机器人标定方法、装置、控制器、系统和存储介质制造方法及图纸

本申请涉及一种的机械手标定方法、装置、控制器、系统和存储介质。其中，标定方法包括：获取机器人运动到多个姿态下的变量数据；获取预设的转换模型；基于多个姿态下的运动变量参数、多张标定物图像和转换模型，标定固定参数和固定转换关系，得到固定参数和固定转换关系的目标标定值。采用本申请的方案可以较低的成本实现机器人的标定。本实现机器人的标定。本实现机器人的标定。

【技术实现步骤摘要】
机器人标定方法、装置、控制器、系统和存储介质


[0001]本申请涉及机器人
，特别是涉及一种机器人标定方法、装置、控制器、系统和存储介质。

技术介绍

[0002]机器人的零部件在加工和组装过程中不可避免的存在一定的误差，因此机器人的实际固定参数与标称固定参数(固定参数可以表征机器人各个运动部分之间在部分维度上的固定位置关系)等之间往往存在误差，所以需要对机器人进行标定，以提高机器人定位的精度。
[0003]现有的机器人标定方法存在各种各样的问题，或者标定精度不高，又或者成本高，以基于反光器进行标定为例，在机器人末端固定反光器，反光器将激光跟踪仪发射的激光原路反射给激光跟踪仪，激光跟踪仪对接收到的激光信号处理分析，得到机器人末端的实际姿态，另外，基于机器人模型可以求取机器人末端的测量姿态，基于实际姿态和测量姿态可以对机器人模型中的固定参数等进行标定，这种标定方式需要采用高精度激光跟踪仪，但高精度激光跟踪仪往往很昂贵，因而造成标定成本的增加。

技术实现思路

[0004]本申请提供一种机器人标定方法、装置、控制器、系统和可读存储介质。
[0005]第一方面，本专利技术实施例提供一种机器人标定方法，适用于标定系统，所述标定系统包括以下组件：运动采集器、图像传感器组件以及标定物；所述方法包括：
[0006]获取所述机器人运动到多个姿态下的变量数据；所述变量数据包括：所述机器人的运动变量参数和所述标定物的多张标定物图像；
[0007]获取预设的转换模型；所述转换模型基于第一类转换关系和具有初始值的固定转换关系构建；所述第一类转换关系为基于所述运动变量参数和具有初始值的固定参数构建的机器人模型；
[0008]基于所述多个姿态下的所述运动变量参数、所述多张标定物图像和所述转换模型，标定所述固定参数和所述固定转换关系，得到所述固定参数和所述固定转换关系的目标标定值。
[0009]在其中一个实施例中，所述固定转换关系包括：
[0010]所述标定系统中位置绝对固定的组件坐标系与所述机器人的基座坐标系之间的转换关系；以及
[0011]所述标定系统中位置相对固定的两个组件坐标系之间的转换关系。
[0012]在其中一个实施例中，所述图像传感器组件与所述机器人的末端位置相对固定，且所述标定物位置绝对固定；
[0013]所述固定转换关系包括：第三类转换关系和第四类转换关系；所述第三类转换关系为所述机器人的末端坐标系和图像传感器组件坐标系之间的转换关系，所述第四类转换
关系为标定物坐标系和所述机器人的基座坐标系之间的转换关系；或
[0014]所述标定物与所述机器人的末端位置相对固定，且所述图像传感器组件绝对固定；
[0015]所述固定转换关系包括：第五类转换关系和第六类转换关系；所述第五类转换关系为所述图像传感器组件坐标系和所述机器人的基座坐标系之间的转换关系，所述第六类转换关系为机器人的末端坐标系和所述标定物坐标系之间的转换关系。
[0016]在其中一个实施例中，当所述图像传感器组件与所述机器人的末端位置相对固定，且所述标定物位置绝对固定；
[0017]在围绕所述机械手且对应图像传感器组件的视野范围内的多个方位上，分别设置有多个标定物；或
[0018]当所述标定物与所述机器人的末端位置相对固定，且所述图像传感器组件绝对固定；
[0019]在围绕所述机械手的多个方位上，分别设置有多个图像传感器组件。
[0020]在其中一个实施例中，所述基于所述多个姿态下的所述运动变量参数、所述多张标定物图像和所述转换模型，标定所述固定参数和所述固定转换关系，包括：
[0021]根据所述多张标定物的图像，求取所述多个姿态下的第二类转换关系；所述第二类转换关系为图像传感器组件坐标系和标定物坐标系之间的转换关系；
[0022]基于所述多个姿态下的所述运动变量参数、所述第二类转换关系，以及所述转换模型，标定所述固定参数和所述固定转换关系。
[0023]在其中一个实施例中，所述转换模型为所述第一类转换关系、所述第二类转换关系和所述固定转换关系构建的转换关系式。
[0024]在其中一个实施例中，所述根据所述多个姿态下的所述运动变量参数、所述第一类转换关系和所述转换模型，标定所述固定参数和所述固定转换关系，包括：
[0025]执行迭代标定操作；所述迭代标定操作包括：根据所述固定参数的初始值和所述多个姿态下的运动变量参数，计算得到所述多个姿态下的第一类转换关系的当前值；根据所述多个姿态下的第二类转换关系、所述第一类转换关系的当前值，以及所述固定转换关系的初始值，基于所述转换模型计算在所述多个姿态下的各个差值，以及所述差值的梯度；
[0026]根据所述差值的梯度对所述初始值进行修正，将修正后的初始标定值作为所述新的初始标定值，返回执行所述迭代标定操作得到新的差值的梯度，直至所述多个姿态下的所有新的差值全部小于预设阈值为止，并将新的差值小于预设阈值时的所述初始值作为所述目标标定值。
[0027]在其中一个实施例中，所述转换模型为基于成像公式，结合所述第一类转换关系和所述固定转换关系构建的转换关系式。
[0028]在其中一个实施例中，当所述图像传感器与所述图像传感器组件与所述机器人的末端位置相对固定，且所述标定物位置绝对固定，所述转换模型为：
[0029]或
[0030]或
[0031]当所述图像传感器组件与所述机器人的末端位置相对固定，且所述标定物位置绝对固定；
[0032]或
[0033]其中，M为标定物上某标识点在标定物坐标系下的三维坐标；A为图像传感器组件的内参；s是归一化参数；m为基于所述转换模型计算得到该标识点的公式坐标；所述D为镜头畸变系数；所述B为第六类转换关系；所述F为第一类转换关系；所述G为第五类转换关系；所述H为第四类转换关系；所述J为第三类转换关系。
[0034]在其中一个实施例中，所述基于所述多个姿态下的所述运动变量参数、所述多张标定物图像和所述转换模型，标定所述固定参数和所述固定转换关系，包括：
[0035]根据与成像公式结合的所述转换模型，以及所述多个姿态下的所述运动变量参数，基于图像像素的重投影误差的方法，标定所述固定参数和所述固定转换关系的所述目标标定值。
[0036]在其中一个实施例中，所述基于所述多个姿态下的所述运动变量参数、所述多张标定物图像和所述转换模型，标定所述固定参数和所述固定转换关系，包括：
[0037]根据所述固定参数的初始值和所述多个姿态下的运动变量参数，计算得到所述多个姿态下的第一类转换关系；
[0038]根据所述第一类转换关系、所述固定转换关系的初始值和所述转换模型，求取所述多个姿态下所述标定物的标识点在所述标定物图像中的公式坐标；
[0039]根据所述多个姿态下的所述标定物图像，求取所述标定物的所述标识点在所述标定物图像中的图像坐标；
[0040本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人标定方法，其特征在于，适用于标定系统，所述标定系统包括以下组件：运动采集器、图像传感器组件以及标定物；所述方法包括：获取所述机器人运动到多个姿态下的变量数据；所述变量数据包括：所述机器人的运动变量参数和所述标定物的多张标定物图像；获取预设的转换模型；所述转换模型基于第一类转换关系和具有初始值的固定转换关系构建；所述第一类转换关系为基于所述运动变量参数和具有初始值的固定参数构建的机器人模型；基于所述多个姿态下的所述运动变量参数、所述多张标定物图像和所述转换模型，标定所述固定参数和所述固定转换关系，得到所述固定参数和所述固定转换关系的目标标定值。2.根据权利要求1所述的方法，其特征在于，所述固定转换关系包括：所述标定系统中位置绝对固定的组件坐标系与所述机器人的基座坐标系之间的转换关系；以及所述标定系统中位置相对固定的两个组件坐标系之间的转换关系。3.根据权利要求2所述的方法，其特征在于，所述图像传感器组件与所述机器人的末端位置相对固定，且所述标定物位置绝对固定；所述固定转换关系包括：第三类转换关系和第四类转换关系；所述第三类转换关系为所述机器人的末端坐标系和图像传感器组件坐标系之间的转换关系，所述第四类转换关系为标定物坐标系和所述机器人的基座坐标系之间的转换关系；或所述标定物与所述机器人的末端位置相对固定，且所述图像传感器组件绝对固定；所述固定转换关系包括：第五类转换关系和第六类转换关系；所述第五类转换关系为所述图像传感器组件坐标系和所述机器人的基座坐标系之间的转换关系，所述第六类转换关系为机器人的末端坐标系和所述标定物坐标系之间的转换关系。4.根据权利要求3所述的方法，其特征在于，当所述图像传感器组件与所述机器人的末端位置相对固定，且所述标定物位置绝对固定；在围绕所述机械手且对应图像传感器组件的视野范围内的多个方位上，分别设置有多个标定物；或当所述标定物与所述机器人的末端位置相对固定，且所述图像传感器组件绝对固定；在围绕所述机械手的多个方位上，分别设置有多个图像传感器组件。5.根据权利要求1或2所述的方法，其特征在于，所述基于所述多个姿态下的所述运动变量参数、所述多张标定物图像和所述转换模型，标定所述固定参数和所述固定转换关系，包括：根据所述多张标定物的图像，求取所述多个姿态下的第二类转换关系；所述第二类转换关系为图像传感器组件坐标系和标定物坐标系之间的转换关系；基于所述多个姿态下的所述运动变量参数、所述第二类转换关系，以及所述转换模型，标定所述固定参数和所述固定转换关系。6.根据权利要求5所述的方法，其特征在于，所述转换模型为所述第一类转换关系、所述第二类转换关系和所述固定转换关系构建的转换关系式。7.根据权利要求6所述的方法，其特征在于，所述根据所述多个姿态下的所述运动变量
参数、所述第一类转换关系和所述转换模型，标定所述固定参数和所述固定转换关系，包括：执行迭代标定操作；所述迭代标定操作包括：根据所述固定参数的初始值和所述多个姿态下的运动变量参数，计算得到所述多个姿态下的第一类转换关系的当前值；根据所述多个姿态下的第二类转换关系、所述第一类转换关系的当前值，以及所述固定转换关系的初始值，基于所述转换模型计算在所述多个姿态下的各个差值，以及所述差值的梯度；根据所述差值的梯度对所述初始值进行修正，将修正后的初始标定值作为所述新的初始标定值，返回执行所述迭代标定操作得到新的差值的梯度，直至所述多个姿态下的所有新的差值全部小于预设阈值为止，并将新的差值小于预设阈值时的所述初始值作为所述目标标定值。8.根据权利要求1所述的方法，其特征在于，所述转换模型为基于成像公式，结合所述第一类转换关系和所述固定转换关系构建的转换关系式。9.根据权利要求8所示，其特征在于，当所述标定物与所述机器人的末端位置相对固定，且所述图像传感器组件位置绝对固定，所述转换模型为：或或当所述图像传感器组件与所述机器人的末端位置相对固定，且所述标定物位置绝对固定；或其中，M为标定物上某标识点在标定物坐标系下的三维坐标；A为图像传感器组件的内参；s是归一化参数；m为基于所述转换模型计算得到该标识点的公式坐标；所述D为镜头...

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：曰轮法寺，
类型：发明
国别省市：