CN116277035B - 机器人的控制方法、装置、处理器及电子设备 - Google Patents

机器人的控制方法、装置、处理器及电子设备 Download PDF

Info

Publication number
CN116277035B
CN116277035B CN202310542256.4A CN202310542256A CN116277035B CN 116277035 B CN116277035 B CN 116277035B CN 202310542256 A CN202310542256 A CN 202310542256A CN 116277035 B CN116277035 B CN 116277035B
Authority
CN
China
Prior art keywords
coordinate system
robot
calibration value
joint
visual
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
CN202310542256.4A
Other languages
English (en)
Other versions
CN116277035A (zh
Inventor
魏晓晨
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.)
Beijing Yidian Lingdong Technology Co ltd
Original Assignee
Beijing Yidian Lingdong Technology 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 Beijing Yidian Lingdong Technology Co ltd filed Critical Beijing Yidian Lingdong Technology Co ltd
Priority to CN202310542256.4A priority Critical patent/CN116277035B/zh
Publication of CN116277035A publication Critical patent/CN116277035A/zh
Application granted granted Critical
Publication of CN116277035B publication Critical patent/CN116277035B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • 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
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • 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
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Manipulator (AREA)

Abstract

本申请公开了一种机器人的控制方法、装置、处理器及电子设备。该方法包括：获取视觉采集设备的视觉坐标系，机器人的轴关节坐标系和运动终端坐标系；基于视觉坐标系、轴关节坐标系和运动终端坐标系三者之间的转换关系，对机器人的待标定参数进行标定，得到标定值，其中，转换关系包括与膝关节手术需求信息对应的相对位置转换关系和/或姿态转换关系；对标定值进行迭代处理，得到迭代处理结果；基于迭代处理结果，控制机器人执行与膝关节手术需求信息关联的执行行为。通过本申请解决了无法通过单次标定，得到满足膝关节手术需求的机器人的技术问题。

Description

机器人的控制方法、装置、处理器及电子设备
技术领域
本申请涉及医疗技术领域，具体而言，涉及一种机器人的控制方法、装置、处理器及电子设备。
背景技术
在相关技术中，机器人的标定方法主要是基于激光跟踪仪、三维坐标测量仪等设备，这些方法主要是针对工业机器人，旨在提高机器人的重复定位精度，只能通过目标点的位置信息建立误差方程，而由于无法使用姿态信息，因此，无法生成能够使用在膝关节手术中的机器人，因此，仍存在无法通过单次标定得到满足膝关节手术需求的机器人的技术问题。
针对上述相关技术中无法通过单次标定得到满足膝关节手术需求的机器人的技术问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种机器人的控制方法、装置、处理器及电子设备，以至少解决无法通过单次标定得到满足膝关节手术需求的机器人的技术问题。
为了实现上述目的，根据本申请实施例的一个方面，提供了一种机器人的控制方法。该方法可以包括：获取视觉采集设备的视觉坐标系，机器人的轴关节坐标系和运动终端坐标系；基于视觉坐标系、轴关节坐标系和运动终端坐标系三者之间的转换关系，对机器人的待标定参数进行标定，得到标定值，其中，转换关系包括与膝关节手术需求信息对应的相对位置转换关系和/或姿态转换关系；对标定值进行迭代处理，得到迭代处理结果；基于迭代处理结果，控制机器人执行与膝关节手术需求信息关联的执行行为。
可选地，基于视觉坐标系、轴关节坐标系和运动终端坐标系三者之间的转换关系，对机器人的待标定参数进行标定，得到标定值，包括：确定视觉坐标系与轴关节坐标系中的基座坐标系之间的第一转换关系，且基于第一转换关系，对待标定参数进行标定，得到第一标定值，其中，第一转换关系用于表征视觉坐标系与基座坐标系之间的姿态转换关系与相对位置转换关系，标定值包括所述第一标定值；确定视觉坐标系与运动终端坐标系之间的第二转换关系，且基于第二转换关系，对待标定参数进行标定，得到第二标定值，其中，第二转换关系用于表征视觉采集设备与运动终端坐标系之间的姿态转换关系与相对位置转换关系，标定值包括第二标定值。
可选地，基于视觉坐标系、轴关节坐标系和运动终端坐标系三者之间的转换关系，对机器人的待标定参数进行标定，得到标定值，包括：获取机器人的视觉下位姿数据集合，其中，视觉下位姿数据集合是通过控制机器人的轴关节转动得到的；通过视觉下位姿数据集合拟合轴关节对应的轴线，得到轴关节的轴向矢量；基于轴向矢量，确定第一标定值和第二标定值。
可选地，基于轴向矢量，确定第一标定值和第二标定值，包括：将轴向矢量中的第一轴向矢量与第二轴向矢量二者的公垂线的中点确定为基坐标系的原点，且基于右手法则，在基坐标系的原点建立基坐标系，并基于基坐标系，确定第一标定值；将轴向矢量中的第二轴向矢量与第三轴向矢量的公垂线的中点确定为三轴坐标系的原点，且基于右手法则，在三轴关节的原点建立三轴坐标系，并基于三轴坐标系，确定第二标定值，其中，机器人包括多个轴关节，每个轴关节对应各自的轴向矢量，三轴坐标系为第三个轴关节的坐标系。
可选地，在对标定值进行迭代处理，得到迭代处理结果之前，包括：确定满足膝关节手术需求信息的手术切削的运动平面，其中，运动平面至少包括胫骨平面、股骨后倒角平面、股骨远端平面、股骨前倒角平面、股骨前髁平面和股骨后髁平面；设定各个运动平面的采样区间，其中，采样区间包括高度采样区间和平面倾斜角度采样区间；分别为每个运动平面从采样区间中获取高度样本和平面倾斜角度样本，其中，高度样本用于表示运动平面的高度处在采样区间的高度阈值范围之内，平面倾斜角度样本用于表示运动平面的倾斜角度处在采样区间的倾斜角度阈值范围之内；基于高度样本和平面倾斜角度样本，构建目标数据的新平面，得到新平面的平面位姿集合；基于平面位姿集合，确定机器人的运动终端的采样集合，其中，采样集合包括运动终端的视觉特征阵列数据。
可选地，基于平面位姿集合，确定机器人的运动终端的采样集合，包括：通过平面位姿集合，确定机器人的轴关节的轴位置集合；控制机器人按照轴位置集合依次运动，得到采样集合。
可选地，在对标定值进行迭代处理，得到迭代结果之前，包括：确定机器人的第三个轴关节与运动终端的位置关系数据；基于位置关系数据和第一标定值，确定机器人的位姿关系模型；将采样集合输入对应的位姿子关系模型中，确定采样集合中每个元素对应的标定值，其中，位姿子关系模型是对位姿关系模型进行拆分得到的。
可选地，对标定值进行迭代处理，得到迭代处理结果，包括：基于位置关系数据，确定位姿关系矩阵；基于位姿关系矩阵，对标定值进行迭代处理，得到迭代处理结果。
可选地，基于位姿关系矩阵，对标定值进行迭代处理，得到迭代处理结果，包括：基于下一次迭代的位姿关系矩阵、下一次迭代的映射矩阵与下一次迭代的误差矩阵，确定迭代方程；基于迭代方程，对标定值进行迭代处理；响应于误差矩阵小于误差矩阵阈值，停止迭代，且输出迭代处理结果。
为了实现上述目的，根据本申请实施例的另一方面，还提供了一种机器人的控制装置。该装置可以包括：获取单元，用于获取视觉采集设备的视觉坐标系，机器人的轴关节坐标系和运动终端坐标系；标定单元，用于基于视觉坐标系、轴关节坐标系和运动终端坐标系三者之间的转换关系，对机器人的待标定参数进行标定，得到标定值，其中，转换关系包括与膝关节手术需求信息对应的相对位置转换关系和/或姿态转换关系；处理单元，用于对标定值进行迭代处理，得到迭代处理结果；控制单元，用于基于迭代处理结果，控制机器人执行与膝关节手术需求信息关联的执行行为。
为了实现上述目的，根据本申请实施例的再一方面，还提供了一种处理器，处理器用于运行存储在存储器中的程序，其中，程序运行时执行上述任意一项所述的机器人的控制方法。
为了实现上述目的，根据本申请实施例的再一方面，还提供一种电子设备，电子设备包括一个或多个处理器和存储器，存储器用于存储一个或多个处理器实现上述任意一项所述的机器人的控制方法。
在本申请实施例中，获取视觉采集设备的视觉坐标系，机器人的轴关节坐标系和运动终端坐标系；基于视觉坐标系、轴关节坐标系和运动终端坐标系三者之间的转换关系，对机器人的待标定参数进行标定，得到标定值，其中，转换关系包括与膝关节手术需求信息对应的相对位置转换关系和/或姿态转换关系；对标定值进行迭代处理，得到迭代处理结果；基于迭代处理结果，控制机器人执行与膝关节手术需求信息关联的执行行为。也就是说，本申请实施例通过确定视觉采集设备的视觉坐标系以及机器人的轴关节坐标系和运动终端坐标系三者之间的能够满足膝关节手术需求信息的相对位置转换关系和/或姿态转换关系，对机器人的待标定参数进行初次标定，得到标定值。通过对标定值进行迭代处理，可以得到迭代处理结果，并可以将迭代处理结果赋予该机器人，使得该机器人能够成为辅助医生进行膝关节手术的机器人，从而可以控制该机器人执行与膝关节手术需求信息相关联的执行行为，由于考虑到通过膝关节手术需求信息对机器人的待标定参数进行标定，并且只标定一次，达到了能够提高机器人标定的效率的目的，且可以实现机器人辅助医生进行膝关节手术的目的，进而解决了无法通过单次标定得到满足膝关节手术需求的机器人的技术问题，实现了能够通过单次标定得到满足膝关节手术需求的机器人的技术效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种机器人的控制方法的流程图；
图2是根据本申请实施例的另一种机器人的控制方法的流程图；
图3是根据本申请实施例的一种三种坐标系相对位置的示意图；
图4是根据本申请实施例的一种定义得到的基坐标的三个坐标轴朝向的示意图；
图5是根据本申请实施例的一种基于膝关节手术需求进行手术切削得到的六组运动平面的示意图；
图6是根据本申请实施例的一种机器人的控制装置的示意图；
图7是根据本申请实施例的一种电子设备。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，本公开所涉及的相关信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于展示的数据、分析的数据等），均为经用户授权或者经过各方充分授权的信息和数据。例如，本系统和相关用户或机构间设置有接口，在获取相关信息之前，需要通过接口向前述的用户或机构发送获取请求，并在接收到前述的用户或机构反馈的同意信息后，获取相关信息。
实施例1
根据本申请实施例，提供了一种机器人的控制方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本申请实施例的一种机器人的控制方法的流程图，如图1所示，该方法可以包括如下步骤：
步骤S102，获取视觉采集设备的视觉坐标系，机器人的轴关节坐标系和运动终端坐标系。
在本申请上述步骤S102提供的技术方案中，可以对视觉采集设备建立对应的视觉坐标系，对机器人的各个轴关节建立对应的轴关节坐标系，对机器人的运动终端建立对应的运动终端坐标系，其中，机器人可以为一种串联机器人，可以称为膝关节机器人、膝关节导航机器人、膝关节手术机器人或三自由度定平面机器人等。机器人可以至少包括三个轴关节。三个轴关节对应各自的坐标系。轴关节坐标系可以包含三个轴关节的坐标系及机器人的基座坐标系。运动终端可以为机器人所再运动系统的末端位置。运动终端坐标系可以为法兰坐标系，其机器人的运动终端可以为法兰坐标系的原点。
可选地，可以以视觉采集设备的中心为视觉坐标系的原点，根据右手法则建立视觉坐标系，也可以根据机器人的基座的中心为基座坐标系的原点，根据右手法则建立基座坐标系，该基座坐标系中的点可以表示为。跟据机器人的第一个轴关节的中心为第一个轴关节坐标系的原点，根据右手法则建立第一个轴关节坐标系，该坐标系中的点可以表示为/>。同理，可以建立出机器人的第二轴关节的第二轴关节坐标系，该坐标系中的点可以表示为/>，机器人的第三轴关节的第三轴关节坐标系，该坐标系中的点可以表示为/>，机器人的运动终端的运动终端坐标系，该坐标系中的点可以表示为/>，其中，可以将基座坐标系的原点与第一个轴关节坐标系的原点确定为同一个点，也可以将第二个轴关节坐标系的原点与第三个轴关节坐标系的原点确定为同一个点。需要说明的是，此处仅为举例说明，不对各个坐标系的原点及坐标系的各个轴的指向做具体限制。
步骤S104，基于视觉坐标系、轴关节坐标系和运动终端坐标系三者之间的转换关系，对机器人的待标定参数进行标定，得到标定值，其中，转换关系包括与膝关节手术需求信息对应的相对位置转换关系和/或姿态转换关系。
在本申请上述步骤S104提供的技术方案中，在获取到视觉坐标系、轴关节坐标系和运动终端坐标系之后，可以确定视觉坐标系与轴关节坐标系和运动终端坐标系三者之间的与膝关节手术需求相关的转换关系，从而基于转换关系对机器人的待标定参数进行标定，得到标定值，其中，转换关系可以包括与膝关节手术需求信息对应的相对位置转换关系和/或姿态转换关系。膝关节手术可以为关节置换手术，过程为通过植入人工关节假体将病患的病变关节进行替换。膝关节手术需求信息可以为与膝关节手术有关的需要执行的手术动作。姿态转换关系可以用欧拉角表示。待标定参数可以包括（Denavit-Hartenbergparameters，简称为DH参数），DH参数可以为机器人的连杆长度、连杆转角、关节转角和连杆偏距等参数。
可选地，可以通过视觉坐标系与机器人的轴关节坐标系中的基坐标系二者之间相对位置转换关系与欧拉角，确定二者之间的转换关系，也可以通过视觉坐标系与机器人的法兰坐标系二者之间的相对位置转换关系与欧拉角，确定二者之间的转换关系。
可选地，在对待标定参数进行标定之前，可以对每个轴关节的待标定参数进行定义，确定每个轴关节标定前的连杆长度、连杆转角、关节角和连杆偏距等参数。
在相关技术中，对机器人的待标定参数需要多次标定，从而导致存在由于多次标定导致的标定效率低且标定流程复杂的技术问题。然而，在本申请实施例中，可以基于视觉坐标系与机器人的轴关节坐标系二者之间的转换关系以及视觉坐标系与机器人的法兰坐标系二者之间的转换关系，仅通过对机器人的待标定参数及视觉采集设备与机器人之间进行一次标定，不仅可以完成手眼标定且可以对DH参数进行初步标定得到初步的标定值，便于后续可以只通过迭代处理便可以得到最终的结果，由于可以一次性完成对机器人的DH参数标定以及手眼标定的过程，达到了节约标定时间，简化标定流程的目的，实现了提高标定效率并简化标定流程的技术效果。
步骤S106，对标定值进行迭代处理，得到迭代处理结果。
在本申请上述步骤S106提供的技术方案中，在确定视觉坐标系与轴关节坐标系和运动终端坐标系三者之间的与膝关节手术需求相关的转换关系，从而基于转换关系对机器人的待标定参数进行标定，得到标定值之后，可以对标定值进行迭代处理，得到迭代处理结果，其中，迭代处理结果可以为最终得到的机器人的经过标定的各种参数的结果，比如，可以为最终符合膝关节手术需求的连杆长度、连杆转角、关节转角和连杆偏距等参数。需要说明的是，此处仅为举例说明，不对迭代处理结果中包含的机器人的各种参数做具体限制。
可选地，在对标定值进行迭代处理之前，可以先采集需要进行膝关节手术的手术切削的多个运动平面，并在每个运动平面上按照平面的高度和平面倾斜角度进行采样，得到相关的样本。基于该样本，确定对应的机器人的轴位置集合，并控制机器人按照轴位置集合中的每个元素进行运动，形成机器人的运动终端的视觉特征阵列数据，并对该数据进行采样，得到运动终端的采样集合。
可选地，在对标定值进行迭代处理之前，可以通过机器人的各个轴关节之间的转换关系和位置关系，确定机器人的位姿关系模型。可以将位姿关系模型拆分成多个位姿子关系模型，并将每个位姿子关系模型对应的位姿关系，形成需要迭代处理的矩阵集合，从而得到迭代方程，通过迭代方程，可以对标定值进行迭代处理，得到迭代处理结果。
在相关技术中，对机器人的待标定参数需要多次标定，从而导致存在由于多次标定导致的标定效率低且标定流程复杂的技术问题。然而，在本申请实施例中，可以基于视觉坐标系与机器人的轴关节坐标系二者之间的转换关系以及视觉坐标系与机器人的法兰坐标系二者之间的转换关系，仅通过对机器人的待标定参数及视觉采集设备与机器人之间进行一次标定，不仅可以完成手眼标定且可以对DH参数进行初步标定得到初步的标定值。为了减少数据计算的时间，可以采用迭代实时算法，对标定值进行迭代处理，得到迭代处理结果。由于可以一次性完成对机器人的DH参数标定以及手眼标定的过程，达到了节约标定时间，简化标定流程的目的，实现了提高标定效率并简化标定流程的技术效果。
步骤S108，基于迭代处理结果，控制机器人执行与膝关节手术需求信息关联的执行行为。
在本申请上述步骤S108提供的技术方案中，在对标定值进行迭代处理，得到迭代处理结果之后，可以说明确定出的机器人的迭代处理结果中机器人的各种参数经过标定之后已经符合膝关节手术需求，从而可以说明机器人已经可以成为进行膝关节手术的机器人，可以控制机器人执行与膝关节手术需求信息关联的执行行为，其中，执行行为可以包括与辅助医生进行手术工具的定位置、定姿态相关的行为。
可选地，在迭代处理得到迭代处理结果之后，可以将迭代处理结果赋予机器人，通过迭代处理结果可以对机器人的连杆长度、连杆转角、关节转角和连杆偏距等进行调整，从而使得机器人满足膝关节手术需求。在医生需要机器人帮忙进行膝关节手术时，可以通过控制机器人执行相应的行为。
本申请实施例上述步骤S102至步骤S108，通过确定视觉采集设备的视觉坐标系以及机器人的轴关节坐标系和运动终端坐标系三者之间的能够满足膝关节手术需求信息的相对位置转换关系和/或姿态转换关系，对机器人的待标定参数进行初次标定，得到标定值。通过对标定值进行迭代处理，可以得到迭代处理结果，并可以将迭代处理结果赋予该机器人，使得该机器人能够成为辅助医生进行膝关节手术的机器人，从而可以控制该机器人执行与膝关节手术需求信息相关联的执行行为，由于考虑到通过膝关节手术需求信息对机器人的待标定参数进行标定，并且只标定一次，达到了能够提高机器人标定的效率的目的，且可以实现机器人辅助医生进行膝关节手术的目的，进而解决了无法通过单次标定得到满足膝关节手术需求的机器人的技术问题，实现了能够通过单次标定得到满足膝关节手术需求的机器人的技术效果。
下面对该实施例的上述方法进行进一步介绍。
作为一种可选的实施例方式，步骤S104，基于视觉坐标系、轴关节坐标系和运动终端坐标系三者之间的转换关系，对机器人的待标定参数进行标定，得到标定值，包括：确定视觉坐标系与轴关节坐标系中的基座坐标系之间的第一转换关系，且基于第一转换关系，对待标定参数进行标定，得到第一标定值，其中，第一转换关系用于表征视觉坐标系与基座坐标系之间的姿态转换关系与相对位置转换关系，标定值包括所述第一标定值；确定视觉坐标系与运动终端坐标系之间的第二转换关系，且基于第二转换关系，对待标定参数进行标定，得到第二标定值，其中，第二转换关系用于表征视觉采集设备与运动终端坐标系之间的姿态转换关系与相对位置转换关系，标定值包括第二标定值。
在该实施例中，在基于视觉坐标系、轴关节坐标系和运动终端坐标系三者之间的转换关系，对机器人的待标定参数进行标定，得到标定值的过程中，可以确定视觉坐标系与轴关节坐标系中的基座坐标系之间的第一转换关系，并且可以基于第一转换关系，对待标定参数进行标定，得到第一标定值，也可以确定视觉坐标系与机器人的运动终端坐标系之间的第二转换关系，并且可以基于第二转换关系对待标定参数进行标定，得到第二标定值，其中，第一转换关系可以用于表征视觉坐标系与基座坐标系之间的姿态转换关系与相对位置转换关系。第二转换关系可以用于表征视觉坐标系与运动终端坐标系之间的姿态转换关系与相对位置转换关系。标定值可以包括第一标定值、第二标定值以及DH参数。第一标定值可以用表示。第二标定值可以用/>表示。
可选地，机器人的基座坐标系中的点可以表示为，可以将视觉坐标系与机器人的基座坐标系的第一转换关系确定为/>，其中，/>可以为基于欧拉角表示的基座坐标系与视觉坐标系二者之间的姿态转换关系；/>可以为基座坐标系与视觉坐标系二者之间的相对位置转换关系。
可选地，机器人的运动终端坐标系中的点可以表示为，可以将视觉坐标系与机器人的运动终端坐标系的第二转换关系确定为/>，其中，可以为基于欧拉角表示的视觉坐标系与运动终端坐标系二者之间的姿态转换关系；/>可以为视觉坐标系与运动终端坐标系二者之间的相对位置转换关系。
可选地，可以预先对机器人的待标定的DH参数进行定义，可以确定机器人的每个轴关节及基座的连杆长度、连杆转角/>、关节转角/>和连杆偏距/>。基于定义的所有坐标系和定义的上述参数，可以确定机器人的待标定参数可以包括/>，以及待标定的第一转换关系和第二待标定转换关系，其中，/>可以用于表示第一轴关节至第三轴关节的连杆长度的待标定参数；/>可以用于表示第一轴关节至第三轴关节的连杆转角的待标定参数；/>可以用于表示第一轴关节至第三轴关节的连杆偏距的待标定参数；待标定的第一转换关系可以为/> ；待标定的第二转换关系的相对位置关系可以为/>，在上述两种待标定的转换关系中包含待标定参数为/>，/>和/>。可以对上述待标定参数进行初步标定，得到第一标定值/>和第二标定值/>。
作为一种可选的实施例方式，步骤S104，基于视觉坐标系、轴关节坐标系和运动终端坐标系三者之间的转换关系，对机器人的待标定参数进行标定，得到标定值，包括：获取机器人的视觉下位姿数据集合，其中，视觉下位姿数据集合是通过控制机器人的轴关节转动得到的；通过视觉下位姿数据集合拟合轴关节对应的轴线，得到轴关节的轴向矢量；基于轴向矢量，确定第一标定值和第二标定值。
在该实施例中，可以获取机器人的视觉下位姿数据集合，通过视觉下位姿数据集合拟合出对应的轴关节的轴线，从而确定出对应的轴关节的轴向矢量，并基于轴向矢量，确定出第一标定值和第二标定值，其中，视觉下位姿数据集合是通过控制机器人的轴关节转动得到的。轴向矢量可以包括第一轴向矢量、第二轴向矢量和第三轴向矢量。机器人中的每个轴关节，对应各自的轴向矢量。轴向矢量的个数与轴关节的个数一致。
可选地，在视觉采集设备的可视范围内，可以在机器人的第二轴关节与第三轴关节二者的轴关节坐标系的相对位姿关系为零的状态（即，第二轴关节与第三轴关节为零度）下，控制第一轴关节转动，确定此时第一轴关节的视觉下位姿数据集合{P1}。也可以在机器人的第一轴关节与第三轴关节为零度下，控制第二轴关节转动，确定此时第二轴关节的视觉下位姿数据集合{P2}。也可以在机器人的第一轴关节与第二轴关节为零度下，控制第三轴关节转动，确定此时第三轴关节的视觉下位姿数据集合{P3}。
可选地，可以通过三个轴关节的视觉下位姿数据集合，分别拟合出每个轴关节在视觉坐标系下的轴向矢量和/>，其中，/>可以用于表示第一轴关节的轴向矢量，/>可以用于表示第二轴关节的轴向矢量，/>可以用于表示第三轴关节的轴向矢量。通过第一轴向矢量和第二轴向矢量，可以确定出第一标定值/>。通过第二轴向矢量和第三轴向矢量，可以确定出第二标定值/>。
作为一种可选的实施例方式，步骤S104，基于轴向矢量，确定第一标定值和第二标定值，包括：将轴向矢量中的第一轴向矢量与第二轴向矢量二者的公垂线的中点确定为基坐标系的原点，且基于右手法则，在基坐标系的原点建立基坐标系，并基于基坐标系，确定第一标定值；将轴向矢量中的第二轴向矢量与第三轴向矢量的公垂线的中点确定为三轴坐标系的原点，且基于右手法则，在三轴关节的原点建立三轴坐标系，并基于三轴坐标系，确定第二标定值，其中，机器人包括多个轴关节，每个轴关节对应各自的轴向矢量，三轴坐标系为第三个轴关节的坐标系。
在该实施例中，在基于轴向矢量，确定第一标定值和第二标定值的过程中，可以将第一轴向矢量与第二轴向矢量二者公垂线的中点作为基坐标系的原点，并基于右手法则，可以基于该原点，建立出基坐标系，通过基坐标系，可以确定出第一标定值。可以将第二轴向矢量与第三轴向矢量二者公垂线的中点作为三轴坐标系的原点，并可以基于右手法则和该原点，建立出三轴坐标系，通过三轴坐标系，可以确定出第二标定值，其中，机器人可以包括多个轴关节，每个轴关节可以对应各组的轴向矢量，三轴坐标系可以为第三个轴关节的坐标系。基坐标系可以为机器人的基座坐标系，与定义的基座坐标系不同处在于，此处的基坐标系为基于实际的轴向矢量等建立得到的，方向与轴向矢量有关，定义中的基座坐标系的各个轴的方向可以是随机的。
可选地，可以基于第一轴关节的视觉下位姿数据集合{P1}与第二轴关节的视觉下位姿数据集合{P2}拟合出第一轴关节的轴向矢量与第二轴关节的轴向矢量/>。以/>和/>的公垂线中点作为基坐标系的原点，以/>方向为/>轴，以/>方向为/>轴方向，基于右手法则建立基坐标系，确定第一标定值。可以基于第二轴关节的视觉下位姿数据集合{P2}与第三轴关节的视觉下位姿数据集合{P3}，拟合出第二轴关节的轴向矢量与第三轴关节矢量，以第二轴关节的轴向矢量与第三轴关节矢量的公垂线中点作为三轴坐标系的原点，同理可以得到第二标定值。
作为一种可选的实施例方式，步骤S106，在对标定值进行迭代处理，得到迭代处理结果之前，包括：确定满足膝关节手术需求信息的手术切削的运动平面，其中，运动平面至少包括胫骨平面、股骨后倒角平面、股骨远端平面、股骨前倒角平面、股骨前髁平面和股骨后髁平面；设定各个运动平面的采样区间，其中，采样区间包括高度采样区间和平面倾斜角度采样区间；分别为每个运动平面从采样区间中获取高度样本和平面倾斜角度样本，其中，高度样本用于表示运动平面的高度处在采样区间的高度阈值范围之内，平面倾斜角度样本用于表示运动平面的倾斜角度处在采样区间的倾斜角度阈值范围之内；基于高度样本和平面倾斜角度样本，构建目标数据的新平面，得到新平面的平面位姿集合；基于平面位姿集合，确定机器人的运动终端的采样集合，其中，采样集合包括运动终端的视觉特征阵列数据。
在该实施例中，在对标定值进行迭代处理之前，可以确定出满足膝关节手术需求信息的手术切削的运动平面，可以设定每个运动平面的采样区间，为每个运动平面从采样区间中获取高度样本和平面倾斜角度样本，并可以基于上述两种样本，构建目标数据的新平面，得到新平面的平面位姿集合，可以基于平面位姿集合，确定机器人的运动终端的采样集合，其中，运动平面可以包括胫骨平面、股骨后倒角平面、股骨远端平面、股骨前倒角平面、股骨前髁平面和股骨后髁平面。采样区间可以包括高度采样区间和平面倾斜角度采样区间。高度样本可以用于表示运动平面的高度处在采样区间的高度阈值范围之内。平面倾斜角度样本可以用于表示运动平面的倾斜角度处在采样区间的倾斜角度阈值范围之内。采样集合可以包括运动终端的视觉特征阵列数据。目标数量、高度阈值范围和倾斜角度阈值范围可以为提前预设的数值或区间，也可以根据实际机器人需求自行设置的数值或区间。需要说明的是，此处的运动平面与目标数量仅为举例说明，不做具体限制。
可选地，可以确定需要进行膝关节手术的手术切削的六组运动平面，并可以设定每个运动平面的采样区间，比如，可以设定高度采样区间为，也可以设定平面倾斜角度采样区间为/>。可以在上述采样区间内随机选取一定数量的高度样本和平面倾斜角度样本，并按照这两种样本与六组运动平面，共同构造目标数量的新平面。得到平面位姿集合{P}。可以通过逆解反求出机器人的轴位置集合{JP}。可以控制机器人按照轴位置集合中的元素依次运动，通过视觉采集设备完成对机器人运动过程中机器人的运动终端的视觉特征阵列数据的采集，得到采样集合{Pr}。
举例而言，可以在6组运动平面的采样区间内挑选符合高度阈值范围随机选取20组的高度样本和平面倾斜角度样本，基于6组运动平面和20组的样本，可以构建出6X20=120组的新平面，从而得到新平面的平面位姿集合。需要说明的是，此处仅为举例说明，不对随机挑选样本的数量做具体限制。
作为一种可选的实施例方式，步骤S106，基于平面位姿集合，确定机器人的运动终端的采样集合，包括：通过平面位姿集合，确定机器人的轴关节的轴位置集合；控制机器人按照轴位置集合依次运动，得到采样集合。
在该实施例中，在基于平面位姿集合，确定出机器人的运动终端采样集合的过程中，可以通过平面位姿集合，确定出机器人的轴关节的轴位置集合，并可以控制机器人按照轴位置集合依次运动，得到采样集合。
可选地，可以基于平面位姿集合，通过逆解反求出机器人的轴位置集合，控制机器人按照轴位置集合中的元素依次运动，通过视觉采集设备完成对机器人运动过程中机器人的运动终端的视觉特征阵列数据的采集，得到采样集合。
作为一种可选的实施例方式，步骤S106，在对标定值进行迭代处理，得到迭代结果之前，包括：确定机器人的第三个轴关节与运动终端的位置关系数据；基于位置关系数据和第一标定值，确定机器人的位姿关系模型；将采样集合输入对应的位姿子关系模型中，确定采样集合中每个元素对应的标定值，其中，位姿子关系模型是对位姿关系模型进行拆分得到的。
在该实施例中，在对标定值进行迭代处理，得到迭代结果之前，可以预先确定出机器人的第三轴关节与运动终端的位置关系数据，基于位置关系数据和第一标定值，可以确定出机器人的位姿关系模型，可以将位姿关系模型拆分成多个位姿子关系模型，并可以将采样集合输入对应的位姿子关系模型中，从而确定采样集合中每个元素对应的标定值，其中，位姿子关系模型是对位姿关系模型进行拆分得到的，其中。位置关系数据可以用于表示第三轴关节坐标系与运动终端坐标系之间的相对位置转换关系。
可选地，基于位置关系数据与第一标定值，可以确定出如下公式所示的位姿关系模型：
其中，可以用于表示第一标定值；/>可以用于表示第一轴关节坐标与基座坐标系之间的包括相对位置转换关系和姿态转换关系的转换关系；/>可以用于表示第一轴关节坐标与第二轴关节坐标之间的包括相对位置转换关系和姿态转换关系的转换关系；可以用于表示第二轴关节坐标与第三轴关节坐标之间的包括相对位置转换关系和姿态转换关系的转换关系；/>可以用于表示第三轴关节坐标与运动终端坐标系之间的相对位置转换关系；/>可以用于表示位置关系数据。
可选地，对位姿关系模型按照采样集合的组别进行拆分，得到如下公式所示的位姿子关系模型：
其中，i用于表示采样集合中的第i组数据；可以用于表示第i组的视觉特征阵列数据；/>可以用于表示第i组的转换关系，i可以用于表示标定值。
在相关技术中，对机器人的待标定参数需要多次标定，从而导致存在由于多次标定导致的标定效率低且标定流程复杂的技术问题。然而，在本申请实施例中，可以基于视觉坐标系与机器人的轴关节坐标系二者之间的转换关系以及视觉坐标系与机器人的法兰坐标系二者之间的转换关系，仅通过对机器人的待标定参数及视觉采集设备与机器人之间进行一次标定，不仅可以完成手眼标定且可以对DH参数进行初步标定得到初步的标定值。为了减少数据计算的时间，可以采用迭代实时算法，对标定值进行迭代处理，得到迭代处理结果。由于可以一次性完成对机器人的DH参数标定以及手眼标定的过程，达到了节约标定时间，简化标定流程的目的，实现了提高标定效率并简化标定流程的技术效果。
作为一种可选的实施例方式，步骤S106，对标定值进行迭代处理，得到迭代处理结果，包括：基于位置关系数据，确定位姿关系矩阵；基于位姿关系矩阵，对标定值进行迭代处理，得到迭代处理结果。
在该实施例中，在对标定值进行迭代处理，得到迭代处理结果的过程中，可以基于位置关系数据，确定位姿关系矩阵，并可以基于位姿关系矩阵，对标定值进行迭代处理，从而得到迭代处理结果。
可选地，可以基于位置关系数据，确定如下所示的集合：
其中，J(k)用于表示前k组转换关系(T)矩阵集合；T1可以表示第1组转换关系，Tk以用于表示第k组的转换关系。
可选地，基于上述集合，可以确定出如下公式所示的位姿关系矩阵：
其中，W(k)以用于表示位姿关系矩阵。
作为一种可选的实施例方式，步骤S106，基于位姿关系矩阵，对标定值进行迭代处理，得到迭代处理结果，包括：基于下一次迭代的位姿关系矩阵、下一次迭代的映射矩阵与下一次迭代的误差矩阵，确定迭代方程；基于迭代方程，对标定值进行迭代处理；响应于误差矩阵小于误差矩阵阈值，停止迭代，且输出迭代处理结果。
在该实施例中，在基于位姿关系矩阵，对标定值进行迭代，得到迭代处理结果的过程中，可以基于下一次迭代的位姿关系矩阵、下一次迭代的映射矩阵与下一次迭代的误差矩阵，确定出迭代方程，并可以基于迭代方程，对标定值进行迭代处理，并可以在迭代过程中，判断误差矩阵与误差矩阵阈值的大小关系，若误差矩阵小于误差矩阵阈值，则可以停止迭代，可以说明此时的机器人中的参数满足膝关节手术需求，可以将此时的迭代处理结果输出。
可选地，可以确定下一次迭代的位姿关系矩阵、下一次迭代的映射矩阵以及下一次迭代的误差矩阵三者的乘积，并可以将本次迭代时机器人的相关参数（辨识参数值）与上述乘积的和，确定为迭代方程。
举例而言，基于下一次迭代的位姿关系矩阵、下一次迭代的映射矩阵与下一次迭代的误差矩阵，可以得到如下所示的迭代方程：
其中，p(k+1)以用于表示第k+1迭代的机器人的参数（辨识参数值）；p(k)可以用于表示第k次迭代的机器人的参数（辨识参数值）；W(k+1)可以用于表示第k+1迭代的位姿关系矩阵；T(k+1)可以用于表示第k+1次采样形成的映射矩阵；E(k+1)可以用于表示第k+1迭代时的误差矩阵。
可选地，基于上述迭代方程，可以对位姿关系矩阵进行更新，在对第k次位姿关系矩阵可以通过如下公式进行更新，得到第k+1次位姿关系矩阵：
其中，可以将初始W(0)定义为W(0)=aI，参数a可以选择为较大的数值，该数值越大，则可以说明W(0)对迭代计算中W(k)的影响越小，此处可以直接预设为10000。
可选地，基于上述迭代更新后的位姿关系矩阵，可以对第次的误差矩阵进行更新，得到第k+1次的误差矩阵：
其中，可以将P(k)的初始值调整为0。
可选地，在每次迭代处理的过程中，可以对误差矩阵进行更新，若迭代的次数越来越多，误差矩阵会越来越小，说明此时的机器人的相关参数越来越符合膝关节手术需求，当小于误差矩阵阈值时，则可以说明精确度已经符合膝关节手术需求，可以将最终的迭代处理结果输出。
在本申请实施例中，通过确定视觉采集设备的视觉坐标系以及机器人的轴关节坐标系和运动终端坐标系三者之间的能够满足膝关节手术需求信息的相对位置转换关系和/或姿态转换关系，对机器人的待标定参数进行初次标定，得到标定值。通过对标定值进行迭代处理，可以得到迭代处理结果，并可以将迭代处理结果赋予该机器人，使得该机器人能够成为辅助医生进行膝关节手术的机器人，从而可以控制该机器人执行与膝关节手术需求信息相关联的执行行为，由于考虑到通过膝关节手术需求信息对机器人的待标定参数进行标定，并且只标定一次，达到了能够提高机器人标定的效率的目的，且可以实现机器人辅助医生进行膝关节手术的目的，进而解决了无法通过单次标定得到满足膝关节手术需求的机器人的技术问题，实现了能够通过单次标定得到满足膝关节手术需求的机器人的技术效果。
实施例2
下面结合优选的实施方式对本申请实施例的技术方案进行举例说明。
在相关技术中，机器人的标定方法主要是基于激光跟踪仪、三维坐标测量仪等设备，一方面，这些设备的价格昂贵且复杂，另一方面，这些方法主要是针对工业机器人，旨在提高机器人的重复定位精度，只能通过目标点的位置信息建立误差方程，而由于无法使用姿态信息，因此，无法生成能够使用在膝关节手术中的机器人，因此，仍存在无法通过单次标定得到满足膝关节手术需求的机器人的技术问题。
在一种相关技术中，提出了一种基于最小二乘法的机械臂DH参数辨识方法，包括如下步骤：根据机械臂自身的构型和结构参数确定机械臂初始DH参数，并根据微分运动原理构建机械臂误差模型；基于所述机械臂初始DH参数，利用标定板对所述机械臂进行自标定，并记录各组点对应的机械臂各关节的编码器值；结合所述编码器值并通过最小二乘法将所述机械臂误差模型参数化；根据所述机械臂误差模型参数和所述机械臂初始DH参数获得各组点的末端位置，并计算末端位置与固定点绝对位置之间的差值；通过对比所述差值与设定的阈值辨识所述机械臂误差模型参数。该方法可以通过多次标定来解决机械臂的误差大的技术问题，实现降低机械臂的误差的技术效果
在另一种相关技术中，提出了一种医疗机器人DH参数标定方法，包括：建立医疗机器人的运动学模型和相机的成像模型；基于医疗机器人的运动学模型与相机的成像模型确定的系统位置信息和姿态信息，来建立误差方程；根据误差方程确定最优化问题的目标函数，通过求解目标函数，来实现医疗机器人DH参数标定。通过该方法实现对医疗机器人参数的标定，从而解决了相关技术中仅能通过位置信息建立误差方程的技术问题。
然而，由于未考虑到可以通过标定一次达到精准标定的效果，也未考虑到可以标定得到满足膝关节手术需求的机器人，因此，仍存在无法通过单次标定得到满足膝关节手术需求的机器人的技术问题。
为解决上述问题，本申请提出了一种机器人的控制方法。该方法可以包括如下步骤：通过确定视觉采集设备的视觉坐标系以及机器人的轴关节坐标系和运动终端坐标系三者之间的能够满足膝关节手术需求信息的相对位置转换关系和/或姿态转换关系，对机器人的待标定参数进行初次标定，得到标定值。通过对标定值进行迭代处理，可以得到迭代处理结果，并可以将迭代处理结果赋予该机器人，使得该机器人能够成为辅助医生进行膝关节手术的机器人，从而可以控制该机器人执行与膝关节手术需求信息相关联的执行行为，由于考虑到通过膝关节手术需求信息对机器人的待标定参数进行标定，并且只标定一次，达到了能够提高机器人标定的效率的目的，且可以实现机器人辅助医生进行膝关节手术的目的，进而解决了无法通过单次标定得到满足膝关节手术需求的机器人的技术问题，实现了能够通过单次标定得到满足膝关节手术需求的机器人的技术效果。
下面对本申请实施例进行进一步的介绍。
图2是根据本申请实施例的另一种机器人的控制方法的流程图，如图2所示，该方法可以包括如下步骤：
步骤S202，定义视觉采集设备的视觉坐标系、机器人的轴关节坐标系和运动终端坐标系。
在该实施例中，可以对视觉采集设备建立对应的视觉坐标系，对机器人的各个轴关节建立对应的轴关节坐标系，对机器人的运动终端建立对应的运动终端坐标系，其中，机器人可以至少包括三个轴关节。三个轴关节对应各自的坐标系。轴关节坐标系可以包含三个轴关节的坐标系及机器人的基座坐标系。运动终端可以为机器人所再运动系统的末端位置。运动终端坐标系可以为法兰坐标系，其机器人的运动终端可以为法兰坐标系的原点。
可选地，可选地，可以以视觉采集设备的中心为视觉坐标系的原点，根据右手法则建立视觉坐标系，也可以根据机器人的基座的中心为基座坐标系的原点，根据右手法则建立基座坐标系，该基座坐标系中的点可以表示为。跟据机器人的第一个轴关节的中心为第一个轴关节坐标系的原点，根据右手法则建立第一个轴关节坐标系，该坐标系中的点可以表示为/>。同理，可以建立出机器人的第二轴关节的第二轴关节坐标系，该坐标系中的点可以表示为/>，机器人的第三轴关节的第三轴关节坐标系，该坐标系中的点可以表示为/>，机器人的运动终端的运动终端坐标系，该坐标系中的点可以表示为/>，其中，可以将基座坐标系的原点与第一个轴关节坐标系的原点确定为同一个点，也可以将第二个轴关节坐标系的原点与第三个轴关节坐标系的原点确定为同一个点。
举例而言，图3是根据本申请实施例的一种三种坐标系相对位置的示意图，如图3所示，左侧为视觉采集设备以及视觉坐标系，由于机器人的底部基座与第一轴关节二者的坐标系的原点为同一点，基座坐标系为可以表示为，第一轴关节坐标系可以表示为/>。机器人的第二轴关节与第三轴关节的坐标系的原点为同一点，第二轴关节坐标系可以表示为/>，第三轴关节坐标系可以表示为/>。视觉坐标系与基座坐标系之间可以通过转换关系/>相互转换。第三坐标系可以与运动终端坐标系之间通过转换关系/>相互转换。需要说明的是，此处仅为举例说明，不对各个坐标系的原点及坐标系的各个轴的指向做具体限制。
可选地，机器人的基座坐标系中的点可以表示为，可以将视觉坐标系与机器人的基座坐标系的第一转换关系确定为/>，其中，/>可以为基于欧拉角表示的基座坐标系与视觉坐标系二者之间的姿态转换关系；/>可以为基座坐标系与视觉坐标系二者之间的相对位置转换关系。
可选地，机器人的运动终端坐标系中的点可以表示为，可以将视觉坐标系与机器人的运动终端坐标系的第二转换关系确定为/>，其中，可以为基于欧拉角表示的视觉坐标系与运动终端坐标系二者之间的姿态转换关系；/>可以为视觉坐标系与运动终端坐标系二者之间的相对位置转换关系。
步骤S204，定义机器人的待标定参数。
在该实施例中，可以对机器人的待标定参数进行定义和汇总，其中，待标定参数可以包括机器人的连杆长度、连杆转角、关节转角和连杆偏距等参数。
表1 机器人的各个轴关节对应的相关参数
可选地，表1根据本申请实施例的一种机器人的各个轴关节对应的相关参数，如表2所示，i可以用于表示第i个轴关节，当i=0可以表示机器人的基座。可以用于表示第i-1个轴关节的连杆长度；/>可以用于表示第i-1个轴关节的连杆转角；/>可以用于表示第i个轴关节的连杆偏距；/>可以用于表示第i个轴关节的关节转角；L1可以由机器人的三维立体图纸得到。
表2 机器人的各个轴关节对应的待标定参数
可选地，表2是根据本申请实施例的一种机器人的各个轴关节对应的待标定参数，机器人的待标定参数可以包括可以用于表示第一轴关节至第三轴关节的连杆长度的待标定参数；/>可以用于表示第一轴关节至第三轴关节的连杆转角的待标定参数；/>可以用于表示第一轴关节至第三轴关节的连杆偏距的待标定参数。
步骤S206，对待标定参数进行标定，得到标定值。
在该实施例中，可以确定视觉坐标系与轴关节坐标系和运动终端坐标系三者之间的与膝关节手术需求相关的转换关系，从而基于转换关系对机器人的待标定参数进行标定，得到标定值，其中，转换关系可以包括与膝关节手术需求信息对应的相对位置转换关系和/或姿态转换关系。膝关节手术可以为关节置换手术，过程为通过植入人工关节假体将病患的病变关节进行替换。膝关节手术需求信息可以为与膝关节手术有关的需要执行的手术动作。姿态转换关系可以用欧拉角表示。待标定参数可以包括，DH参数可以为机器人的连杆长度、连杆转角、关节转角和连杆偏距等参数。
可选地，在基于视觉坐标系、轴关节坐标系和运动终端坐标系三者之间的转换关系，对机器人的待标定参数进行标定，得到标定值的过程中，可以确定视觉坐标系与轴关节坐标系中的基座坐标系之间的第一转换关系，并且可以基于第一转换关系，对待标定参数进行标定，得到第一标定值，也可以确定视觉坐标系与机器人的运动终端坐标系之间的第二转换关系，并且可以基于第二转换关系对待标定参数进行标定，得到第二标定值。
可选地，待标定的第一转换关系可以为 ；待标定的第二转换关系的相对位置关系可以为/>，在上述两种待标定的转换关系中包含待标定参数为/>，/>和/>。
可选地，在视觉采集设备的可视范围内，可以在机器人的第二轴关节与第三轴关节二者的轴关节坐标系的相对位姿关系为零的状态（即，第二轴关节与第三轴关节为零度）下，控制第一轴关节转动，确定此时第一轴关节的视觉下位姿数据集合{P1}。也可以在机器人的第一轴关节与第三轴关节为零度下，控制第二轴关节转动，确定此时第二轴关节的视觉下位姿数据集合{P2}。也可以在机器人的第一轴关节与第二轴关节为零度下，控制第三轴关节转动，确定此时第三轴关节的视觉下位姿数据集合{P3}。
可选地，可以通过三个轴关节的视觉下位姿数据集合，分别拟合出每个轴关节在视觉坐标系下的轴向矢量和/>，其中，/>可以用于表示第一轴关节的轴向矢量，/>可以用于表示第二轴关节的轴向矢量，/>可以用于表示第三轴关节的轴向矢量。通过第一轴向矢量和第二轴向矢量，可以确定出第一标定值/>。通过第二轴向矢量和第三轴向矢量，可以确定出第二标定值/>。
可选地，可以基于第一轴关节的视觉下位姿数据集合{P1}与第二轴关节的视觉下位姿数据集合{P2}拟合出第一轴关节的轴向矢量与第二轴关节的轴向矢量/>。以/>和/>的公垂线中点作为基坐标系的原点，以/>方向为/>轴，以/>方向为/>轴方向，基于右手法则建立基坐标系，确定第一标定值。可以基于第二轴关节的视觉下位姿数据集合{P2}与第三轴关节的视觉下位姿数据集合{P3}，拟合出第二轴关节的轴向矢量与第三轴关节矢量，以第二轴关节的轴向矢量与第三轴关节矢量的公垂线中点作为三轴坐标系的原点，同理可以得到第二标定值。
举例而言，图4是根据本申请实施例的一种定义得到的基坐标的三个坐标轴朝向的示意图，如图4所示，可以确定出轴向矢量和/>的中点作为基坐标的原点，以/>方向为轴，以/>方向为/>轴方向，基于右手法则建立基坐标系。
步骤S208，在膝关节手术切削的运动平面上进行数据采集。
在该实施例中，在对标定值进行迭代处理之前，可以确定出满足膝关节手术需求信息的手术切削的运动平面，可以设定每个运动平面的采样区间，为每个运动平面从采样区间中获取高度样本和平面倾斜角度样本，并可以基于上述两种样本，构建目标数据的新平面，得到新平面的平面位姿集合，可以基于平面位姿集合，确定机器人的运动终端的采样集合。采样区间可以包括高度采样区间和平面倾斜角度采样区间。高度样本可以用于表示运动平面的高度处在采样区间的高度阈值范围之内。平面倾斜角度样本可以用于表示运动平面的倾斜角度处在采样区间的倾斜角度阈值范围之内。采样集合可以包括运动终端的视觉特征阵列数据。目标数量、高度阈值范围和倾斜角度阈值范围可以为提前预设的数值或区间，也可以根据实际机器人需求自行设置的数值或区间。需要说明的是，此处的运动平面与目标数量仅为举例说明，不做具体限制。
可选地，图5是根据本申请实施例的一种基于膝关节手术需求进行手术切削得到的六组运动平面的示意图，如图5所示，机器人进行膝关节手术的手术切削的六组运动平面，可以包括胫骨平面、股骨后倒角平面、股骨远端平面、股骨前倒角平面、股骨前髁平面和股骨后髁平面。
可选地，可以确定需要进行膝关节手术的手术切削的六组运动平面，并可以设定每个运动平面的采样区间，比如，可以设定高度采样区间为，也可以设定平面倾斜角度采样区间为/>。可以在上述采样区间内随机选取一定数量的高度样本和平面倾斜角度样本，并按照这两种样本与六组运动平面，共同构造目标数量的新平面。得到平面位姿集合{P}。可以通过逆解反求出机器人的轴位置集合{JP}。可以控制机器人按照轴位置集合中的元素依次运动，通过视觉采集设备完成对机器人运动过程中机器人的运动终端的视觉特征阵列数据的采集，得到采样集合{Pr}。
步骤S210，对采集到的数据进行迭代处理，得到迭代处理结果。
在该实施例中，可以对标定值进行迭代处理，得到迭代处理结果，其中，迭代处理结果可以为最终得到的机器人的经过标定的各种参数的结果，比如，可以为最终符合膝关节手术需求的连杆长度、连杆转角、关节转角和连杆偏距等参数。需要说明的是，此处仅为举例说明，不对迭代处理结果中包含的机器人的各种参数做具体限制。
可选地，基于位置关系数据与第一标定值，可以确定出如下公式所示的位姿关系模型：
其中，可以用于表示第一标定值；/>可以用于表示第一轴关节坐标与基座坐标系之间的包括相对位置转换关系和姿态转换关系的转换关系；/>可以用于表示第一轴关节坐标与第二轴关节坐标之间的包括相对位置转换关系和姿态转换关系的转换关系；可以用于表示第二轴关节坐标与第三轴关节坐标之间的包括相对位置转换关系和姿态转换关系的转换关系；/>可以用于表示第三轴关节坐标与运动终端坐标系之间的相对位置转换关系；/>可以用于表示位置关系数据。
可选地，对位姿关系模型按照采样集合的组别进行拆分，得到如下公式所示的位姿子关系模型：
其中，i用于表示采样集合中的第i组数据；可以用于表示第i组的视觉特征阵列数据；/>可以用于表示第i组的转换关系，i可以用于表示标定值。
可选地，可以基于位置关系数据，确定如下所示的集合：
其中，J(k)用于表示前k组转换关系(T)矩阵集合；T1可以表示第1组转换关系，Tk以用于表示第k组的转换关系。
可选地，基于上述集合，可以确定出如下公式所示的位姿关系矩阵：
其中，W(k)以用于表示位姿关系矩阵。
可选地，可以确定下一次迭代的位姿关系矩阵、下一次迭代的映射矩阵以及下一次迭代的误差矩阵三者的乘积，并可以将本次迭代时机器人的相关参数（辨识参数值）与上述乘积的和，确定为迭代方程。
举例而言，基于下一次迭代的位姿关系矩阵、下一次迭代的映射矩阵与下一次迭代的误差矩阵，可以得到如下所示的迭代方程：
/>
其中，p(k+1)以用于表示第k+1迭代的机器人的参数（辨识参数值）；p(k)可以用于表示第k次迭代的机器人的参数（辨识参数值）；W(k+1)可以用于表示第k+1迭代的位姿关系矩阵；T(k+1)可以用于表示第k+1次采样形成的映射矩阵；E(k+1)可以用于表示第k+1迭代时的误差矩阵。
可选地，基于上述迭代方程，可以对位姿关系矩阵进行更新，在对第k次位姿关系矩阵可以通过如下公式进行更新，得到第k+1次位姿关系矩阵：
其中，可以将初始W(0)定义为W(0)=aI，参数a可以选择为较大的数值，该数值越大，则可以说明W(0)对迭代计算中W(k)的影响越小，此处可以直接预设为10000。
可选地，基于上述迭代更新后的位姿关系矩阵，可以对第次的误差矩阵进行更新，得到第k+1次的误差矩阵：
其中，可以将P(k)的初始值调整为0。
可选地，在每次迭代处理的过程中，可以对误差矩阵进行更新，若迭代的次数越来越多，误差矩阵会越来越小，说明此时的机器人的相关参数越来越符合膝关节手术需求，当小于误差矩阵阈值时，则可以说明精确度已经符合膝关节手术需求，可以将最终的迭代处理结果输出。
步骤S212，基于迭代处理结果，控制机器人执行辅助膝关节手术。
在该实施例中，在对标定值进行迭代处理，得到迭代处理结果之后，可以说明确定出的机器人的迭代处理结果中机器人的各种参数经过标定之后已经符合膝关节手术需求，从而可以说明机器人已经可以成为进行膝关节手术的机器人，可以控制机器人执行与膝关节手术需求信息关联的执行行为，其中，执行行为可以包括与辅助医生进行手术工具的定位置、定姿态相关的行为。
可选地，在迭代处理得到迭代处理结果之后，可以将迭代处理结果赋予机器人，通过迭代处理结果可以对机器人的连杆长度、连杆转角、关节转角和连杆偏距等进行调整，从而使得机器人满足膝关节手术需求。在医生需要机器人帮忙进行膝关节手术时，可以通过控制机器人执行相应的行为。
本申请实施例通过确定视觉采集设备的视觉坐标系以及机器人的轴关节坐标系和运动终端坐标系三者之间的能够满足膝关节手术需求信息的相对位置转换关系和/或姿态转换关系，对机器人的待标定参数进行初次标定，得到标定值。通过对标定值进行迭代处理，可以得到迭代处理结果，并可以将迭代处理结果赋予该机器人，使得该机器人能够成为辅助医生进行膝关节手术的机器人，从而可以控制该机器人执行与膝关节手术需求信息相关联的执行行为，由于考虑到通过膝关节手术需求信息对机器人的待标定参数进行标定，并且只标定一次，达到了能够提高机器人标定的效率的目的，且可以实现机器人辅助医生进行膝关节手术的目的，进而解决了无法通过单次标定得到满足膝关节手术需求的机器人的技术问题，实现了能够通过单次标定得到满足膝关节手术需求的机器人的技术效果。
实施例3
根据本申请实施例，还提供了一种机器人的控制装置。需要说明的是，该机器人的控制装置可以用于执行实施例1中的机器人的控制方法。
图6是根据本申请实施例的一种机器人的控制装置的示意图。如图6所示，该机器人的控制装置600可以包括：获取单元602、标定单元604、处理单元606和控制单元608。
获取单元602，用于获取视觉采集设备的视觉坐标系，机器人的轴关节坐标系和运动终端坐标系。
标定单元604，用于基于视觉坐标系、轴关节坐标系和运动终端坐标系三者之间的转换关系，对机器人的待标定参数进行标定，得到标定值，其中，转换关系包括与膝关节手术需求信息对应的相对位置转换关系和/或姿态转换关系。
处理单元606，用于对标定值进行迭代处理，得到迭代处理结果。
控制单元608，用于基于迭代处理结果，控制机器人执行与膝关节手术需求信息关联的执行行为。
可选地，标定单元604可以包括：第一处理模块，用于确定视觉坐标系与轴关节坐标系中的基座坐标系之间的第一转换关系，且基于第一转换关系，对待标定参数进行标定，得到第一标定值，其中，第一转换关系用于表征视觉坐标系与基座坐标系之间的姿态转换关系与相对位置转换关系，标定值包括所述第一标定值；第二处理模块，用于确定视觉坐标系与运动终端坐标系之间的第二转换关系，且基于第二转换关系，对待标定参数进行标定，得到第二标定值，其中，第二转换关系用于表征视觉采集设备与运动终端坐标系之间的姿态转换关系与相对位置转换关系，标定值包括第二标定值。
可选地，标定单元604可以包括：第一获取模块，用于获取机器人的视觉下位姿数据集合，其中，视觉下位姿数据集合是通过控制机器人的轴关节转动得到的；拟合模块，用于通过视觉下位姿数据集合拟合轴关节对应的轴线，得到轴关节的轴向矢量；第一确定模块，用于基于轴向矢量，确定第一标定值和第二标定值。
可选地，第一确定模块可以包括：第一处理子模块，用于将轴向矢量中的第一轴向矢量与第二轴向矢量二者的公垂线的中点确定为基坐标系的原点，且基于右手法则，在基坐标系的原点建立基坐标系，并基于基坐标系，确定第一标定值；第二处理模块，用于将轴向矢量中的第二轴向矢量与第三轴向矢量的公垂线的中点确定为三轴坐标系的原点，且基于右手法则，在三轴关节的原点建立三轴坐标系，并基于三轴坐标系，确定第二标定值，其中，机器人包括多个轴关节，每个轴关节对应各自的轴向矢量，三轴坐标系为第三个轴关节的坐标系。
可选地，该装置还可以包括：第一确定单元，用于确定满足膝关节手术需求信息的手术切削的运动平面，其中，运动平面至少包括胫骨平面、股骨后倒角平面、股骨远端平面、股骨前倒角平面、股骨前髁平面和股骨后髁平面；设定单元，用于设定各个运动平面的采样区间，其中，采样区间包括高度采样区间和平面倾斜角度采样区间；第一获取单元，用于分别为每个运动平面从采样区间中获取高度样本和平面倾斜角度样本，其中，高度样本用于表示运动平面的高度处在采样区间的高度阈值范围之内，平面倾斜角度样本用于表示运动平面的倾斜角度处在采样区间的倾斜角度阈值范围之内；构建单元，用于基于高度样本和平面倾斜角度样本，构建目标数据的新平面，得到新平面的平面位姿集合；第二确定单元，用于基于平面位姿集合，确定机器人的运动终端的采样集合，其中，采样集合包括运动终端的视觉特征阵列数据。
可选地，第二确定单元可以包括：第二确定模块，用于通过平面位姿集合，确定机器人的轴关节的轴位置集合；控制模块，用于控制机器人按照轴位置集合依次运动，得到采样集合。
可选地，该装置还可以包括：第三确定单元，用于确定机器人的第三个轴关节与运动终端的位置关系数据；第四确定单元，用于基于位置关系数据和第一标定值，确定机器人的位姿关系模型；第五确定单元，用于将采样集合输入对应的位姿子关系模型中，确定采样集合中每个元素对应的标定值，其中，位姿子关系模型是对位姿关系模型进行拆分得到的。
可选地，处理单元606可以包括：第三确定模块，用于基于位置关系数据，确定位姿关系矩阵；迭代处理模块，用于基于位姿关系矩阵，对标定值进行迭代处理，得到迭代处理结果。
在本申请实施例中，通过获取单元，获取视觉采集设备的视觉坐标系，机器人的轴关节坐标系和运动终端坐标系；通过标定单元，基于视觉坐标系、轴关节坐标系和运动终端坐标系三者之间的转换关系，对机器人的待标定参数进行标定，得到标定值，其中，转换关系包括与膝关节手术需求信息对应的相对位置转换关系和/或姿态转换关系；通过处理单元，对标定值进行迭代处理，得到迭代处理结果；通过控制单元，基于迭代处理结果，控制机器人执行与膝关节手术需求信息关联的执行行为，从而解决了无法通过单次标定得到满足膝关节手术需求的机器人的技术问题，实现了能够通过单次标定得到满足膝关节手术需求的机器人的技术效果。
实施例4
根据本申请实施例，还提供了一种计算机可读存储介质，该存储介质包括存储的程序，其中，所述程序执行实施例1中所述的机器人的控制方法。
实施例5
根据本申请实施例，还提供了一种处理器，该处理器用于运行程序，其中，所述程序运行时执行实施例1中所述的机器人的控制方法。
实施例6
根据本申请实施例，还提供了一种电子设备，图7是根据本申请实施例的一种电子设备，如图7所示，电子设备包括处理器、存储介质及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取视觉采集设备的视觉坐标系，机器人的轴关节坐标系和运动终端坐标系；基于视觉坐标系、轴关节坐标系和运动终端坐标系三者之间的转换关系，对机器人的待标定参数进行标定，得到标定值，其中，转换关系包括与膝关节手术需求信息对应的相对位置转换关系和/或姿态转换关系；对标定值进行迭代处理，得到迭代处理结果；基于迭代处理结果，控制机器人执行与膝关节手术需求信息关联的执行行为。
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。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，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。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (11)

1.一种机器人的控制方法，其特征在于，包括：
获取视觉采集设备的视觉坐标系，机器人的轴关节坐标系和运动终端坐标系；
基于所述视觉坐标系、所述轴关节坐标系和所述运动终端坐标系三者之间的转换关系，对所述机器人的待标定参数进行标定，得到标定值，其中，所述转换关系包括与膝关节手术需求信息对应的相对位置转换关系和/或姿态转换关系；
对所述标定值进行迭代处理，得到迭代处理结果；
基于所述迭代处理结果，控制所述机器人执行与所述膝关节手术需求信息关联的执行行为；
其中，基于所述视觉坐标系、所述轴关节坐标系和所述运动终端坐标系三者之间的转换关系，对所述机器人的待标定参数进行标定，得到标定值，包括：在所述视觉坐标系下控制所述机器人的轴关节进行转动的过程中，获取所述轴关节的视觉下位姿数据集合；通过所述视觉下位姿数据集合拟合所述轴关节对应的轴线，得到所述轴关节的轴向矢量；基于所述轴向矢量，对所述待标定参数进行标定，得到第一标定值和第二标定值，其中，所述标定值包括所述第一标定值和所述第二标定值，所述第一标定值为标定后的所述视觉坐标系与所述轴关节坐标系中的基座坐标系之间的转换关系，所述第二标定值为标定后的所述视觉坐标系与所述运动终端坐标系之间的转换关系。
2.根据权利要求1所述的方法，其特征在于，在基于所述视觉坐标系、所述轴关节坐标系和所述运动终端坐标系三者之间的转换关系，对所述机器人的待标定参数进行标定，得到标定值之前，所述方法还包括：
确定标定前的所述视觉坐标系与所述轴关节坐标系中的基座坐标系之间的第一转换关系，其中，所述第一转换关系用于表征所述视觉坐标系与所述基座坐标系之间的所述姿态转换关系与所述相对位置转换关系；
确定标定前的所述视觉坐标系与所述运动终端坐标系之间的第二转换关系，其中，所述第二转换关系用于表征所述视觉坐标系与所述运动终端坐标系之间的所述姿态转换关系与所述相对位置转换关系。
3.根据权利要求1所述的方法，其特征在于，基于所述轴向矢量，对所述待标定参数进行标定，得到第一标定值和第二标定值，包括：
将所述轴向矢量中的第一轴向矢量与第二轴向矢量二者的公垂线的中点确定为基坐标系的原点，且基于右手法则，在所述基坐标系的原点建立所述基坐标系，并基于所述基坐标系，确定所述第一标定值；
将所述轴向矢量中的所述第二轴向矢量与第三轴向矢量的公垂线的中点确定为三轴坐标系的原点，且基于所述右手法则，在所述三轴坐标系的原点建立所述三轴坐标系，并基于所述三轴坐标系，确定所述第二标定值，其中，所述机器人包括多个所述轴关节，每个所述轴关节对应各自的所述轴向矢量，所述三轴坐标系为第三个所述轴关节的坐标系。
4.根据权利要求1所述的方法，其特征在于，在对所述标定值进行迭代处理，得到迭代处理结果之前，所述方法还包括：
确定满足所述膝关节手术需求信息的手术切削的运动平面，其中，所述运动平面至少包括胫骨平面、股骨后倒角平面、股骨远端平面、股骨前倒角平面、股骨前髁平面和股骨后髁平面；
设定各个所述运动平面的采样区间，其中，所述采样区间包括高度采样区间和平面倾斜角度采样区间；
分别为每个所述运动平面从所述采样区间中获取高度样本和平面倾斜角度样本，其中，所述高度样本用于表示所述运动平面的高度处在所述采样区间的高度阈值范围之内，所述平面倾斜角度样本用于表示所述运动平面的倾斜角度处在所述采样区间的倾斜角度阈值范围之内；
基于所述高度样本和所述平面倾斜角度样本，构建目标数量的新平面，得到所述新平面的平面位姿集合；
基于所述平面位姿集合，确定所述机器人的运动终端的采样集合，其中，所述采样集合包括所述运动终端的视觉特征阵列数据。
5.根据权利要求4所述的方法，其特征在于，基于所述平面位姿集合，确定所述机器人的运动终端的采样集合，包括：
通过所述平面位姿集合，确定所述机器人的所述轴关节的轴位置集合；
控制所述机器人按照所述轴位置集合依次运动，得到所述采样集合。
6.根据权利要求4所述的方法，其特征在于：在对所述标定值进行迭代处理，得到迭代处理结果之前，所述方法还包括：
确定所述机器人的第三个所述轴关节与所述运动终端的位置关系数据；
基于所述位置关系数据和第一标定值，确定所述机器人的位姿关系模型；
将所述采样集合输入对应的位姿子关系模型中，确定所述采样集合中每个元素对应的所述标定值，其中，所述位姿子关系模型是对所述位姿关系模型进行拆分得到的。
7.根据权利要求6所述的方法，其特征在于，对所述标定值进行迭代处理，得到迭代处理结果，包括：
基于所述位置关系数据，确定位姿关系矩阵；
基于所述位姿关系矩阵，对所述标定值进行迭代处理，得到所述迭代处理结果。
8.根据权利要求7所述的方法，其特征在于，基于所述位姿关系矩阵，对所述标定值进行迭代处理，得到所述迭代处理结果，包括：
基于下一次迭代的所述位姿关系矩阵、下一次迭代的映射矩阵与下一次迭代的误差矩阵，确定迭代方程；
基于所述迭代方程，对所述标定值进行迭代处理；
响应于所述误差矩阵小于误差矩阵阈值，停止迭代，且输出所述迭代处理结果。
9.一种机器人的控制装置，其特征在于，包括：
获取单元，用于获取视觉采集设备的视觉坐标系，机器人的轴关节坐标系和运动终端坐标系；
标定单元，用于基于所述视觉坐标系、所述轴关节坐标系和所述运动终端坐标系三者之间的转换关系，对所述机器人的待标定参数进行标定，得到标定值，其中，所述转换关系包括与膝关节手术需求信息对应的相对位置转换关系和/或姿态转换关系；
处理单元，用于对所述标定值进行迭代处理，得到迭代处理结果；
控制单元，用于基于所述迭代处理结果，控制所述机器人执行与所述膝关节手术需求信息关联的执行行为；
其中，所述标定单元用于通过如下步骤来基于所述视觉坐标系、所述轴关节坐标系和所述运动终端坐标系三者之间的转换关系，对所述机器人的待标定参数进行标定，得到标定值：在所述视觉坐标系下控制所述机器人的轴关节进行转动的过程中，获取所述轴关节的视觉下位姿数据集合；通过所述视觉下位姿数据集合拟合所述轴关节对应的轴线，得到所述轴关节的轴向矢量；基于所述轴向矢量，对所述待标定参数进行标定，得到第一标定值和第二标定值，其中，所述标定值包括所述第一标定值和所述第二标定值，所述第一标定值为标定后的所述视觉坐标系与所述轴关节坐标系中的基座坐标系之间的转换关系，所述第二标定值为标定后的所述视觉坐标系与所述运动终端坐标系之间的转换关系。
10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至8中任意一项所述的机器人的控制方法。
11.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至8中任意一项所述的机器人的控制方法。
CN202310542256.4A 2023-05-15 2023-05-15 机器人的控制方法、装置、处理器及电子设备 Active CN116277035B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310542256.4A CN116277035B (zh) 2023-05-15 2023-05-15 机器人的控制方法、装置、处理器及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310542256.4A CN116277035B (zh) 2023-05-15 2023-05-15 机器人的控制方法、装置、处理器及电子设备

Publications (2)

Publication Number Publication Date
CN116277035A CN116277035A (zh) 2023-06-23
CN116277035B true CN116277035B (zh) 2023-09-12

Family

ID=86781822

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310542256.4A Active CN116277035B (zh) 2023-05-15 2023-05-15 机器人的控制方法、装置、处理器及电子设备

Country Status (1)

Country Link
CN (1) CN116277035B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116672031B (zh) * 2023-08-02 2023-12-19 北京壹点灵动科技有限公司 机器人的控制方法、装置、处理器及电子设备
CN117226856A (zh) * 2023-11-16 2023-12-15 睿尔曼智能科技（北京）有限公司 一种基于视觉的机器人自标定方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110919658A (zh) * 2019-12-13 2020-03-27 东华大学 一种基于视觉和多坐标系闭环转换的机器人标定方法
WO2020121396A1 (ja) * 2018-12-11 2020-06-18 株式会社Ｆｕｊｉ ロボットキャリブレーションシステム及びロボットキャリブレーション方法
CN111515950A (zh) * 2020-04-28 2020-08-11 腾讯科技（深圳）有限公司 机器人坐标系变换关系确定方法、装置、设备和存储介质
CN112022355A (zh) * 2020-09-27 2020-12-04 平安科技（深圳）有限公司 基于计算机视觉的手眼标定方法及装置、存储介质
CN112603542A (zh) * 2020-12-07 2021-04-06 雅客智慧（北京）科技有限公司 手眼标定方法、装置、电子设备和存储介质
CN113679473A (zh) * 2021-08-23 2021-11-23 北京航空航天大学 一种人机协同力反馈脑室穿刺机器人装置
CN114918926A (zh) * 2022-07-22 2022-08-19 杭州柳叶刀机器人有限公司 机械臂视觉配准方法、装置、控制终端及存储介质
CN116019564A (zh) * 2023-03-28 2023-04-28 北京壹点灵动科技有限公司 膝关节手术机器人和控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5928114B2 (ja) * 2012-04-12 2016-06-01 セイコーエプソン株式会社 ロボットシステム、ロボットシステムのキャリブレーション方法、ロボット
CN105073348B (zh) * 2013-04-05 2016-11-09 Abb技术有限公司 用于校准的机器人系统和方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020121396A1 (ja) * 2018-12-11 2020-06-18 株式会社Ｆｕｊｉ ロボットキャリブレーションシステム及びロボットキャリブレーション方法
CN110919658A (zh) * 2019-12-13 2020-03-27 东华大学 一种基于视觉和多坐标系闭环转换的机器人标定方法
CN111515950A (zh) * 2020-04-28 2020-08-11 腾讯科技（深圳）有限公司 机器人坐标系变换关系确定方法、装置、设备和存储介质
CN112022355A (zh) * 2020-09-27 2020-12-04 平安科技（深圳）有限公司 基于计算机视觉的手眼标定方法及装置、存储介质
CN112603542A (zh) * 2020-12-07 2021-04-06 雅客智慧（北京）科技有限公司 手眼标定方法、装置、电子设备和存储介质
CN113679473A (zh) * 2021-08-23 2021-11-23 北京航空航天大学 一种人机协同力反馈脑室穿刺机器人装置
CN114918926A (zh) * 2022-07-22 2022-08-19 杭州柳叶刀机器人有限公司 机械臂视觉配准方法、装置、控制终端及存储介质
CN116019564A (zh) * 2023-03-28 2023-04-28 北京壹点灵动科技有限公司 膝关节手术机器人和控制方法

Also Published As

Publication number Publication date
CN116277035A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN116277035B (zh) 机器人的控制方法、装置、处理器及电子设备
Wu et al. Finding the kinematic base frame of a robot by hand-eye calibration using 3D position data
CN104842352B (zh) 利用了视觉反馈的机器人系统
CN112022355B (zh) 基于计算机视觉的手眼标定方法及装置、存储介质
Izaguirre et al. A new development in camera calibration: Calibrating a pair of mobile cameras
US20090118864A1 (en) Method and system for finding a tool center point for a robot using an external camera
KR20140008262A (ko) 로봇 시스템, 로봇, 로봇 제어 장치, 로봇 제어 방법 및 로봇 제어 프로그램
CN113442169A (zh) 机器人的手眼标定方法、装置、计算机设备和可读存储介质
Wang et al. A vision-based fully-automatic calibration method for hand-eye serial robot
CN114564009A (zh) 一种手术机器人路径规划方法及系统
Boby Identification of elasto-static parameters of an industrial robot using monocular camera
CN115179294A (zh) 机器人控制方法、系统、计算机设备、存储介质
Mu et al. Calibration of a flexible measurement system based on industrial articulated robot and structured light sensor
CN115922728B (zh) 机器人指向动作控制方法、装置、电子设备和存储介质
CN115401685A (zh) 相机导引的装置的手眼校准
CN116672031B (zh) 机器人的控制方法、装置、处理器及电子设备
CN115179297A (zh) 手术机器人位置姿态控制联合避障关节极限的方法及系统
Gao et al. Kinematic calibration of industrial robots based on distance information using a hybrid identification method
Eslamian et al. Towards the implementation of an autonomous camera algorithm on the da vinci platform
WO2019114631A1 (zh) 一种获取机器人tcp坐标的方法和装置
Dehghani et al. Vision-based calibration of a Hexa parallel robot
CN117017495A (zh) 基于ckf的手术机器人高精度自动手眼标定方法及系统
CN117340879A (zh) 一种基于图优化模型的工业机器人参数辨识方法和系统
CN116392253A (zh) 一种应用于手术机器人的主动摆位方法及系统
CN107993227B (zh) 一种获取3d腹腔镜手眼矩阵的方法和装置

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