CN111402342A - 基于多特征点的可用于工业机器人标定的3d点云处理方法 - Google Patents
基于多特征点的可用于工业机器人标定的3d点云处理方法 Download PDFInfo
- Publication number
- CN111402342A CN111402342A CN202010172636.XA CN202010172636A CN111402342A CN 111402342 A CN111402342 A CN 111402342A CN 202010172636 A CN202010172636 A CN 202010172636A CN 111402342 A CN111402342 A CN 111402342A
- Authority
- CN
- China
- Prior art keywords
- calibration
- point cloud
- industrial robot
- error
- processing method
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000013507 mapping Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于多特征点的可用于工业机器人标定的3D点云处理方法。本发明一种基于多特征点的可用于工业机器人标定的3D点云处理方法,包括:标定板3D点云数据生成;3D点云数据按照预设的映射规则生成二维图片;对二维图片进行处理,获取目标特征点信息;标定板目标特征值与理论值比较,误差小于预设值时,继续下一步,大于时,缩小图片遍历区间,返回上一步重新求解;根据预设映射规则,进行反映射计算;生成标定板目标数据。本发明的有益效果:1)本专利提出的基于多特征点的可用于工业机器人标定的3D点云处理算法,可以高效的、精确的获取手眼标定测试数据,从而进一步提高手眼标定的标定精度。
Description
技术领域
本发明涉及工业机器人标定领域,具体涉及一种基于多特征点的可用于工业机器人标定的3D点云处理方法。
背景技术
随着工业自动化的发展,工业机器人越来越多的应用到各个领域的生产制造上,3D视觉在工业机器人领域应用越来越深入。工业机器人可以代替人工实现工件的抓取、搬运、包装、安装等工作,但其工作的质量要很大程度上取决于机器人的定位的准确性。高精度的工业机器人定位可以降低工作误差,提高机器人的工作质量与效率。
传统技术存在以下技术问题:
然而,机器人的定位准确度受安装情况,工况现场等因素的影响,因此,在使用时往往需要先对其进行标定。常用的标定方法就是手眼标定,而标定结果的精度又往往很大程度取决于测试数据的准确性,因此准确的获取到标定板数据是标定精确与否的关键。当前标定方法多采用高精度陶瓷球或者棋盘格的方式获取特征值进行手眼标定,这种单特征的方法很难保证特征数据的精度,从而加大了手眼标定结果的精确度,影响工业机器人整体的工作质量。
发明内容
本发明要解决的技术问题是提供一种基于多特征点的可用于工业机器人标定的3D点云处理方法。
为了解决上述技术问题,本发明提供了一种基于多特征点的可用于工业机器人标定的3D点云处理方法,包括:
标定板3D点云数据生成;
3D点云数据按照预设的映射规则生成二维图片;
对二维图片进行处理,获取目标特征点信息;
标定板目标特征值与理论值比较,误差小于预设值时,继续下一步,大于时,缩小图片遍历区间,返回上一步重新求解;
根据预设映射规则,进行反映射计算;
生成标定板目标数据。
在其中一个实施例中,所述标定板上设有三个圆,三个圆的大小和位置都是已知的。
在其中一个实施例中,通过使用安装在工业机器人末端的3D相机获取标定板的3D点云数据。
在其中一个实施例中,“对二维图片进行处理,获取目标特征点信息;”具体包括:求得三圆圆心信息。
在其中一个实施例中,,通过圆拟合进行图像处理求得三圆圆心信息。
在其中一个实施例中,“标定板目标特征值与理论值比较,误差小于预设值时,继续下一步,大于时,缩小图片遍历区间,返回上一步重新求解;”具体包括:通过三圆圆心信息可以求得三圆圆心两两之间的距离,与实际标定板长度相比较,当误差小于预设值时,继续下一步,当大于预设值时,缩小图片遍历区间返回上一步重新求解。
在其中一个实施例中,“生成标定板目标数据”具体包括:通过反映射计算,获取目标特征值的三维点云数据和标定板中三圆任意一个圆心的数据信息。
基于同样的发明构思,本申请还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现任一项所述方法的步骤。
基于同样的发明构思,本申请还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一项所述方法的步骤。
基于同样的发明构思,本申请还提供一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行任一项所述的方法。
本发明的有益效果:
1)本专利提出的基于多特征点的可用于工业机器人标定的3D点云处理算法,可以高效的、精确的获取手眼标定测试数据,从而进一步提高手眼标定的标定精度;2)本专利提出的3D点云处理算法不仅适用于工业机器人的手眼标定数据的获取,同时也适用于3D相机适用的机器的标定,不仅操作简单,同时具备高效率、准确度高等特点。
附图说明
图1是本发明基于多特征点的可用于工业机器人标定的3D点云处理方法的流程示意图。
图2是本发明基于多特征点的可用于工业机器人标定的3D点云处理方法中的标定板示意图。
图3是本发明基于多特征点的可用于工业机器人标定的3D点云处理方法中的二维映射图。
图4是本发明基于多特征点的可用于工业机器人标定的3D点云处理方法中的误差计算图。
图5是本发明基于多特征点的可用于工业机器人标定的3D点云处理方法中的不同遍历区间示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
参阅图1,本发明的基于多特征点的可用于机器人标定的3D点云处理方法,具体实施过程如下:
1)标定板3D点云数据生成。标定板如图2所示,标定板三个圆的大小位置为特定位置,值为标准值。通过使用安装在工业机器人末端的3D相机获取标定板的3D点云数据。特定位置是指:三个圆在标定板上的直径大小、位置关系是确定的、已知的,例如各个圆心之间距离是已知的。标准值就是各个圆心之间的距离还有各个圆的直径都是已知的。三个圆的直径可以都相等,也可以不相等。
2)3D点云数据映射生成二维图片。将点云数据按一定的映射规则,生成二维图片,如图3所示。
3)特征信息求解。对二维图片进行处理,获取目标特征点信息。通过圆拟合进行图像处理,求得A,B,C三圆圆心信息。
4)像素误差与预设值比较。标定板目标特征值与理论值比较,如图4所示,通过A,B,C三圆圆心信息可以求得a,b,c的长度大小(即三圆圆心两两之间的距离),与实际标定板长度相比较,当误差小于预设值时,继续下一步,当大于预设值时,缩小图片遍历区间,如图5所示,当区间设为8×8区间读取一个区间内像素值时,将遍历区间缩小至7×7,然后返回第三步重新求解。
5)目标特征值反映射计算。根据映射规则,进行反映射计算。
6)生成标定板目标数据。通过反映射计算,获取目标特征值的三维点云数据和标定板中圆A、B、C任意一个圆心的数据信息。所谓圆心的数据信息,指的是圆心的空间三维坐标值,也就是X,Y,Z值,这三个数是基于机器人底座所建立的三维坐标系。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (10)
1.一种基于多特征点的可用于工业机器人标定的3D点云处理方法,其特征在于,包括:
标定板3D点云数据生成;
3D点云数据按照预设的映射规则生成二维图片;
对二维图片进行处理,获取目标特征点信息;
标定板目标特征值与理论值比较,误差小于预设值时,继续下一步,大于时,缩小图片遍历区间,返回上一步重新求解;
根据预设映射规则,进行反映射计算;
生成标定板目标数据。
2.如权利要求1所述的基于多特征点的可用于工业机器人标定的3D点云处理方法,其特征在于,所述标定板上设有三个圆,三个圆的大小和位置都是已知的。
3.如权利要求1所述的基于多特征点的可用于工业机器人标定的3D点云处理方法,其特征在于,通过使用安装在工业机器人末端的3D相机获取标定板的3D点云数据。
4.如权利要求1所述的基于多特征点的可用于工业机器人标定的3D点云处理方法,其特征在于,“对二维图片进行处理,获取目标特征点信息;”具体包括:求得三圆圆心信息。
5.如权利要求4所述的基于多特征点的可用于工业机器人标定的3D点云处理方法,其特征在于,通过圆拟合进行图像处理求得三圆圆心信息。
6.如权利要求1所述的基于多特征点的可用于工业机器人标定的3D点云处理方法,其特征在于,“标定板目标特征值与理论值比较,误差小于预设值时,继续下一步,大于时,缩小图片遍历区间,返回上一步重新求解;”具体包括:通过三圆圆心信息可以求得三圆圆心两两之间的距离,与实际标定板长度相比较,当误差小于预设值时,继续下一步,当大于预设值时,缩小图片遍历区间返回上一步重新求解。
7.如权利要求1所述的基于多特征点的可用于工业机器人标定的3D点云处理方法,其特征在于,“生成标定板目标数据”具体包括:通过反映射计算,获取目标特征值的三维点云数据和标定板中三圆任意一个圆心的数据信息。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在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程序时实现权利要求1到7任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1到7任一项所述方法的步骤。
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到7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010172636.XA CN111402342B (zh) | 2020-03-12 | 2020-03-12 | 基于多特征点的可用于工业机器人标定的3d点云处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010172636.XA CN111402342B (zh) | 2020-03-12 | 2020-03-12 | 基于多特征点的可用于工业机器人标定的3d点云处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111402342A true CN111402342A (zh) | 2020-07-10 |
CN111402342B CN111402342B (zh) | 2023-06-09 |
Family
ID=71436151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010172636.XA Active CN111402342B (zh) | 2020-03-12 | 2020-03-12 | 基于多特征点的可用于工业机器人标定的3d点云处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111402342B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111975781A (zh) * | 2020-08-25 | 2020-11-24 | 北京华航唯实机器人科技股份有限公司 | 机器人修正方法及装置、机器人 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018103694A1 (zh) * | 2016-12-07 | 2018-06-14 | 苏州笛卡测试技术有限公司 | 一种机器人三维扫描装置及方法 |
CN108198223A (zh) * | 2018-01-29 | 2018-06-22 | 清华大学 | 一种激光点云与视觉图像映射关系快速精确标定方法 |
CN109272572A (zh) * | 2018-08-30 | 2019-01-25 | 中国农业大学 | 一种基于双Kinect相机的建模方法及装置 |
CN110189381A (zh) * | 2019-05-30 | 2019-08-30 | 北京眸视科技有限公司 | 外参数标定***、方法、终端及可读存储介质 |
-
2020
- 2020-03-12 CN CN202010172636.XA patent/CN111402342B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018103694A1 (zh) * | 2016-12-07 | 2018-06-14 | 苏州笛卡测试技术有限公司 | 一种机器人三维扫描装置及方法 |
CN108198223A (zh) * | 2018-01-29 | 2018-06-22 | 清华大学 | 一种激光点云与视觉图像映射关系快速精确标定方法 |
CN109272572A (zh) * | 2018-08-30 | 2019-01-25 | 中国农业大学 | 一种基于双Kinect相机的建模方法及装置 |
CN110189381A (zh) * | 2019-05-30 | 2019-08-30 | 北京眸视科技有限公司 | 外参数标定***、方法、终端及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
康国华;张琪;张晗;徐伟证;张文豪;: "基于点云中心的激光雷达与相机联合标定方法研究" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111975781A (zh) * | 2020-08-25 | 2020-11-24 | 北京华航唯实机器人科技股份有限公司 | 机器人修正方法及装置、机器人 |
CN111975781B (zh) * | 2020-08-25 | 2021-10-26 | 北京华航唯实机器人科技股份有限公司 | 机器人修正方法及装置、机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN111402342B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110108208B (zh) | 五轴非接触式测量机的误差补偿方法 | |
CN110640747B (zh) | 机器人的手眼标定方法、***、电子设备和存储介质 | |
CN110148187B (zh) | 一种SCARA机械手Eye-in-Hand的高精度手眼标定方法和*** | |
CN110695982A (zh) | 一种基于三维视觉的机械臂手眼标定方法和装置 | |
WO2018201677A1 (zh) | 基于光束平差的远心镜头三维成像***的标定方法及装置 | |
CN109465822A (zh) | 基于3d视觉手眼标定方法 | |
CN111890356A (zh) | 机械臂坐标系和相机坐标系标定方法、装置、设备及介质 | |
CN113119129A (zh) | 一种基于标准球的单目测距定位方法 | |
CN111562563A (zh) | 激光雷达转台标定方法、装置和计算机可读存储介质 | |
CN105334802A (zh) | 一种调整主轴与c轴同轴度的方法 | |
CN112361958A (zh) | 一种线激光与机械臂标定方法 | |
CN109773589B (zh) | 对工件表面进行在线测量和加工导引的方法及装置、设备 | |
CN111402342A (zh) | 基于多特征点的可用于工业机器人标定的3d点云处理方法 | |
CN115755770B (zh) | 一种基于距离误差的双旋转轴位置无关几何误差辨识方法 | |
Jianming et al. | Error correction for high-precision measurement of cylindrical objects diameter based on machine vision | |
CN111275662A (zh) | 基于二维码的工件定位方法、装置、设备和存储介质 | |
CN115187672A (zh) | 几何误差标定方法、装置、多轴运动***及存储介质 | |
CN116136388A (zh) | 机器人工具坐标系的标定方法、装置、设备以及存储介质 | |
CN112685860B (zh) | 一种曲面姿态检测方法、装置、终端设备及存储介质 | |
CN115205390A (zh) | 工业机器人面结构光立体相机位姿在线标定方法及*** | |
CN113983951A (zh) | 三维目标的测量方法、装置、影像仪及存储介质 | |
Cheng et al. | Integration of 3D stereo vision measurements in industrial robot applications | |
CN112815851A (zh) | 手眼标定方法及装置、***、电子设备、存储介质 | |
CN1746615A (zh) | 结构光三维***相对参数的单图像自定标方法 | |
CN114800520B (zh) | 高精度的手眼标定方法 |
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 |