【技术实现步骤摘要】
本专利技术涉及一种大尺寸工作空间下基于视觉的工业机器人运动学标定方法，属于机器人运动学标定。
技术介绍
1、随着先进制造对高速、高精度、大承载工业机器人的需要，对机器人绝对定位精度要求也越来越高，通过标定技术来提高机器人绝对定位精度的研究成为热点问题。基于视觉的机器人运动学标定技术，因其成本低廉和操作简便而受到青睐。当前，机器人运动学标定主要依赖特定的标记或特征点(如棋盘格和精密球)作为校准参考。在文献《kinematicidentification of industrial robot using end-effector mounted monocularcamera bypassing measurement of 3-d pose[j].ieee/asme transactions onmechatronics 27.1(2021):383-394.》中介绍了一种工业机器人运动学辨识方法，该方法使用安装在末端执行器上的单目相机，无需进行三维姿态测量，直接使用棋盘格标定板的二维图像，将过程简化为单级估算，但是受限于相机视场，机器人标定空间受限。在文献《anovel vision-based calibration framework for industrial robotic manipulators[j].robotics and computer-integrated manufacturing 73(2022):102248.》提出了一种新颖的视觉校准框架，采用固定在外部的单一相机和机器人末端的aruco标记来实
2、总之，当前基于视觉的机器人运动学标定方法目前尚存在一个共性问题：相机视场限制了机器人在标定过程中的活动范围，致使机器人绝对定位精度的提升主要集中在受限的测量区域内，所以当机器人在大工作空间内应用时，其绝对定位精度很难满足全空间高精度的应用需求。
技术实现思路
1、针对现有基于视觉的机器人运动学标定方法由于视场限制，仅能在有限空间内提升机器人的绝对定位精度的问题，本专利技术提供一种大尺寸工作空间下基于视觉的工业机器人运动学标定方法。
2、本专利技术的一种大尺寸工作空间下基于视觉的工业机器人运动学标定方法，包括：
3、根据工业机器人配置，在工作空间内布局aruco标记；
4、根据设定的拍摄路径使用单目视觉系统捕获aruco标记图像，利用图像拼接技术将aruco标记图像生成一个全覆盖的aruco地图；
5、机器人在不同位姿下使用单目视觉系统捕获aruco标记图像，根据所述全覆盖的aruco地图识别机器人末端位置，构建机器人末端绝对位置模型；
6、根据机器人关节角度及运动学参数名义值，计算末端名义位姿，并利用机器人末端绝对位置模型获得末端测量位姿，得到末端名义位姿和测量位姿的误差矩阵；
7、建立位姿误差模型，根据误差矩阵，得到机器人运动学参数误差。
8、作为优选，根据工业机器人配置，在工作空间内布局aruco标记的方法包括：
9、建立布置方案的目标函数f(o)：
10、f(o)＝α·v(t)+β·u(d)+γ·p(r)-δ·c(s)
11、其中，o表示标记的布置方案，
12、v(t)表示aruco标记的可视性参数，α表示v(t)的权重；
13、u(d)表示aruco标记布置的均匀性参数，β表示u(d)的权重；
14、p(r)表示机器人在其运动范围内所有位置的平均定位精度，γ表示p(r)的权重；
15、c(s)代表布置成本，δ表示c(s)的权重；
16、采用遗传算法对aruco标记的布置方案o进行优化，以最大化目标函数f(o)，在优化过程中，不断迭代更新标记的位置、数量和方向，直至找到能使f(o)达到最大值的布置方案。
17、作为优选，
18、其中，d表示工作空间内各检验点的标记密度集合，σ2(d)为d的方差。
19、作为优选，
20、其中，vi表示第i个aruco标记的可视性，取决于aruco标记与相机之间的角度和距离，ai表示第i个aruco标记在相机视野中的可视面积，atotal表示相机视野的总面积，n表示aruco标记的总数。
21、作为优选，
22、其中，m是定位操作总次数，dj是第j次操作中的定位误差，dmax是允许的最大误差距离。
23、作为优选，根据设定的拍摄路径使用单目视觉系统捕获aruco标记图像，利用图像拼接技术将aruco标记图像生成一个全覆盖的aruco地图的方法包括：
24、根据设定的闭环拍摄路径，依次拍摄aruco标记图像，确保相邻aruco标记图像中存在相同的aruco标记；
25、确定每个aruco标记的位置，并采用l-m算法将目标的aruco标记角点的重投影误差降至最低，得到初始aruco地图；
26、重投影误差的目标函数为
27、
28、及
29、
30、其中，ψ(δ,γt,γi·cj)表示角点从三维空间坐标到像素坐标的投影，δ表示相机内参矩阵，γt表示相机的外参，γi表示标记坐标系到世界坐标系的变换矩阵，cj表示标记角点的三维坐标，表示标记角点的像素坐标，k是闭环拍摄路径中的图像总数，xk是第k张图像的位姿，zk是从第k张图像到第k+1张图像的位姿变换，是位子之间的运算符。
31、作为优选，构建机器人末端绝对位置模型的方法：
32、根据全覆盖的aruco地图和机器人在不同位姿下使用单目视觉系统捕获的aruco标记图像，建立aruco图像坐标系和相机坐标系的坐标转换关系；
33、利用手眼标定模型，测算出机器人末端坐标系与相机坐标系间的相对位姿关系，从而确定机器人末端绝对位置模型。
34、作为优选，建立位姿误差模型，通过python编程处理所述误差矩阵，得到机器人运动学参数误差。
35、本专利技术的有益效果，
36、本专利技术通过采用单目视觉系统和aruco标记地图，不仅大幅降低了高精度校准技术的应用成本，同时简化了校准过程，使得系统安装和操作更为简单快捷。这一特点使得本专利技术特别适合于需要频繁进行标定或调整的生产环境，为用户节省了大量的时间和经济成本。本专利技术有效解决了传统视觉标定方法受相机视场角限制的问题，能够在较大的工作空间内实现更高精度的机器人定位。这一改进不仅提高了生产效率，还提升了操控质量，尤其适用于对定位精度要求极高的应用场景。本专利技术的标定方法适用于各种工业机器人型号和品牌，具有良好的通用性。aruco标记地图的灵活设计使得标定系统可以根据实际需求调整，具有很好的可扩展性。同时，该方法提供的增强信息和冗余度确保了即使在部分标记被遮挡或损本文档来自技高网...
【技术保护点】
1.大尺寸工作空间下基于视觉的工业机器人运动学标定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的大尺寸工作空间下基于视觉的工业机器人运动学标定方法，其特征在于，根据工业机器人配置，在工作空间内布局ArUco标记的方法包括：
3.根据权利要求2所述的大尺寸工作空间下基于视觉的工业机器人运动学标定方法，其特征在于，
4.根据权利要求2所述的大尺寸工作空间下基于视觉的工业机器人运动学标定方法，其特征在于，
5.根据权利要求2所述的大尺寸工作空间下基于视觉的工业机器人运动学标定方法，其特征在于，
6.根据权利要求1所述的大尺寸工作空间下基于视觉的工业机器人运动学标定方法，其特征在于，根据设定的拍摄路径使用单目视觉系统捕获ArUco标记图像，利用图像拼接技术将ArUco标记图像生成一个全覆盖的ArUco地图的方法包括：
7.根据权利要求1所述的大尺寸工作空间下基于视觉的工业机器人运动学标定方法，其特征在于，构建机器人末端绝对位置模型的方法：
8.根据权利要求1所述的大尺寸工作空间下基于视觉的工业
9.一种计算机可读的存储设备，所述存储设备存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一所述大尺寸工作空间下基于视觉的工业机器人运动学标定方法。
10.一种大尺寸工作空间下基于视觉的工业机器人运动学标定装置，包括存储设备、处理器以及存储在所述存储设备中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序实现如权利要求1至8任一所述大尺寸工作空间下基于视觉的工业机器人运动学标定方法。
...【技术特征摘要】
1.大尺寸工作空间下基于视觉的工业机器人运动学标定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的大尺寸工作空间下基于视觉的工业机器人运动学标定方法，其特征在于，根据工业机器人配置，在工作空间内布局aruco标记的方法包括：
3.根据权利要求2所述的大尺寸工作空间下基于视觉的工业机器人运动学标定方法，其特征在于，
4.根据权利要求2所述的大尺寸工作空间下基于视觉的工业机器人运动学标定方法，其特征在于，
5.根据权利要求2所述的大尺寸工作空间下基于视觉的工业机器人运动学标定方法，其特征在于，
6.根据权利要求1所述的大尺寸工作空间下基于视觉的工业机器人运动学标定方法，其特征在于，根据设定的拍摄路径使用单目视觉系统捕获aruco标记图像，利用图像拼接技术将aruco标记图像生成一个全覆盖的aruco地图的方法包括：...
【专利技术属性】
技术研发人员：高栋，尹远浩，邓柯楠，路勇，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。