion form | |
Rucker et al. | Deflection-based force sensing for continuum robots: A probabilistic approach | |
Kong et al. | Kinematic calibration and investigation of the influence of universal joint errors on accuracy improvement for a 3-DOF parallel manipulator | |
CN111168719B (zh) | 一种基于定位工装的机器人校准方法及系统 | |
US20180194010A1 (en) | Mechanism-parameter-calibration method for robotic arm system | |
CN108789404A (zh) | 一种基于视觉的串联机器人运动学参数标定方法 | |
WO2018196232A1 (zh) | 机器人和末端执行器的自动标定方法及系统 | |
CN115533888A (zh) | 机器人参数优化、标定方法、装置、系统、机器人及介质 | |
JP5450242B2 (ja) | マニピュレータのキャリブレーション方法及びロボット制御システム | |
Mustafa et al. | A geometrical approach for online error compensation of industrial manipulators | |
Li et al. | Kinematic calibration of serial robot using dual quaternions | |
Majarena et al. | Analysis and evaluation of objective functions in kinematic calibration of parallel mechanisms | |
Mao et al. | Robust kinematic calibration for improving collaboration accuracy of dual-arm manipulators with experimental validation | |
Song et al. | Industrial serial robot calibration considering geometric and deformation errors | |
US20240139935A1 (en) | Robotic arm calibration method | |
CN114147726A (zh) | 一种几何误差与非几何误差相结合的机器人标定方法 | |
CN111791229B (zh) | 机器人运动学参数标定方法、装置、设备及存储介质 | |
Kluz et al. | Investigations of temperature-induced errors in positioning of an industrial robot arm | |
Gao et al. | Kinematic calibration of industrial robots based on distance information using a hybrid identification method | |
Bentaleb et al. | On the improvement of calibration accuracy of parallel robots–modeling and optimization | |
Tian et al. | A general approach for robot pose error compensation based on an equivalent joint motion error model | |
Zhang et al. | Uncertainty inverse analysis of positioning accuracy for error sources identification of industrial robots | |
JP5574805B2 (ja) | 視覚センサを有するマニピュレータのセンサキャリブレーション方法及びロボット制御システム | |
Shen et al. | A novel robot kinematic calibration method based on common perpendicular line model |
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 |