CN117102856A - 一种大型舱体双平台五自由度位姿识别与调整方法 - Google Patents

Abstract

本发明公开了一种大型舱体双平台五自由度位姿识别与调整方法。装置包括两个视觉传感器、两个小的三自由度调整平台，视觉传感器放置于舱体首尾外侧，三自由度调整平台分别放置于舱体的首部和尾部，通过两视角端面检测，依次经位姿协同求解、位姿分解至调整平台、调整平台带动舱体运动而实现对舱体的五自由度位姿调整。本发明使用两个小的三自由度调整平台实现五自由度的位姿调整，将调姿分为调整舱体的首尾部分并并行化调整过程，大大提高调整效率，实现了调姿平台占用空间的减小、成本的降低和更高效灵活的位姿调整。

Description

一种大型舱体双平台五自由度位姿识别与调整方法

技术领域

本发明涉及自动化装配领域，具体涉及一种大型舱体双平台五自由度位姿识别与调整方法。

背景技术

位姿调整是自动化装配的前置条件，对一般物体，只有对其进行六自由度位姿调整后，才能进行准确的装配。然而，对于大型舱体而言，其重量和尺寸的限制导致传统的六自由度调整平台成本高，难以进行快速的调整，同时对于回转体舱体，其一般不需考虑绕自身轴线的自由度，仅需调整5个自由度。为了解决传统调整平台存在的问题，需要一种更加灵活、高效的舱体位姿调整方法。

发明内容

为了解决以上现有技术问题，本发明提出了一种大型舱体双平台五自由度位姿调整方法，旨在解决舱体装配过程中单一六自由度平台体积大、位姿调整成本高的问题。应用领域主要包括大型舱体或轴类零件的装配等。

本发明技术方案如下：

步骤1，将舱体放置在位姿调整平台上：

将舱体的首部和尾部的两端分别放置在两个三自由度调整平台上；

步骤2，识别舱体端面：

用视觉传感器/相机采集获取舱体的两端端面的图像并处理获得舱体的两端端面的端面椭圆；

步骤3，由两端面信息协同计算当前位姿：

根据步骤2所得的两个端面椭圆通过算法协同计算得到舱体的当前位姿；

步骤4：调整平台协同运动：

根据输入的目标位姿和当前位姿计算出两个三自由度调姿平台调整的平移距离，根据平移距离控制两个三自由度位姿调整平台各自协同运动。

所述的两个三自由度调整平台的三轴相互对应平行，且各自其中一轴位于同一实现直线上。

所述的三自由度调整平台具体为能够沿x, y, z三个相互正交方向进行分别独立运动的调整平台，两个三自由度调整平台要求摆放方向一致，且如图中z轴重合。

所述的舱体的两端端面均为圆形。舱体的两端端面的圆在不同视角下的成像呈椭圆形。本发明椭圆的各个参数与其在相机坐标系下的位姿形成的对应关系提取椭圆信息代表端面信息。

所述步骤2，具体为以下步骤：

步骤2.1、将视觉传感器采集获取的图像进行预处理获得二值化图像；

针对对首尾部两个端面的视觉传感器/相机获取各自的图像均进行以下步骤2.2-步骤2.4，获取两个端面的端面椭圆。

步骤2.2、在二值化图像中检测每一个边缘点的坐标，使用随机采样一致算法对边缘点进行抽样，并将抽取的边缘点进行椭圆的拟合并计算内点数，内点为图像中的像素，所述的内点数为在计算所得的椭圆上的边缘像素的数量，最终输出K个具有最多内点的椭圆；

步骤2.3、边缘检测算法检测到的边缘可能不完整，不能直接选出最多内点的椭圆作为检测结果，在进行进一步的筛选拟合：在K个椭圆中统计各个椭圆的长短轴，使用方差分析法根据各个椭圆的长短轴进行离群值的判定并去除离群值的椭圆；

步骤2.4、对剩余的椭圆上的内点进行分析，计算最大联通内点的内点集进而获得端面椭圆，具体为：

遍历椭圆上的每个内点，以当前内点作为初始内点加入内点集，进而在剩余内点中不断按照以下方式寻找内点并加入内点集：

若椭圆上剩余的一个内点与一个内点集的点以八邻域相邻，即上下左右相邻或具有左上、左下、右上、右下的相邻关系，则该内点与内点集联通，并将该内点加入内点集；

具体实施中，每个椭圆可能会产生较多的内点集，最后取包含最大内点数量S的内点集进行椭圆拟合作为端面椭圆。

所述步骤2.1具体是：首先将图像转换为灰度图，然后进行图像形态学开闭运算以去除噪声，再使用Canny/Sobel等梯度算子进行图像边缘的检测，输出结果为与原始图像大小相同的二值化图像。

所述步骤3，步骤具体为：

步骤3.1、以图像为中心建立图像坐标系MON，其中O点在图像中心位置。针对首尾部两个端面的端面椭圆，均按照以下标准形式的椭圆公式进行拟合分别获得各自的系数，表示为：

a₁m²+b₁mn+c₁n²+d₁m+e₁n+f₁=0

a₂m²+b₂mn+c₂n²+d₂m+e₂n+f₂=0

其中，m表示图像坐标系MON的横坐标，n表示图像坐标系MON的纵坐标，a₁、b₁、c₁、d₁、e₁、f₁分别表示首部端面椭圆方程的各项系数，a₂、b₂、c₂、d₂、e₂、f₂分别表示尾部端面椭圆方程的各项系数；

根据获得的系数按照以下公式计算得到两个矩阵Q₁、Q₂：

[m/F₁, n/F₁, 1] Q₁[m/F₁, n/F₁, 1]^T=0

[m/F₂, n/F₂, 1] Q₂[m/F₂, n/F₂, 1]^T=0

其中，F₁与F₂为步骤2中两个端面图像采集时的视觉传感器/相机的焦距，Q₁、Q₂分别表示首部和尾部端面椭圆的系数矩阵；

步骤3.2、将两个矩阵Q₁、Q₂进行奇异值分解得到六个代表端面椭圆特征的特征参数：

(P₁)^-1Q₁P₁ = diag(λ₁₁, λ₁₂, λ₁₃), (P₂)^-1Q₂P₂ = diag(λ₂₁, λ₂₂, λ₂₃)

λ₁₁>λ₁₂>0>λ₁₃且λ₂₁>λ₂₂>0>λ₂₃

其中，P₁、P₂分别表示首尾部端面椭圆的特征向量组成的矩阵，λ₁₁, λ₁₂, 0, λ₁₃分别表示首部端面椭圆的特征值，λ₂₁, λ₂₂, 0, λ₂₃分别表示尾部端面椭圆的特征值，diag( )表示由括号内元素组成的对角矩阵；

步骤3.3、根据两端面的特征参数协同计算得到舱体的位姿。

所述步骤3.3具体为：舱体的位姿可以如下计算：

按照以下公式获得当前位姿的舱体首部端面的圆心位置X为：

X=(x, y, z)

[x, y, z]^T = R₁P₁[R× sqrt( – λ₁₃⁄λ₁₁×(λ₁₁– λ₁₂)/(λ₁₁ – λ₁₃) ), 0,

R× sqrt( – λ₁₃⁄λ₁₁×(λ₁₂– λ₁₃)/(λ₁₁ – λ₁₃) )]^T+ t₁

其中，x, y, z分别表示舱体首部端面的圆心位置的三轴坐标，R₁、t₁分别表示舱体首部一端的视觉传感器/相机到首部的三自由度调整平台的旋转矩阵与平移向量，R₂、t₂分别表示舱体尾部一端的视觉传感器/相机到尾部的三自由度调整平台的旋转矩阵与平移向量，sqrt( )表示对括号内进行开根号，R表示舱体端面圆的半径；

按照以下公式获得当前位姿的舱体首部端面的法向量V为：

V= (u, v, w)

[u, v, w]^T = R/Le × (P₂R₂×sqrt( – λ₂₃⁄λ₂₁×(λ₂₁– λ₂₂)/(λ₂₁ – λ₂₃)) +t₂ – P₁R₁×sqrt( – λ₁₃⁄λ₁₁×(λ₁₁– λ₁₂)/(λ₁₁ – λ₁₃) – t₁)

其中，u, v, w分别表示舱体首部端面的法向量在每个轴上的投影，Le表示舱体的长度；

最后将法向量V= (u, v, w)进行归一化，得到舱体首部端面的单位法向量。

由当前位姿的舱体首部端面的圆心位置和当前位姿的舱体首部端面的法向量构成了当前位姿。

舱体的位姿为X=(x, y, z), V= (u, v, w)，其中为舱体首部端面的圆心位置，为舱体首部端面的法向量。

所述步骤4，具体为：

根据输入的目标位姿为X_t=(x_t, y_t, z_t), V_t= (u_t, v_t, w_t)，其中为目标位姿的舱体首端端面的圆心位置，为目标位姿的舱体首端端面的单位法向量，x_t, y_t, z_t分别表示目标位姿的舱体首部端面的圆心位置的三轴坐标，u_t, v_t, w_t分别表示目标位姿的舱体首部端面的法向量在每个轴上的投影；

按照以下公式获得首部一端的三自由度调整平台在三轴方向上需要调整的平移距离为：

∆x₁=x_t-x，∆y₁=y_t-y，∆z₁=z_t-z

其中，∆x₁、∆y₁、∆z₁分别表示首部一端的三自由度调整平台在x、y、z三轴方向上需要调整的平移距离；

按照以下公式获得尾部一端的三自由度调整平台在三轴方向上需要调整的平移距离为：

∆x₂ = x_t + u_t L – x – uL

∆y₂ = y_t + v_t L – y – vL

∆z₂ = z_t + w_t L – z – wL

其中，∆x₂、∆y₂、∆z₂分别表示尾部一端的三自由度调整平台在x、y、z三轴方向上需要调整的平移距离；L表示两个三自由度调整平台之间的距离。

在无说明情况下，本发明涉及的位姿均为以舱体首部端面对应的三自由度调姿平台的坐标系，即x₁y₁z₁坐标系。

本发明装置是包括两个视觉传感器、两个小的三自由度调整平台，视觉传感器放置于舱体首尾外侧，三自由度调整平台分别放置于舱体的首部和尾部，通过两视角端面检测，位姿协同求解、位姿分解至调整平台、调整平台带动舱体运动，实现对舱体的五自由度位姿调整。

本发明基于舱体位姿调整的需求，将大型的六自由度调整平台拆分成两个小型的三自由度调整平台，每个平台可以分别沿空间x, y, z轴移动。将两个平台并将其放置在舱体的首部和尾部，通过首尾视觉传感器检测舱体端面圆，其次根据两个端面圆在图像中的信息获取舱体的空间位姿，并将空间位姿进行分解，获得首尾三自由度位姿，最后通过三自由度调姿平台的运动实现对舱体的五自由度位姿调整，满足绝大多数场景的装配需求。

对大型舱体而言，五自由度的位姿调整能满足绝大部分场景下的装配任务。相较于传统的六自由度调整平台，本发明实现了调姿平台占用空间的减小、成本的降低和更高效灵活的位姿调整。

本发明的有益效果是：

（1）本发明使用两个小的三自由度调整平台实现五自由度的位姿调整，通过将一个昂贵的大型设备分解成两个更小且成本更低的设备，可以大大降低成本，同时减小体积。

（2）本发明将调姿分为前后两个部分，分别调整舱体的首尾部分，通过并行化调整过程，可以大大提高调整效率。

附图说明

图1为本发明流程图。

图2为舱体位姿调整示意图。

图3为首尾相机画面示意图，其中（a）表示首部相机拍摄舱体端面画面示意图，（b）表示尾部相机拍摄舱体端面画面示意图。

图4为端面椭圆拟合示意图，其中（a）为首部相机检测图像，（b）为检测得到的10个内点最多的椭圆，（c）为去除离群值的椭圆。

图5为端面椭圆拟合结果对比图，其中（a）为对比方法椭圆检测结果，（b）为本文方法椭圆检测结果。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

本发明实施例的流程图如图1所示：

步骤1：将舱体放置在位姿调整平台上。将舱体的首部和尾部的两端分别放置在两个三自由度调整平台上。两个三自由度调整平台的三轴相互对应平行，且各自其中一轴位于同一实现直线上。

三自由度调整平台具体为能够沿x, y, z三个相互正交方向进行分别独立运动的调整平台，其坐标系建立如图2所示，两个三自由度调整平台要求摆放方向一致，且如图中z轴重合。

步骤2：识别舱体端面。

舱体的两端端面均为圆形。舱体的两端端面的圆在不同视角下的成像呈椭圆形，如图3的（a）和（b）。本发明椭圆的各个参数与其在相机坐标系下的位姿形成的对应关系提取椭圆信息代表端面信息。

步骤2.1、将视觉传感器采集获取的图像进行预处理获得二值化图像；

预处理具体为：首先将图像转换为灰度图，然后进行图像形态学开闭运算以去除噪声，再使用Canny/Sobel等梯度算子进行图像边缘的检测，输出结果为与原始图像大小相同的二值化图像。

针对对首尾部两个端面的视觉传感器/相机获取各自的图像均进行以下步骤2.2-步骤2.4，获取两个端面的端面椭圆。

步骤2.2、在二值化图像中检测每一个边缘点的坐标，使用随机采样一致算法对边缘点进行抽样，并将抽取的边缘点进行椭圆的拟合并计算内点数，内点为图像中的像素，内点数为在计算所得的椭圆上的边缘像素的数量，最终输出10个具有最多内点的椭圆；

步骤2.3、边缘检测算法检测到的边缘可能不完整，不能直接选出最多内点的椭圆作为检测结果，在进行进一步的筛选拟合：在10个椭圆中统计各个椭圆的长短轴，使用方差分析法根据各个椭圆的长短轴进行离群值的判定并去除离群值的椭圆；结果如图4所示，左图（a）为首部相机检测图像，中图（b）为检测得到的10个端面椭圆，右图（c）为去除离群值的椭圆。

步骤2.4、对剩余的椭圆上的内点进行分析，计算最大联通内点的内点集进而获得端面椭圆，具体为：

遍历椭圆上的每个内点，以当前内点作为初始内点加入内点集，进而在剩余内点中不断按照以下方式寻找内点并加入内点集：

若椭圆上剩余的一个内点与一个内点集的点以八邻域相邻，即上下左右相邻或具有左上、左下、右上、右下的相邻关系，则该内点与内点集联通，并将该内点加入内点集；

具体实施中，每个椭圆可能会产生较多的内点集，最后取包含最大内点数量S的内点集进行椭圆拟合作为端面椭圆。

最终如图5所示，左图（a）为直接使用步骤1所得的边缘使用最小二乘进行椭圆拟合的结果，右图（b）为本发明检测得到的端面椭圆。

步骤3：由两端面信息协同计算位姿。

舱体的位姿为X=(x, y, z), V= (u, v, w)，其中为舱体首部端面的圆心位置，为舱体首部端面的法向量。计算舱体位姿的步骤具体为：

步骤3.1、以图像为中心建立图像坐标系MON，如图3的（a）和（b）所示，其中O点在图像中心位置。针对首尾部两个端面的端面椭圆，均按照以下标准形式的椭圆公式进行拟合分别获得各自的系数，表示为：

a₁m²+b₁mn+c₁n²+d₁m+e₁n+f₁=0

a₂m²+b₂mn+c₂n²+d₂m+e₂n+f₂=0

其中，m表示图像坐标系MON的横坐标，n表示图像坐标系MON的纵坐标，a₁、b₁、c₁、d₁、e₁、f₁分别表示首部端面椭圆方程的各个系数，a₂、b₂、c₂、d₂、e₂、f₂分别表示尾部端面椭圆方程的各个系数；

根据获得的系数按照以下公式计算得到两个矩阵Q₁、Q₂：

Q₁ = [a₁(F₁)², 0.5b₁(F₁)², 0.5 d₁F₁

0.5 b₁(F₁)², c₁(F₁)², 0.5 e₁F₁

0.5 d₁F₁, 0.5 e₁F₁, f₁]

Q₂ = [a₂(F₂)², 0.5b₂(F₂)², 0.5 d₂F₂

0.5 b₂(F₂)², c₂(F₂)², 0.5 e₂F₂

0.5 d₂F₂, 0.5 e₂F₂, f₂]

其中，F₁与F₂为步骤2中两个端面图像采集时的视觉传感器/相机的焦距，Q₁、Q₂分别表示首部和尾部端面椭圆的系数矩阵；

步骤3.2、将两个矩阵Q₁、Q₂进行奇异值分解得到六个代表端面椭圆特征的特征参数：

(P₁)^-1Q₁P₁ = diag(λ₁₁, λ₁₂, λ₁₃), (P₂)^-1Q₂P₂ = diag(λ₂₁, λ₂₂, λ₂₃)

λ₁₁>λ₁₂>0>λ₁₃且λ₂₁>λ₂₂>0>λ₂₃

其中，P₁、P₂分别表示首尾部端面椭圆的特征向量组成的矩阵，λ₁₁, λ₁₂, 0, λ₁₃分别表示首部端面椭圆的特征值，λ₂₁, λ₂₂, 0, λ₂₃分别表示尾部端面椭圆的特征值，diag( )表示由括号内元素组成的对角矩阵；

步骤3.3、根据两端面的特征参数协同计算得到舱体的位姿。

按照以下公式获得当前位姿的舱体首部端面的圆心位置X为：

X=(x, y, z)

[x, y, z]^T = R₁P₁[R× sqrt( – λ₁₃⁄λ₁₁×(λ₁₁– λ₁₂)/(λ₁₁ – λ₁₃) ), 0,

R× sqrt( – λ₁₃⁄λ₁₁×(λ₁₂– λ₁₃)/(λ₁₁ – λ₁₃) )]^T+ t₁

其中，x, y, z分别表示舱体首部端面的圆心位置的三轴坐标，R₁、t₁分别表示舱体首部一端的视觉传感器/相机到首部的三自由度调整平台的旋转矩阵与平移向量，R₂、t₂分别表示舱体尾部一端的视觉传感器/相机到首部尾部的三自由度调整平台的旋转矩阵与平移向量，sqrt( )表示对括号内进行开根号，R表示舱体端面圆的半径。

按照以下公式获得当前位姿的舱体首部端面的法向量V为：

V= (u, v, w)

[u, v, w]^T = R/Le × (P₂R₂×sqrt( – λ₂₃⁄λ₂₁×(λ₂₁– λ₂₂)/(λ₂₁ – λ₂₃)) +t₂ – P₁R₁×sqrt( – λ₁₃⁄λ₁₁×(λ₁₁– λ₁₂)/(λ₁₁ – λ₁₃) – t₁)

其中，u, v, w分别表示舱体首部端面的法向量的在每个轴上的投影，Le表示舱体的长度；

最后将法向量V= (u, v, w)进行归一化，得到舱体首部端面的单位法向量。

由当前位姿的舱体首部端面的圆心位置和当前位姿的舱体首部端面的法向量构成了当前位姿。

步骤4：输入目标位姿，并分解为首尾两个三自由度调整平台的移动量。根据输入的舱体目标位姿和当前位姿计算出需要各个平台需要调整的平移距离。

通过步骤1-3，根据相机采集实例的图像与椭圆检测结果，本实例的位姿为X=(x,y, z) = (15, 340, 13)，单位mm, V= (u, v, w) =(0.14, 0, 0.99)，本实例L=1000mm。

本实例输入的目标位姿为X_t=(x_t, y_t, z_t) = (0, 340, 0) ，单位mm, V_t= (u_t,v_t, w_t) = (0, 0, 1)，其中为目标位姿的舱体首端端面的圆心位置，为目标位姿的舱体首端端面的单位法向量，x_t, y_t, z_t分别表示目标位姿的舱体首部端面的圆心位置的三轴坐标，u_t, v_t, w_t分别表示目标位姿的舱体首部端面的法向量在每个轴上的投影；

按照以下公式获得首部一端的三自由度调整平台在三轴方向上需要调整的平移距离为：

∆x₁=x_t-x=-15，∆y₁=y_t-y=0，∆z₁=z_t-z=-10

其中，∆x₁、∆y₁、∆z₁分别表示首部一端的三自由度调整平台在x、y、z三轴方向上需要调整的平移距离；

按照以下公式获得尾部一端的三自由度调整平台在三轴方向上需要调整的平移距离为：

∆x₂ = x_t + u_t L – x – uL = -155

∆y₂ = y_t + v_t L – y – vL = 0

∆z₂ = z_t + w_t L – z – wL = 3

其中，∆x₂、∆y₂、∆z₂分别表示尾部一端的三自由度调整平台在x、y、z三轴方向上需要调整的平移距离；L表示两个三自由度调整平台之间的距离。

然后根据计算所得的两个三自由度调姿平台需要移动的量，控制三自由度位姿调整平台协同运动，完成姿态调整。本发明无需人工设置视觉标记，通过端面的椭圆进行位姿检测，同时两个端面进行配合求取位姿，避免了单视角计算位姿误差过大的情况。

在无说明情况下，本发明涉及的位姿均为以舱体首部端面对应的三自由度调姿平台的坐标系，即图2中x₁y₁z₁坐标系。

Claims (6)

1.一种大型舱体双平台五自由度位姿识别与调整方法，其特征在于，所述方法包括以下步骤：

步骤1，将舱体放置在平台上：

将舱体的两端分别放置在两个三自由度调整平台上；

步骤2，识别舱体端面：

用视觉传感器采集获取舱体的两端端面的图像并处理获得舱体的两端端面的端面椭圆；

所述步骤2，具体为以下步骤：

步骤2.1、将视觉传感器采集获取的图像进行预处理获得二值化图像；

步骤2.2、在二值化图像中检测每一个边缘点的坐标，使用随机采样一致算法对边缘点进行抽样，并将抽取的边缘点进行椭圆的拟合并计算内点数，内点为图像中的像素，所述的内点数为在计算所得的椭圆上的边缘像素的数量，最终输出K个具有最多内点的椭圆；

步骤2.3、在K个椭圆中统计各个椭圆的长短轴，使用方差分析法根据各个椭圆的长短轴进行离群值的判定并去除离群值的椭圆；

步骤2.4、对剩余的椭圆上的内点进行分析，计算最大联通内点的内点集进而获得端面椭圆，具体为：

遍历椭圆上的每个内点，以当前内点作为初始内点加入内点集，进而在剩余内点中不断按照以下方式寻找内点并加入内点集：

若椭圆上剩余的一个内点与一个内点集的点以八邻域相邻，即上下左右相邻或具有左上、左下、右上、右下的相邻关系，则该内点与内点集联通，并将该内点加入内点集；

最后取包含最大内点数量S的内点集进行椭圆拟合作为端面椭圆；

步骤3，由两端面信息协同计算当前位姿：

根据步骤2所得的两个端面椭圆通过算法协同计算得到舱体的当前位姿；

步骤4：调整平台协同运动：

根据输入的目标位姿和当前位姿计算出两个三自由度调姿平台调整的平移距离，根据平移距离控制两个三自由度位姿调整平台各自协同运动。

2.根据权利要求1所述的一种大型舱体双平台五自由度位姿识别与调整方法，其特征在于：所述的两个三自由度调整平台的三轴相互对应平行，且各自其中一轴位于同一实现直线上。

3.根据权利要求1所述的一种大型舱体双平台五自由度位姿识别与调整方法，其特征在于：所述步骤2.1具体是：首先将图像转换为灰度图，然后进行图像形态学开闭运算，再使用Canny/Sobel等梯度算子进行图像边缘的检测，输出与原始图像大小相同的二值化图像。

4.根据权利要求1所述的一种大型舱体双平台五自由度位姿识别与调整方法，其特征在于：所述步骤3，步骤具体为：

步骤3.1、以图像为中心建立图像坐标系MON，针对两个端面的端面椭圆，均按照以下标准形式的椭圆公式进行拟合分别获得各自的系数，表示为：

a₁ m²+b₁ mn+c₁ n²+d₁ m+e₁ n+f₁=0

a₂ m²+b₂ mn+c₂ n²+d₂ m+e₂ n+f₂=0

其中，m表示图像坐标系MON的横坐标，n表示图像坐标系MON的纵坐标，a₁、b₁、c₁、d₁、e₁、f₁分别表示首部端面椭圆方程的各项系数，a₂、b₂、c₂、d₂、e₂、f₂分别表示尾部端面椭圆方程的各项系数；

根据获得的系数按照以下公式计算得到两个矩阵Q₁、Q₂：

[m/F₁ , n/F₁ , 1] Q₁[m/F₁ , n/F₁ , 1]^T=0

[m/F₂ , n/F₂ , 1] Q₂[m/F₂ , n/F₂ , 1]^T=0

其中，F₁与F₂为步骤2中两个端面图像采集时的视觉传感器的焦距，Q₁、Q₂分别表示首部和尾部端面椭圆的系数矩阵；

步骤3.2、将两个矩阵Q₁、Q₂进行奇异值分解得到六个代表端面椭圆特征的特征参数：

(P₁)^-1 Q₁ P₁ = diag(λ₁₁, λ₁₂, λ₁₃), (P₂)^-1 Q₂ P₂ = diag(λ₂₁, λ₂₂, λ₂₃)

λ₁₁>λ₁₂>0>λ₁₃且λ₂₁>λ₂₂>0>λ₂₃

其中，P₁、P₂分别表示首尾部端面椭圆的特征向量组成的矩阵，λ₁₁, λ₁₂, 0, λ₁₃分别表示首部端面椭圆的特征值，λ₂₁, λ₂₂, 0, λ₂₃分别表示尾部端面椭圆的特征值，diag( )表示由括号内元素组成的对角矩阵；

步骤3.3、根据两端面的特征参数协同计算得到舱体的位姿。

5.根据权利要求4所述的一种大型舱体双平台五自由度位姿识别与调整方法，其特征在于：所述步骤3.3具体为：

按照以下公式获得当前位姿的舱体首部端面的圆心位置X为：

X=(x, y, z)

[x, y, z]^T = R₁ P₁ [R× sqrt( – λ₁₃⁄λ₁₁ ×(λ₁₁ – λ₁₂ )/(λ₁₁ – λ₁₃ ) ), 0,

R× sqrt( – λ₁₃⁄λ₁₁ ×(λ₁₂ – λ₁₃ )/(λ₁₁ – λ₁₃ ) )] ^T+ t₁

其中，x, y, z分别表示舱体首部端面的圆心位置的三轴坐标，R₁、t₁分别表示舱体首部一端的视觉传感器到首部的三自由度调整平台的旋转矩阵与平移向量，R₂、t₂分别表示舱体尾部一端的视觉传感器到尾部的三自由度调整平台的旋转矩阵与平移向量，sqrt( )表示对括号内进行开根号，R表示舱体端面圆的半径，T表示矩阵转置；

按照以下公式获得当前位姿的舱体首部端面的法向量V为：

V= (u, v, w)

[u, v, w] ^T = R/Le × (P₂ R₂×sqrt( – λ₂₃⁄λ₂₁ ×(λ₂₁ – λ₂₂ )/(λ₂₁ – λ₂₃ )) +t₂ – P₁ R₁×sqrt( – λ₁₃⁄λ₁₁ ×(λ₁₁ – λ₁₂ )/(λ₁₁ – λ₁₃ ) – t₁)

其中，u, v, w分别表示舱体首部端面的法向量在每个轴上的投影，Le表示舱体的长度；

由当前位姿的舱体首部端面的圆心位置和当前位姿的舱体首部端面的法向量构成了当前位姿。

6.根据权利要求1所述的一种大型舱体双平台五自由度位姿识别与调整方法，其特征在于：所述步骤4，具体为：

根据输入的目标位姿为X_t=(x_t, y_t, z_t), V_t= (u_t, v_t, w_t)，其中为目标位姿的舱体首端端面的圆心位置，为目标位姿的舱体首端端面的单位法向量，x_t, y_t, z_t分别表示目标位姿的舱体首部端面的圆心位置的三轴坐标，u_t, v_t, w_t分别表示目标位姿的舱体首部端面的法向量在每个轴上的投影；

按照以下公式获得首部一端的三自由度调整平台在三轴方向上需要调整的平移距离为：

∆x₁=x_t-x，∆y₁=y_t-y，∆z₁=z_t-z

其中，∆x₁、∆y₁、∆z₁分别表示首部一端的三自由度调整平台在x、y、z三轴方向上需要调整的平移距离；

按照以下公式获得尾部一端的三自由度调整平台在三轴方向上需要调整的平移距离为：

∆x₂ = x_t + u_t L – x – uL

∆y₂ = y_t + v_t L – y – vL

∆z₂ = z_t + w_t L – z – wL

其中，∆x₂、∆y₂、∆z₂分别表示尾部一端的三自由度调整平台在x、y、z三轴方向上需要调整的平移距离；L表示两个三自由度调整平台之间的距离。