CN107030699B - 位姿误差修正方法及装置、机器人及存储介质 - Google Patents

位姿误差修正方法及装置、机器人及存储介质 Download PDF

Info

Publication number
CN107030699B
CN107030699B CN201710354828.0A CN201710354828A CN107030699B CN 107030699 B CN107030699 B CN 107030699B CN 201710354828 A CN201710354828 A CN 201710354828A CN 107030699 B CN107030699 B CN 107030699B
Authority
CN
China
Prior art keywords
pose
mean square
minimum mean
predicted value
state
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
CN201710354828.0A
Other languages
English (en)
Other versions
CN107030699A (zh
Inventor
阳方平
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.)
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Original Assignee
Guangzhou Shiyuan Electronics Thecnology 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 Guangzhou Shiyuan Electronics Thecnology Co Ltd filed Critical Guangzhou Shiyuan Electronics Thecnology Co Ltd
Priority to CN201710354828.0A priority Critical patent/CN107030699B/zh
Publication of CN107030699A publication Critical patent/CN107030699A/zh
Priority to PCT/CN2017/103263 priority patent/WO2018209862A1/zh
Application granted granted Critical
Publication of CN107030699B publication Critical patent/CN107030699B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B25J9/1694—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
    • 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
    • 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
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40002—Camera, robot follows direction movement of operator head, helmet, headstick
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40005—Vision, analyse image at one station during manipulation at next station
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40519—Motion, trajectory planning

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种位姿误差修正方法及装置、机器人及存储介质。该方法具体包括：在每个采样时刻触发拍摄功能，并获取机械臂目标位置的位姿状态预测值以及位姿状态最小均方误差，其中，拍摄的目标对象与机械臂目标位置的位姿相对固定；对位姿状态预测值以及位姿状态最小均方误差进行修正，以得到修正预测值和修正最小均方误差；根据修正预测值和修正最小均方误差确定对应采样时刻拍摄的图像中目标对象的拍摄区域位姿。采用上述方法可以解决由于机械臂末端位姿误差导致照片中待测对象的位姿精确度低以及合成后照片的质量低和准确度低的技术问题。

Description

位姿误差修正方法及装置、机器人及存储介质
技术领域
本发明涉及机器人控制技术领域，尤其涉及一种位姿误差修正方法及装置、机器人及存储介质。
背景技术
机械臂是一种模拟人手臂、手腕以及手功能的机械电子装置。它可以将任一物件或工具按空间位姿(位置和姿态)的时变要求进行移动，从而完成某一工业生产的作业要求。
现有工业生产中，通常将机械臂和位置固定的图像采集装置组合，用于对某个物件或工具的外面表进行拍照并检测。例如，利用机械臂抓取待检测的板卡，并将该板卡移动至相机镜头的拍摄范围内，控制机械臂在拍摄范围内移动，以保证相机对板卡的焊锡面进行多次拍摄，并保证多次拍摄的照片可以合成一张完整的板卡焊锡面照片，以完成对板卡的焊锡面进行检测。
一般而言，机械臂和图像采集装置由同一控制器进行控制。由控制器触发图像采集装置进行拍照，同时确定机械臂末端位姿，根据机械臂和待测对象的相对位姿关系推测出拍摄照片中待测对象的位姿，以根据每张照片推测出的位姿合成一张包含待测对象完整被摄面的照片。由于控制器触发图像采集装置进行拍照到图像采集装置实际拍摄的照片之间存在时延，使得确定的机械臂末端位姿存在误差，进而影响了照片中待测对象位姿的精确度以及合成后照片的质量和准确度。
发明内容
有鉴于此，本发明实施例提供一种位姿误差修正方法及装置、机器人及存储介质，以解决由于机械臂末端位姿误差导致照片中待测对象的位姿精确度低以及合成后照片的质量低和准确度低的技术问题。
第一方面，本发明实施例提供了一种位姿误差修正方法，包括：
在每个采样时刻触发拍摄功能，并获取机械臂目标位置的位姿状态预测值以及位姿状态最小均方误差，其中，拍摄的目标对象与所述机械臂目标位置的位姿相对固定；
对所述位姿状态预测值以及位姿状态最小均方误差进行修正，以得到修正预测值和修正最小均方误差；
根据所述修正预测值和修正最小均方误差确定对应采样时刻拍摄的图像中所述目标对象的拍摄区域位姿。
第二方面，本发明实施例还提供了一种位姿误差修正装置，包括：
参数获取模块，用于在每个采样时刻触发拍摄功能，并获取机械臂目标位置的位姿状态预测值以及位姿状态最小均方误差，其中，拍摄的目标对象与所述机械臂目标位置的位姿相对固定；
修正模块，用于对所述位姿状态预测值以及位姿状态最小均方误差进行修正，以得到修正预测值和修正最小均方误差；
位姿确定模块，用于根据所述修正预测值和修正最小均方误差确定对应采样时刻拍摄的图像中所述目标对象的拍摄区域位姿。
第三方面，本发明实施例还提供了一种机器人，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
图像采集装置，用于拍摄图像；
机械臂，用于固定目标对象；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面中所述的位姿误差修正方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的位姿误差修正方法。
本发明实施例提供的位姿误差修正方法及装置、机器人及存储介质，通过在每个采样时刻触发拍摄功能并获取对应的机械臂目标位置的位姿状态预测值以及位姿状态最小均分误差，对得到的位姿状态预测值以及位姿状态最小均分误差进行修正，以根据修正后的结果确定对应采样时刻拍摄的图像中目标对象的拍摄区域位姿的技术手段，避免了由于拍摄延时导致的获取机械臂目标位置位姿数据存在误差的现象，提高了确定拍摄图像中目标对象的拍摄区域位姿的准确性，进而保证了各拍摄图像合成时的准确度，以便于更准确地进行后续处理。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1a为本发明实施例一提供的一种位姿误差修正方法的流程图；
图1b为本发明实施例一提供的一种位姿误差修正***的结构示意图；
图2a为本发明实施例二提供的一种位姿误差修正方法的流程图；
图2b为本发明实施例二提供的一种位姿状态参数确定方法的流程图；
图2c为本发明实施例二提供的一种位姿状态参数修正方法的流程图；
图3为本发明实施例三提供的一种位姿误差修正装置的结构示意图；
图4为本发明实施例四提供的一种机器人的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
实施例一
图1a为本发明实施例一提供的一种位姿误差修正方法的流程图。本实施例提供的位姿误差修正方法适用于利用机械臂和图像采集装置对目标对象的检测面进行拍摄检测的情况。本实施例提供的位姿误差修正方法可以由位姿误差修正装置执行，该位姿误差修正装置可以通过软件和/或硬件的方式实现，并集成在用于位姿误差修正的机器人中。其中，机器人是指可以自动执行工作的机器装置。它既可以接受人类指挥，又可以运行预先编排的程序，也可以根据以人工智能技术制定的原则纲领行动。例如，移动叉举车以及带有机械臂的设备等均属于机器人。
为了便于对本实施例提供的位姿误差修正方法进行描述，参考图1b，其为一种位姿误差修正***的结构示意图，其具体包括用于位姿误差修正的机器人1和目标对象2。用于位姿误差修正的机器人1包括：图像采集装置11、机械臂12以及控制器13，控制器13中包括位姿误差修正装置。图像采集装置11位置固定后一般不会改变，机械臂12在图像采集装置11的可拍摄范围内移动，即图像采集装置11与机械臂12的基座(底座)的位姿相对固定，优选的，图像采集装置11可以为相机或摄像头等设备。一般而言，拍摄的目标对象2与机械臂12目标位置相对固定，也可以描述为目标对象2与机械臂12目标位置的位姿相对固定，上述可以理解为将目标对象2放置于机械臂12的目标位置上，且随着机械臂12的移动在图像采集装置11的可拍摄范围内移动。目标位置优选为机械臂12末端，此时，图像采集装置11可以对机械臂12末端的目标对象2进行拍摄。可以理解的是，上述位姿误差修正***并非对本实施例的限定。下面结合图1b对本实施例提供的位姿误差修正方法进行描述。
参考图1a，本实施例提供的位姿误差修正方法具体包括：
S110、在每个采样时刻触发拍摄功能，并获取机械臂目标位置的位姿状态预测值以及位姿状态最小均方误差。
由于机械臂是由一系列可移动关节组成，而目标对象一般设置在其中某个关节对应的子机械臂上或者机械臂末端的位置上，优选设置在机械臂末端的位置上。据此，将设置位置称为目标位置。一般而言，目标对象设置在机械臂的目标位置后，目标对象与机械臂目标位置的位姿相对固定。本实施例中，位姿误差修正主要是针对目标对象所在目标位置的位姿误差进行修正，因此，在获取机械臂的位姿状态参数时，仅需要获取目标位置的位姿状态参数即可。
具体的，预先设定采样间隔，并在该采样间隔对应的采样时刻下触发图像采集装置进行图像采集，并获取机械臂目标位置的位姿状态参数。位姿状态参数优选包括：位姿状态预测值和位姿状态最小均方误差。其中，位姿状态预测值为预测得到的当前采样时刻目标位置的位姿、速度等参数应有的状态。位姿状态最小均方误差为预测得到位姿状态预测值时，与对应的误差值相关的参数。根据位姿状态最小均方误差可以降低最终结果的误差值，提高准确性。需要说明的是，在机械臂领域中，位姿状态预测值和位姿状态最小均方误差均为矩阵。在获取位姿状态参数时可以是获取运行参数或者***参数等各类参数，并对各类参数进行计算得到位姿状态参数。其具体的计算规则本实施例不作限定。
通常，机械臂目标位置的状态矩阵可以表示为：
Figure BDA0001298143350000061
其中，t表示当前采样时刻，X(t)是预测得到位姿状态预测值，S(t)是t时刻机械臂目标位置的位姿，一般为6维向量，V(t)是t时刻机械臂目标位置的速度，一般为6维向量。
需要说明的是，上述仅为X(t)的表示形式，而确定X(t)的状态方程一般可以表示为：
X(t)＝AX(t-1)+Ba(t)+W(t) (2)
且
Figure BDA0001298143350000062
其中，I是6×6的单位对角矩阵，T为6×6的对角矩阵，对角线上的元素均为采样间隔(采样周期)，用ΔT表示。T1为6×6的对角矩阵，对角线上的元素均为
Figure BDA0001298143350000063
T2为6×6的对角矩阵，对角线上的元素均为ΔT，也可以理解为T和T2是相同的矩阵，a(t)为t时刻机械臂目标位置位姿的期望加速度，其可以通过运动规划确定，X(t-1)为上一采样时刻预测得到位姿状态预测值，W(t)表示模型噪声，其一般满足高斯分布，为12维向量。
一般而言，根据上述方法确定X(t)时，由于拍摄延迟会导致W(t)以及X(t-1)的值误差较大，导致得到的X(t)的误差也较大。因此，本实施例中分别确定位姿状态预测值和位姿状态最小均方误差，并且在确定位姿状态预测值时暂时不考虑W(t)。在后续处理过程中，再分别对位姿状态预测值和位姿状态最小均方误差进行修正，以保证最终结果的准确性。
可选的，在确定位姿状态最小均方误差时，可以根据上一采样时刻的位姿状态最小均方误差确定当前采样时刻位姿状态最小均方误差，即可以确定出位姿状态最小均方误差的变化规律，并根据该变化规律确定每个采样时刻的位姿状态最小均方误差。
需要说明的是，由于后续过程对位姿状态预测值以及位姿状态最小均方误差进行修正，得到了当前时刻的修正预测值和修正最小均方误差。因此，在确定下一采样时刻的位姿状态预测值以及位姿状态最小均方误差时，优选采用当前采样时刻得到的修正预测值和修正最小均方误差。
S120、对位姿状态预测值以及位姿状态最小均方误差进行修正，以得到修正预测值和修正最小均方误差。
由于触发拍摄功能和图像采集装置实际执行拍摄动作之间存在误差，因此在触发拍摄功能时获取的位姿状态预测值和位姿状态最小均方误差与实际拍摄图像时机械臂目标位置的实际位姿状态预测值和实际位姿状态最小均方误差之间存在误差。可见，获取位姿状态预测值和位姿状态最小均方误差后，需要对位姿状态预测值和位姿状态最小均方误差进行修正，以保证修正后得到的修正预测值和修正最小均方误差更加符合实际位姿状态预测值和实际位姿状态最小均方误差。
具体的，对位姿状态预测值和位姿状态最小均方误差进行修正的方法可以为：对位姿状态最小均方误差进行计算以得到基于当前位姿状态最小均方误差的误差增益，并根据误差增益分别对位姿状态预测值和位姿状态最小均方误差进行修正。其中，误差增益的具体计算方法本实施例不作限定。
S130、根据修正预测值和修正最小均方误差确定对应采样时刻拍摄的图像中目标对象的拍摄区域位姿。
一般情况下，图像采集装置在拍摄图像时，通常只会拍摄目标对象的待拍摄面的部分区域，其中，该部分区域被称为拍摄区域。可选的，拍摄得到的图像中呈现的拍摄区域为对实际拍摄的部分区域进行放大后的图像。
进一步的，拍摄区域位姿为拍摄区域实际对应的部分区域在实际坐标系中的位姿，其中，该实际坐标系与机械臂采用的坐标系相同。根据每次采样时刻确定的拍摄区域位姿可以确定相应的图像中拍摄区域的实际位姿，进而将拍摄的图像进行拼接组合，以得到完整的目标对象被摄面的图像，以便后续对该图像进行操作。
具体的，根据修正预测值和修正最小均方误差可以确定机械臂目标位置的位姿，进而根据机械臂目标位置的位姿推测出当前拍摄区域位姿。一般情况下，每次确定当前采样时刻对应的图像中目标对象的拍摄区域位姿后，都会调整机械臂目标位置的位姿，以保证下一采样时刻图像采集装置拍摄目标对象的其他拍摄区域，直到得到目标对象当前被摄面的全部拍摄区域图像为止。
本实施例提供的技术方案，通过在每个采样时刻触发拍摄功能并获取对应的机械臂目标位置的位姿状态预测值以及位姿状态最小均分误差，对得到的位姿状态预测值以及位姿状态最小均分误差进行修正，以根据修正后的结果确定对应采样时刻拍摄的图像中目标对象的拍摄区域位姿的技术手段，避免了由于拍摄延时导致的获取机械臂目标位置位姿数据存在误差的现象，提高了确定拍摄图像中目标对象的拍摄区域位姿的准确性，进而保证了各拍摄图像合成时的准确度，以便于更准确地进行后续处理。
实施例二
图2a为本发明实施例二提供的一种位姿误差修正方法的流程图。本实施例是在上述实施例的基础上进行具体化。具体的，获取机械臂目标位置的位姿状态预测值以及位姿状态最小均方误差具体包括：获取对应采样时刻机械臂目标位置的测量参数和状态参数；根据状态参数确定位姿状态预测值以及位姿状态最小均方误差。
相应的，对位姿状态预测值以及位姿状态最小均方误差进行修正，以得到修正预测值和修正最小均方误差具体包括：根据位姿状态最小均方误差和测量参数确定误差增益；根据误差增益、测量参数和状态参数对位姿状态预测值以及位姿状态最小均方误差进行修正。
进一步的，在每个采样时刻触发拍摄功能，并获取机械臂目标位置的位姿状态预测值以及位姿状态最小均方误差之前，还具体包括：对机械臂目标位置进行运动规划，以在每个采样时刻时，根据运动规划结果确定目标位置位姿的运动参数。
参考图2a，本实施例提供的位姿误差修正方法具体包括：
S210、对机械臂目标位置进行运动规划，以在每个采样时刻时，根据运动规划结果确定目标位置位姿的运动参数。
示例性的，运动规划是对机械臂目标位置各运行时刻进行运动规划，以确定各运行时刻机械臂目标位置期望达到的运动参数。运动参数包括期望达到的位置、速度以及加速度中的至少一个。具体的运动规划方法本实施例不作限定，下面仅以五次多项式发对运动规划的过程进行示例性描述：
五次多项式法的运功规划过程可以表示为：
S(t)＝a0+a1t+a2t2+a3t3+a4t4+a5t5 (3)
其中，a0、a1、a2、a3、a4以及a5为规划系数，t为运动对象(本实施例中为机械臂目标位置)当前的采样时刻，S(t)为t时刻的运功规划结果。
从上述公式可知，如果想要确定机械臂目标位置的运功规划结果，需要明确规划系数的具体值，且规划系数的具体值可以根据机械臂目标位置初始运行时的初始运动参数确定。
进一步的，初始运动参数确定规划系数的具体过程为：
设定初始运动参数包括：机械臂目标位置的初始时刻目标位置θ0、机械臂目标位置的初始时刻目标速度
Figure BDA0001298143350000101
机械臂目标位置的初始时刻目标加速度
Figure BDA0001298143350000102
机械臂目标位置的初始位置θ(0)、机械臂目标位置的初始速度
Figure BDA0001298143350000103
机械臂目标位置的初始加速度
Figure BDA0001298143350000104
和采样周期T，那么可以得到：
a0＝θ(0) (3-1)
Figure BDA0001298143350000105
Figure BDA0001298143350000106
Figure BDA0001298143350000107
Figure BDA0001298143350000108
Figure BDA0001298143350000109
进一步的，确定规划系数后，式(3)可以表示为：
θ1(t)＝a0+a1t+a2t2+a3t3+a4t4+a5t5 (4)
其中，θ1(t)表示为t时刻机械臂目标位置位姿期望达到的位置。对式(4)进行微分计算，可得：
Figure BDA00012981433500001010
其中，
Figure BDA0001298143350000111
表示为t时刻机械臂目标位置位姿期望达到的速度。对式(5)进行微分计算，可得：
Figure BDA0001298143350000112
其中，
Figure BDA0001298143350000113
表示为t时刻机械臂目标位置位姿期望达到的加速度。
进一步的，式(4)、式(5)以及式(6)为构造的机械臂目标位置的运动规划公式。根据上述运动规划公式便可以得到机械臂目标位置位姿任意运行时刻期望达到的运动参数。需要说明的是，在实际应该过程中，可以根据实际情况在式(4)、式(5)以及式(6)中选择性的构造至少一个运动规划公式。
具体的，运动参数属于状态参数，状态参数为用于确定位姿状态参数的参数。
S220、在每个采样时刻触发拍摄功能，获取对应采样时刻机械臂目标位置的测量参数和状态参数。
其中，测量参数是用于得到机械臂目标位置位姿测量值的参数。需要说明的是，确定机械臂目标位置位姿测量值时不仅需要测量参数，还需要机械臂目标位置位姿状态预测值，即结合机械臂目标位置位姿状态预测值得到机械臂目标位置位姿测量值。
可选的，确定机械臂目标位置位姿测量值的测量方程具体为：
Z(t)＝HX(t)+D(t) (7)
其中，t表示当前采样时刻，Z(t)是得到的t时刻机械臂目标位置位姿测量值。H是预设观测矢量，其为12×12的单位方阵，观测矢量一般在装置初始化时确定且后续过程中保持不变。X(t)是t时刻位姿状态预测值，D(t)表示测量噪声，其一般满足高斯分布，为12维向量。
一般而言，在对位姿状态预测值进行修正以得到最终的修正预测值时，需要考虑当前采样时刻机械臂目标位置位姿测量值，以保证结果的准确性。
S230、根据状态参数确定位姿状态预测值以及位姿状态最小均方误差。
为了保证得到最终结果的准确性，在确定位姿状态参数时分别求出不包含模型噪声的位姿状态预测值以及与模型噪声相关的位姿状态最小均方误差。
进一步的，状态参数至少包括：上一采样时刻的修正最小均方误差、上一采样时刻的修正预测值、采样周期、当前采样时刻目标位置位姿的运动参数以及预设第一协方差矩阵等。其中，修正最小均方误差为对位姿状态最小均方误差进行修正后得到的最终误差参数。修正预测值为对位姿状态预测值进行修正后得到的最终预测值。预设第一协方差矩阵为预先设定的模型噪声的协方差矩阵，其具有不变性。目标位置位姿的运动参数可以通过式(4)、式(5)或者式(6)确定。优选的，运动参数为期望达到的加速度，其可以通过式(6)确定。
具体的，参考图2b，确定位姿状态预测值和位姿状态最小均方误差时，该步骤具体包括：
S231、根据采样周期、上一采样时刻的修正预测值和当前采样时刻目标位置位姿的运动参数确定位姿状态预测值。
具体的，式(2)给出了位姿状态预测值的一般表示形式，根据式(2)可以推导出不包含模型噪声的位姿状态预测值，其具体表示为：
Figure BDA0001298143350000121
其中，X(t|t-1)表示t时刻得到的位姿状态预测值，
Figure BDA0001298143350000122
Figure BDA0001298143350000123
I是6×6的单位对角矩阵，T为6×6的对角矩阵，对角线上的元素均为采样间隔(采样周期)，用ΔT表示。T1为6×6的对角矩阵，对角线上的元素均为
Figure BDA0001298143350000131
T2为6×6的对角矩阵，对角线上的元素均为ΔT，也可以理解为T和T2是相同的矩阵，a(t)为t时刻机械臂目标位置位姿的期望加速度，可以通过式(6)确定，
Figure BDA0001298143350000132
表示上一采样时刻(t-1)机械臂目标位置的修正预测值。
需要说明的是，在本步骤确定的位姿状态预测值不包含当前采样时刻的误差参数，因此本步骤确定的位姿状态预测值并不是最终确定的预测值。
S232、根据采样周期、上一采样时刻的修正最小均方误差和预设第一协方差矩阵确定位姿状态最小均方误差。
可选的，位姿状态最小均方误差具体为：
P(t|t-1)＝AP(t-1|t-1)AT+Q (9)
其中，P(t|t-1)表示t时刻得到的位姿状态最小均方误差，
Figure BDA0001298143350000133
I是6×6的单位对角矩阵，T为6×6的对角矩阵，对角线上的元素均为采样间隔(采样周期)，用ΔT表示，Q为预设第一协方差矩阵，P(t-1|t-1)为上一采样时刻(t-1)的修正最小均方误差。
需要说明的是，在本步骤确定的位姿状态最小均方误差为未经修正的值，并不是最终确定的误差参数。
S240、根据位姿状态最小均方误差和测量参数确定误差增益。
示例性的，误差增益可以体现出当前得到的位姿状态最小均方误差对位姿测量值的影响。
具体的，测量参数至少包括：预设观测矢量和预设第二协方差矩阵等。其中，预设观测矢量为预先设定的12×12单位方阵。预设第二协方差矩阵为预先设定的测量噪声的协方差矩阵，其具有不变性。
可选的，误差增益具体为：
K(t)＝P(t|t-1)H[R+HP(t|t-1)HT]-1 (10)
其中，K(t)表示t时刻得到的误差增益，P(t|t-1)表示t时刻得到的位姿状态最小均方误差，H为预设观测矢量，R为预设第二协方差矩阵。
S250、根据误差增益、测量参数和状态参数对位姿状态预测值以及位姿状态最小均方误差进行修正。
示例性的，根据上述确定的误差增益结合测量参数和状态参数对位姿状态参数进行修正，以保证修正后的位姿状态参数的准确性。
可选的，参考图2c，对位姿状态参数进行修正时采用的方法可选包括：
S251、根据位姿状态预测值、预设观测矢量和预设第二协方差矩阵确定位姿测量值。
具体的，式(7)示出了位姿测量值的表示形式，本步骤中直接使用式(7)确定位姿测量值，其中，D(t)的计算方法本实施例不作限定，一般而言，D(t)的具体值取决于与预设第二协方差矩阵和当前采样时刻。
S252、根据采样周期、误差增益、预设观测矢量和位姿测量值对位姿状态预测值进行修正，以得到修正预测值。
可选的，修正位姿状态预测值时，具体的修正公式参考如下：
Figure BDA0001298143350000141
其中，
Figure BDA0001298143350000142
表示t时刻得到的修正预测值，X(t|t-1)表示t时刻得到的位姿状态预测值，
Figure BDA0001298143350000143
I是6×6的单位对角矩阵，T为6×6的对角矩阵，对角线上的元素均为采样间隔(采样周期)，用ΔT表示，K(t)表示t时刻得到的误差增益，H为预设观测矢量，Z(t)为t时刻机械臂目标位置的位姿测量值。
S253、根据误差增益和预设观测矢量对位姿状态最小均方误差进行修正，以得到修正最小均方误差。
可选的，修正最小均方误差时，具体的修正公式参考如下：
P(t|t)＝[I-K(t)H]P(t|t-1) (12)
其中，P(t|t)表示t时刻得到的修正最小均方误差，I是6×6的单位对角矩阵，K(t)表示t时刻得到的误差增益，H为预设观测矢量，P(t|t-1)表示t时刻得到的位姿状态最小均方误差。
S260、根据修正预测值和修正最小均方误差确定对应采样时刻拍摄的图像中目标对象的拍摄区域位姿。
具体的，得到当前采样时刻的修正预测值和修正最小均方误差后，确定对应采样时刻拍摄的图像中目标对象的拍摄区域位姿并判断是否完成对目标对象检测面的拍摄操作，如果完成拍摄操作，则停止拍摄操作，并根据各采样时刻得到的拍摄区域位姿对拍摄的图像进行后续处理，如果没有完成拍摄操作，则在下一采样时刻继续执行拍摄操作，并根据当前采用时刻的修正预测值和修正最小均方误差确定下一采样时刻的修正预测值和修正最小均方误差，直到完成拍摄操作为止。
一般而言，初始化时确定修正预测值的初始值和修正最小均方误差的初始值，后续第一个采样时刻确定修正预测值和修正最小均方误差时，直接使用修正预测值的初始值和修正最小均方误差的初始值。
下面对本实施例提供的位姿误差修正方法进行示例性说明：
设定目标对象为板卡，并将板卡设置在机械臂末端位置上。图像采集设备为相机。将板卡的焊锡面面向相机，以使相机对焊锡面进行拍摄。每个采样时刻对板卡焊锡面进行拍照，且每次仅能拍摄焊锡面的部分区域。
可选的，利用卡尔曼滤波器确定修正预测值和修正最小均方误差。
具体的，对设备进行初始化，并确定预设第一协方差矩阵、预设第二协方差矩阵、预设观测矢量、采样间隔(如1ms)。初始化模型噪声，确定修正预测值的初始值为
Figure BDA0001298143350000161
修正最小均方误差的初始值为P(0|0)。
进一步的，设定初始运动参数，以确定机械臂末端位置的运动规划方程，其具体为式(6)。
根据采样间隔在每个采样时刻触发拍摄操作，根据式(8)确定对应采样时刻的位姿状态预测值，根据式(9)确定对应采样时刻的位姿状态最小均方误差。在确定位姿状态预测值和位姿状态最小均方误差后，根据式(10)确定对应采样时刻的误差增益。
进一步的，测量当前机械臂末端位置对应的关节的位置和速度，以根据机械臂正运动学确定机械臂末端位置的位姿测量值。根据式(11)确定对应采样时刻的修正预测值，根据式(12)确定对应采样时刻的修正最小均方误差。
根据修正预测值和修正最小均方误差确定对应采样时刻拍摄的照片中板卡焊锡面的拍摄区域的位姿，并确定当前是否完成拍摄操作，如果没有完成拍摄操作，则返回根据采样间隔在每个采样时刻触发拍摄操作的操作。
如果完成拍摄操作，则根据各照片中板卡焊锡面的拍摄区域的位姿对各照片进行结合，以得到包含板卡完整焊锡面的照片，进而根据合成的照片对板卡的焊锡面进行检测，以确定根据该焊锡面确定板卡是否合格。
本实施例提供的技术方案，在每个采样时刻触发拍摄功能时，获取机械臂目标位置的测量参数和状态参数，并根据状态参数确定位姿状态预测值以及位姿状态最小均方误差，进而根据位姿状态最小均方误差和测量参数确定误差增益，以实现根据误差增益对位姿状态预测值以及位姿状态最小均方误差进行修正，保证最终得到的修正预测值和修正最小均方误差的准确性，避免了由于拍摄延时导致的获取机械臂目标位置位姿数据存在误差的现象，提高了确定拍摄图像中目标对象的拍摄区域位姿的准确性，进而保证了各拍摄图像合成时的准确度，以便于更准确地进行后续处理。
实施例三
图3为本发明实施例三提供的一种位姿误差修正装置的结构示意图。参考图3，本实施例提供的位姿误差修正装置具体包括：参数获取模块301、修正模块302以及位姿确定模块303。
其中，参数获取模块301，用于在每个采样时刻触发拍摄功能，并获取机械臂目标位置的位姿状态预测值以及位姿状态最小均方误差，其中，拍摄的目标对象与机械臂目标位置的位姿相对固定；修正模块302，用于对位姿状态预测值以及位姿状态最小均方误差进行修正，以得到修正预测值和修正最小均方误差；位姿确定模块303，用于根据修正预测值和修正最小均方误差确定对应采样时刻拍摄的图像中目标对象的拍摄区域位姿。
本实施例提供的技术方案，通过在每个采样时刻触发拍摄功能并获取对应的机械臂目标位置的位姿状态预测值以及位姿状态最小均分误差，对得到的位姿状态预测值以及位姿状态最小均分误差进行修正，以根据修正后的结果确定对应采样时刻拍摄的图像中目标对象的拍摄区域位姿的技术手段，避免了由于拍摄延时导致的获取机械臂目标位置位姿数据存在误差的现象，提高了确定拍摄图像中目标对象的拍摄区域位姿的准确性，进而保证了各拍摄图像合成时的准确度，以便于更准确地进行后续处理。
在上述实施例的基础上，参数获取模块301具体包括：拍摄触发单元，用于在每个采样时刻触发拍摄功能；位置参数获取单元，用于获取对应采样时刻机械臂目标位置的测量参数和状态参数；参数确定单元，用于根据状态参数确定位姿状态预测值以及位姿状态最小均方误差，其中，拍摄的目标对象与机械臂目标位置相对固定。
相应的，修正模块302具体包括：误差增益确定单元，用于根据位姿状态最小均方误差和测量参数确定误差增益；参数修正单元，用于根据误差增益、测量参数和状态参数对位姿状态预测值以及位姿状态最小均方误差进行修正。
在上述实施例的基础上，还包括：运动规划模块，用于在每个采样时刻触发拍摄功能，并获取机械臂目标位置的位姿状态预测值以及位姿状态最小均方误差之前，对机械臂目标位置进行运动规划，以在每个采样时刻时，根据运动规划结果确定目标位置位姿的运动参数，运动参数属于状态参数。
在上述实施例的基础上，状态参数包括：上一采样时刻的修正最小均方误差、上一采样时刻的修正预测值、采样周期、当前采样时刻目标位置位姿的运动参数以及预设第一协方差矩阵。
在上述实施例的基础上，参数确定单元具体包括：预测值确定子单元，用于根据采样周期、上一采样时刻的修正预测值和当前采样时刻目标位置位姿的运动参数确定位姿状态预测值；误差确定子单元，用于根据采样周期、上一采样时刻的修正最小均方误差和预设第一协方差矩阵确定位姿状态最小均方误差。
在上述实施例的基础上，测量参数包括：预设观测矢量和预设第二协方差矩阵。
在上述实施例的基础上，参数修正单元具体包括：测量值确定子单元，用于根据位姿状态预测值、预设观测矢量和预设第二协方差矩阵确定位姿测量值；预测值修正单元，用于根据采样周期、误差增益、预设观测矢量和位姿测量值对位姿状态预测值进行修正，以得到修正预测值；误差修正单元，用于根据误差增益和预设观测矢量对位姿状态最小均方误差进行修正，以得到修正最小均方误差。
本实施例提供的位姿误差修正装置适用于上述任意实施例提供的位姿误差修正方法，具备相应的功能和有益效果。
实施例四
图4为本发明实施例四提供的一种机器人的结构示意图。如图4所示，该机器人包括处理器40、存储装置41、图像采集装置42、机械臂43、输入装置44和输出装置45；机器人中处理器40的数量可以是一个或多个，图4中以一个处理器40为例；机器人中的处理器40、存储装置41、图像采集装置42、机械臂43、输入装置44和输出装置45可以通过总线或其他方式连接，图4中以通过总线连接为例。
其中，图像采集装置42，用于拍摄图像；机械臂43，用于固定目标对象。
存储装置41作为一种计算机可读存储介质，用于存储一个或多个程序，如本发明实施例中的位姿误差修正方法对应的程序指令/模块(例如，位姿误差修正装置中的参数获取模块301、修正模块302和位姿确定模块303)。处理器40通过运行存储在存储装置41中的软件程序、指令以及模块，从而执行机器人的各种功能应用以及数据处理，即实现上述的位姿误差修正。需要说明的是，图1b的控制器中包括：处理器40和存储装置41，可选包括：输入装置44和输出装置45。
存储装置41可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序；存储数据区可存储根据机器人的使用所创建的数据等。此外，存储装置41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至机器人。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置44可用于接收输入的数字或字符信息，以及产生与机器人的用户设置以及功能控制有关的键信号输入。输出装置45可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种位姿误差修正方法，该方法包括：
在每个采样时刻触发拍摄功能，并获取机械臂目标位置的位姿状态预测值以及位姿状态最小均方误差，其中，拍摄的目标对象与机械臂目标位置的位姿相对固定；
对位姿状态预测值以及位姿状态最小均方误差进行修正，以得到修正预测值和修正最小均方误差；
根据修正预测值和修正最小均方误差确定对应采样时刻拍摄的图像中目标对象的拍摄区域位姿。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的位姿误差修正方法操作,还可以执行本发明任意实施例所提供的位姿误差修正方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是机器人，个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的位姿误差修正方法。
值得注意的是，上述位姿误差修正装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (9)

1.一种位姿误差修正方法，其特征在于，包括：
在每个采样时刻触发拍摄功能，并获取机械臂目标位置的位姿状态预测值以及位姿状态最小均方误差，其中，拍摄的目标对象与所述机械臂目标位置的位姿相对固定，所述目标对象设置在所述机械臂目标位置；
对所述位姿状态预测值以及位姿状态最小均方误差进行修正，以得到修正预测值和修正最小均方误差；
根据所述修正预测值和修正最小均方误差确定对应采样时刻拍摄的图像中所述目标对象的拍摄区域位姿；
所述获取机械臂目标位置的位姿状态预测值以及位姿状态最小均方误差包括：
获取对应采样时刻机械臂目标位置的测量参数和状态参数；
根据所述状态参数确定位姿状态预测值以及位姿状态最小均方误差；
相应的，所述对所述位姿状态预测值以及位姿状态最小均方误差进行修正，以得到修正预测值和修正最小均方误差包括：
根据所述位姿状态最小均方误差和所述测量参数确定误差增益；
根据所述误差增益、所述测量参数和所述状态参数对所述位姿状态预测值以及所述位姿状态最小均方误差进行修正。
2.根据权利要求1所述的位姿误差修正方法，其特征在于，所述在每个采样时刻触发拍摄功能，并获取机械臂目标位置的位姿状态预测值以及位姿状态最小均方误差之前，还包括：
对机械臂目标位置进行运动规划，以在每个采样时刻时，根据运动规划结果确定所述目标位置位姿的运动参数，所述运动参数属于所述状态参数。
3.根据权利要求1所述的位姿误差修正方法，其特征在于，所述状态参数包括：上一采样时刻的修正最小均方误差、上一采样时刻的修正预测值、采样周期、当前采样时刻目标位置位姿的运动参数以及预设第一协方差矩阵。
4.根据权利要求3所述的位姿误差修正方法，其特征在于，所述根据所述状态参数确定所述位姿状态预测值以及位姿状态最小均方误差包括：
根据所述采样周期、所述上一采样时刻的修正预测值和所述当前采样时刻目标位置位姿的运动参数确定所述位姿状态预测值；
根据所述采样周期、所述上一采样时刻的修正最小均方误差和所述预设第一协方差矩阵确定所述位姿状态最小均方误差。
5.根据权利要求3所述的位姿误差修正方法，其特征在于，所述测量参数包括：预设观测矢量和预设第二协方差矩阵。
6.根据权利要求5所述的位姿误差修正方法，其特征在于，所述根据所述误差增益、所述测量参数和所述状态参数对所述位姿状态预测值以及所述位姿状态最小均方误差进行修正包括：
根据所述位姿状态预测值、所述预设观测矢量和所述预设第二协方差矩阵确定位姿测量值；
根据所述采样周期、所述误差增益、所述预设观测矢量和所述位姿测量值对所述位姿状态预测值进行修正，以得到修正预测值；
根据所述误差增益和所述预设观测矢量对所述位姿状态最小均方误差进行修正，以得到修正最小均方误差。
7.一种位姿误差修正装置，其特征在于，包括：
参数获取模块，用于在每个采样时刻触发拍摄功能，并获取机械臂目标位置的位姿状态预测值以及位姿状态最小均方误差，其中，拍摄的目标对象与所述机械臂目标位置的位姿相对固定，所述目标对象设置在所述机械臂目标位置；
修正模块，用于对所述位姿状态预测值以及位姿状态最小均方误差进行修正，以得到修正预测值和修正最小均方误差；
位姿确定模块，用于根据所述修正预测值和修正最小均方误差确定对应采样时刻拍摄的图像中所述目标对象的拍摄区域位姿；
参数获取模块具体包括：位置参数获取单元，用于获取对应采样时刻机械臂目标位置的测量参数和状态参数；参数确定单元，用于根据状态参数确定位姿状态预测值以及位姿状态最小均方误差；
相应的，修正模块具体包括：误差增益确定单元，用于根据位姿状态最小均方误差和测量参数确定误差增益；参数修正单元，用于根据误差增益、测量参数和状态参数对位姿状态预测值以及位姿状态最小均方误差进行修正。
8.一种机器人，其特征在于，所述机器人包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
图像采集装置，用于拍摄图像；
机械臂，用于固定目标对象；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的位姿误差修正方法。
9.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一所述的位姿误差修正方法。
CN201710354828.0A 2017-05-18 2017-05-18 位姿误差修正方法及装置、机器人及存储介质 Active CN107030699B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710354828.0A CN107030699B (zh) 2017-05-18 2017-05-18 位姿误差修正方法及装置、机器人及存储介质
PCT/CN2017/103263 WO2018209862A1 (zh) 2017-05-18 2017-09-25 位姿误差修正方法及装置、机器人及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710354828.0A CN107030699B (zh) 2017-05-18 2017-05-18 位姿误差修正方法及装置、机器人及存储介质

Publications (2)

Publication Number Publication Date
CN107030699A CN107030699A (zh) 2017-08-11
CN107030699B true CN107030699B (zh) 2020-03-10

Family

ID=59539006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710354828.0A Active CN107030699B (zh) 2017-05-18 2017-05-18 位姿误差修正方法及装置、机器人及存储介质

Country Status (2)

Country Link
CN (1) CN107030699B (zh)
WO (1) WO2018209862A1 (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107030699B (zh) * 2017-05-18 2020-03-10 广州视源电子科技股份有限公司 位姿误差修正方法及装置、机器人及存储介质
CN109959381B (zh) * 2017-12-22 2021-06-04 深圳市优必选科技有限公司 一种定位方法、装置、机器人及计算机可读存储介质
CN108068115B (zh) * 2017-12-30 2021-01-12 福建铂格智能科技股份公司 一种基于视觉反馈的并联机器人位置闭环校准算法
CN109633666B (zh) * 2019-01-18 2021-02-02 广州高新兴机器人有限公司 室内动态环境下基于激光雷达的定位方法及计算机存储介质
CN110370280B (zh) * 2019-07-25 2021-11-30 深圳市天博智科技有限公司 机器人行为的反馈控制方法、***和计算机可读存储介质
CN110631588B (zh) * 2019-09-23 2022-11-18 电子科技大学 一种基于rbf网络的无人机视觉导航定位方法
CN112785682A (zh) * 2019-11-08 2021-05-11 华为技术有限公司 模型的生成方法、模型的重建方法及装置
CN111912337B (zh) * 2020-07-24 2021-11-09 上海擎朗智能科技有限公司 机器人位姿信息的确定方法、装置、设备和介质
CN112348878B (zh) * 2020-10-23 2023-03-21 歌尔科技有限公司 定位测试方法、装置及电子设备
CN112975983B (zh) * 2021-03-16 2022-04-01 上海三一重机股份有限公司 作业机械的动臂矫正方法及装置
CN113274136B (zh) * 2021-05-17 2023-02-10 上海微创医疗机器人（集团）股份有限公司 位姿调整方法、手术机器人***和存储介质
CN113843796B (zh) * 2021-09-30 2023-04-28 上海傅利叶智能科技有限公司 数据传输方法及装置、联机机器人的控制方法及装置、联机机器人
CN113936467B (zh) * 2021-11-17 2022-12-16 同济大学 一种道路拍摄方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05100725A (ja) * 1991-10-09 1993-04-23 Kawasaki Heavy Ind Ltd ロボツトの位置補正方法
KR20140003191A (ko) * 2012-06-29 2014-01-09 한국과학기술연구원 접촉 및 힘 제어를 포함한 일관된 동작 생성을 위한 로봇 제어 장치 및 방법

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101402199B (zh) * 2008-10-20 2011-01-26 北京理工大学 基于视觉的手眼式低伺服精度机器人抓取移动目标的方法
CN102059703A (zh) * 2010-11-22 2011-05-18 北京理工大学 基于自适应粒子滤波的机器人视觉伺服控制方法
FI20115326A0 (fi) * 2011-04-05 2011-04-05 Zenrobotics Oy Menetelmä sensorin mittausten mitätöimiseksi poimintatoiminnon jälkeen robottijärjestelmässä
CN104476549B (zh) * 2014-11-20 2016-04-27 北京卫星环境工程研究所 基于视觉测量的机械臂运动路径补偿方法
CN104626206B (zh) * 2014-12-17 2016-04-20 西南科技大学 一种非结构环境下机器人作业的位姿信息测量方法
CN105196292B (zh) * 2015-10-09 2017-03-22 浙江大学 一种基于迭代变时长视觉伺服控制方法
DE102015221337A1 (de) * 2015-10-30 2017-05-04 Keba Ag Verfahren und Steuerungssystem zum Steuern der Bewegungen von Gelenkarmen eines Industrieroboters sowie dabei eingesetztes Bewegungsvorgabemittel
CN105354433B (zh) * 2015-11-24 2017-11-21 北京邮电大学 一种空间机械臂参数对运动可靠性影响比重的确定方法
CN106041927A (zh) * 2016-06-22 2016-10-26 西安交通大学 结合eye‑to‑hand和eye‑in‑hand结构的混合视觉伺服***及方法
CN106251282B (zh) * 2016-07-19 2019-03-12 中国人民解放军63920部队 一种机械臂采样环境仿真图的生成方法及装置
CN106123901B (zh) * 2016-07-20 2019-08-06 上海乐相科技有限公司 一种定位方法及装置
CN106182003A (zh) * 2016-08-01 2016-12-07 清华大学 一种机械臂示教方法、装置及***
CN107030699B (zh) * 2017-05-18 2020-03-10 广州视源电子科技股份有限公司 位姿误差修正方法及装置、机器人及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05100725A (ja) * 1991-10-09 1993-04-23 Kawasaki Heavy Ind Ltd ロボツトの位置補正方法
KR20140003191A (ko) * 2012-06-29 2014-01-09 한국과학기술연구원 접촉 및 힘 제어를 포함한 일관된 동작 생성을 위한 로봇 제어 장치 및 방법

Also Published As

Publication number Publication date
CN107030699A (zh) 2017-08-11
WO2018209862A1 (zh) 2018-11-22

Similar Documents

Publication Publication Date Title
CN107030699B (zh) 位姿误差修正方法及装置、机器人及存储介质
JP6396516B2 (ja) 視覚センサのキャリブレーション装置、方法及びプログラム
US20200096317A1 (en) Three-dimensional measurement apparatus, processing method, and non-transitory computer-readable storage medium
JP2020183035A5 (zh)
US11173609B2 (en) Hand-eye calibration method and system
JP2018111165A (ja) 視覚センサのキャリブレーション装置、方法及びプログラム
US9607244B2 (en) Image processing device, system, image processing method, and image processing program
CN112171666B (zh) 视觉机器人的位姿标定方法及装置、视觉机器人、介质
JP2003211381A (ja) ロボット制御装置
CN110800282A (zh) 云台调整方法、云台调整设备、移动平台及介质
CN113021328A (zh) 一种手眼标定方法、装置、设备和介质
CN110853102A (zh) 一种新的机器人视觉标定及引导方法、装置及计算机设备
CN114290338A (zh) 二维手眼标定方法、设备、存储介质及程序产品
CN114125305A (zh) 拍摄方法、装置及设备
JP2019077026A (ja) 制御装置、ロボットシステム、制御装置の動作方法及びプログラム
JP2778430B2 (ja) 視覚に基く三次元位置および姿勢の認識方法ならびに視覚に基く三次元位置および姿勢の認識装置
JP2021026599A (ja) 画像処理システム
CN115841520A (zh) 一种相机内参标定方法、装置、电子设备及介质
CN113592907B (zh) 基于光流的视觉伺服跟踪方法及装置
CN115294213A (zh) 标定塔、相机标定方法、装置、电子设备及存储介质
CN115311353A (zh) 一种多传感器多手柄控制器图优化紧耦合追踪方法及***
JP2015145050A (ja) ロボットシステム、ロボット制御装置、ロボット制御方法およびロボット制御プログラム
WO2021138856A1 (zh) 相机控制方法、设备及计算机可读存储介质
CN114724267B (zh) 一种体温检测方法、存储介质及机器人
WO2019244200A1 (ja) 学習装置、画像生成装置、学習方法、画像生成方法及びプログラム

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