CN112082483B - 仅有棱边特征工件的定位方法、应用及精度评价方法 - Google Patents
仅有棱边特征工件的定位方法、应用及精度评价方法 Download PDFInfo
- Publication number
- CN112082483B CN112082483B CN202010939637.2A CN202010939637A CN112082483B CN 112082483 B CN112082483 B CN 112082483B CN 202010939637 A CN202010939637 A CN 202010939637A CN 112082483 B CN112082483 B CN 112082483B
- Authority
- CN
- China
- Prior art keywords
- test
- points
- workpiece
- dimensional coordinates
- standard
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000011156 evaluation Methods 0.000 title description 3
- 238000012360 testing method Methods 0.000 claims abstract description 136
- 238000013519 translation Methods 0.000 claims abstract description 55
- 239000011159 matrix material Substances 0.000 claims abstract description 39
- 230000003287 optical effect Effects 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000005457 optimization Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 7
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 8
- 238000000691 measurement method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Images
Classifications
-
- 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
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- 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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种仅有棱边特征工件的定位方法，包括：机器人带动单线结构光传感器对标准工件进行检测，标定标准数据，记录各测试位置的光平面方程；测试时，机器人带动单线结构光传感器在不同测试位置获取实测工件上各测试点的三维坐标，记为实测数据；基于标定的三维坐标与实测数据计算旋转平移矩阵；对各条辅助直线进行旋转平移，再将其与各自对应的光平面方程的交点记入校准点集；以实测数据、校准点集各对应点之间的距离为目标函数，利用最优化方法迭代得出满足收敛条件的最优旋转平移矩阵；将其补偿到标定过程中各测试点的坐标，得到当前工件的位置，完成定位；本方法有效解决了棱边测试点偏移、定位不准确的问题，提高了视觉定位的准确性。
Description
技术领域
本发明涉及结构光测量领域，具体涉及一种仅有棱边特征工件的定位方法、应用及精度评价方法。
背景技术
在主动视觉测量领域中，结构光测量是常见的测量方式，其中应用最广泛的是线激光特征，其通过线激光器向被测物投射激光条，采用图像采集设备采集光条图像，通过图像分析得出被测物的三维信息，使用线结构光传感器进行视觉定位时，需要选取被测物上的特征，并进行特征提取获取三维信息，进而实现视觉定位，在实际使用时，视觉定位往往应用于视觉引导或者自动化加工及装配领域，同一型号的工件通过流水线、转轮、辊床等移动设备，依次放置于待测工位，这一过程中，受到移动设备传输精度、工装夹具定位误差以及不同工件之间加工精度的影响，待测工件的实际位置与标准工件位置之间的不可避免会存在差异；现有的定位方法，仅计算待测工件上的测点坐标(选取的被测特征坐标)与标准工件上测点坐标之间的旋转平移关系，若被测特征为封闭形状(如特征圆、方孔或球等)，其根据图形特征的几何中心进行定位，此时，被测物的位置轻微移动对其影响有限，只要保证激光条能够覆盖到被测特征，即使当前被测物特征与标准工件上的特征位置之间存在细小误差，也依旧能够通过结构光能够获取被测特征的几何中心；但是在待测工件种类繁多，有些工件上并不包含封闭图形特征，如平板件、汽车顶盖、风挡玻璃框，这些部件仅包含面特征和棱边特征，而采用结构光测量，需要选择棱边特性进行工件定位，由于棱边为拉伸体，其上选取的点与周围点并没有视觉上的明显的区别，只要被测工件发生位置改变(偏移、旋转)，势必会导致当前工件的测点与标准工件测点位置存在误差，不能保证偏移前后测点的一致，此时使用现有的定位方法，求解工件偏移，会存在较大误差，影响视觉定位精度。
发明内容
为了解决上述问题，本发明提供了一种基于单线结构光的工件视觉定位方法，其利用最优化的思想对现有定位方法进行了改进，有效解决了棱边测试点偏移、定位不准确的问题，提高了视觉定位的准确性。
技术方案如下：
一种仅有棱边特征工件的定位方法，所述仅有棱边特征工件表面至少形成有两条不在同一直线上的棱边；包括以下步骤：
机器人带动单线结构光传感器在多个不同测试位置对标准工件进行检测，测试结果中至少包括三个不在同一直线上的棱边上的点(测试结果中点的三维坐标能够监测工件沿X、Y、Z三个方向的偏移和绕X、Y、Z三个轴的旋转(即符合321建系选点原则))；测试前，标定好各个测试位置辅助直线方程及测试点的三维坐标，以此为标准数据，同时将各测试位置单线结构光传感器的光平面方程转换到空间坐标系，并记录；
各个测试位置所对应的测试点、辅助直线通过以下方法获得：在测试位置，单线结构光光条在标准工件上的拐点为测试点；以测试点为基准通过微调机器人位置获取多个位于同条棱边上的点，利用其与对应测试点的三维坐标拟合得到辅助直线；
测试时，与所述标准工件同型号的工件按照预先设定的状态放置在检测工位上，机器人按照预设路径带动单线结构光传感器在不同测试位置获取各测试点的三维坐标，记为实测数据；
基于标定过程中记录的各测试点的三维坐标与实测数据中各测试点的三维坐标数据计算旋转平移矩阵；以此为基础，对标准数据中各条辅助直线进行旋转平移，再将其与各自对应的光平面方程的交点记入校准点集；
以实测数据中各测试点的三维坐标、对应校准点集中的交点之间的距离为目标函数，利用最优化方法迭代得出满足收敛条件的最优旋转平移矩阵；
将最优旋转平移矩阵补偿到标定过程中各测试点的坐标，得到当前工件的位置，完成定位。
为了保证传感器采集实测工件的棱边与标准工件的棱边为同侧棱边，进一步，工件按照预先设定的状态放置在检测工位时，其与标定时的标准工件位置横纵方向偏差在30mm以内，角度偏差在5°以内。
进一步，所述最优化方法为梯度下降法、LM法或高斯牛顿法。
进一步，将目标函数表示为min{Si-Fi}，i＝1，2……m，m表示测试点个数，Si表示第i个测试位置实测数据中测试点的三维坐标，Fi表示第i个测试位置校准点集中交点的三维坐标；
收敛条件为：唯一上限值或者对于每个测试位置设置1个目标函数的上限值。
作为一种应用，利用本发明定位方法进行工件抓取，包括：将最优化旋转平移矩阵补偿到抓件机器人的抓件轨迹，引导抓件机器人根据实际位置进行工件抓取。
作为另一种应用，利用本发明定位方法进行工件加工，包括：将最优化旋转平移矩阵补偿到加工机器人的加工轨迹，引导抓件机器人根据实际位置进行工件加工(如焊接、切割等)。
本发明还公开了一种对上述定位方法进行精度评价的方法，进行以下步骤：
S1、利用标准仪器获取标准工件上特定点的三维坐标Qj，j＝1,2……n，n表示特征点个数；所述标准仪器包括激光跟踪仪、三坐标机和V-Satrs；所述特定点为在标准工件面或棱边上预先作标记的点，至少包括三个不共线的点；
机器人带动单线结构光传感器在多个不同测试位置对标准工件进行检测，测试结果中至少包括三个不在同一直线上的棱边上的点；测试前，标定好各个测试位置辅助直线方程及测试点的三维坐标，以此为标准数据，同时将各测试位置单线结构光传感器的光平面方程转换到空间坐标系，并记录；
各个测试位置所对应的测试点、辅助直线通过以下方法获得：在测试位置，单线结构光光条在标准工件上的拐点为测试点；以测试点为基准通过微调机器人位置获取多个位于同条棱边上的点，利用其与对应测试点的三维坐标拟合得到辅助直线；
S2、调整标准工件的位置，使其呈现出其他工件放置时的位姿；
利用标准仪器再次获取调整后的标准工件上特定点的三维坐标Q’j，利用刚体变换求解Q’j和Qj之间的旋转平移矩阵RT’；(其中，Q’j和Qj均在全局空间坐标系下)
机器人按照预设路径带动单线结构光传感器在不同测试位置获取各测试点的三维坐标，记为实测数据；
基于标定过程中记录的各测试点的三维坐标与实测数据中各测试点的三维坐标数据计算旋转平移矩阵；以此为基础，对标准数据中各条辅助直线进行旋转平移，再将其与各自对应的光平面方程的交点记入校准点集；
以实测数据中各测试点的三维坐标、对应校准点集中的交点之间的距离为目标函数，利用最优化方法迭代得出满足收敛条件的最优旋转平移矩阵RT；
S3、对比RT和RT’，判断两者之间各旋转、平移分量之间的差值是否小于预设值，若是，则得出的最优旋转平移矩阵RT满足测量要求，若否，则其不能满足测量要求。
本发明方案具有以下优点：
(1)本方法不仅利用测试点坐标求取初始旋转平移关系，还在每个测试点周围进行了直线拟合，拟合出的辅助直线代表了棱边线，当工件实际位置发生改变时，测试点位置发生改变但是其对应的辅助直线始终不变，利用初始旋转平移关系调整辅助直线，理论上，调整后的辅助直线与光平面的交点应当与对应位置的实测坐标一致，基于这一原则，设置目标函数、提供收敛条件，基于最优化的思想得出更加准确的旋转平移矩阵，进而实现高精度定位；本方法应用于视觉引导，可辅助机器人进行精准的工件抓取、加工等；
(2)本发明还提供了一种精度验证方法，采用标准仪器和单线结构光传感器分别测量的位置调整前后的标准工件，对比两次获取的旋转平移矩阵，有效评估定位方法的定位精度，筛选符合检测要求的传感器。
附图说明
图1为待测工件与标准工件之间测点位置改变示意图；
图2为多次投射激光条和测点位置处光平面的示意图；
图3为采集的单线结构光图像示意图。
具体实施方式
以下结合附图和具体实施方式对本发明的技术方案进行详细描述。
一种仅有棱边特征工件的定位方法，仅有棱边特征工件表面至少形成有两条不在同一直线上的棱边；包括以下步骤：
机器人带动单线结构光传感器在多个不同测试位置对标准工件进行检测，测试结果中至少包括三个不在同一直线上的棱边上的点(优选的，测试结果中点的三维坐标能够监测工件沿X、Y、Z三个方向的偏移和绕X、Y、Z三个轴的旋转(即符合321建系选点原则))；测试前，标定好各个测试位置辅助直线方程及测试点的三维坐标，以此为标准数据，同时将各测试位置单线结构光传感器的光平面(如图2所示)方程转换到空间坐标系(本实施例设置在机器人基坐标系)，并记录；
各个测试位置所对应的测试点、辅助直线通过以下方法获得：在测试位置，单线结构光光条在标准工件上的拐点为测试点；如图3中测点坐标的计算，根据采集图像的质量，选取激光条断开拐点部分任一端的端点(A点或B点)坐标，本实施例中，计算激光条断开部分下边沿的端点B点坐标；
以测试点为基准通过微调机器人位置获取多个位于同条棱边上的点，利用其与对应测试点的三维坐标拟合得到辅助直线；(具体实施时，机器人移动3～10次，单线结构光传感器分别发射激光,(如图2所示：机器人移动9次，投射的9条激光条同时显示的示意图)；利用多条激光条上的拐点解算得到辅助直线；优选，单线结构光传感器每次投射出的激光条均与第一次投射的激光条平行，相邻两激光条之间的距离小于5mm)
测试时，与所述标准工件同型号的工件按照预先设定的状态放置在检测工位上(如图1所示，实测工件与标准工件位置发生改变pfzero pfmove)，机器人按照预设路径带动单线结构光传感器在不同测试位置获取各测试点的三维坐标，记为实测数据；
基于标定过程中记录的各测试点的三维坐标与实测数据中各测试点的三维坐标数据计算旋转平移矩阵；以此为基础，对标准数据中各条辅助直线进行旋转平移，再将其与各自对应的光平面方程的交点记入校准点集；
以实测数据中各测试点的三维坐标、对应校准点集中的交点之间的距离为目标函数，利用最优化方法迭代得出满足收敛条件的最优旋转平移矩阵；
将最优旋转平移矩阵补偿到标定过程中各测试点的坐标，得到当前工件的位置，完成定位。
具体的，工件有多个，人为选定其中一个工件为标准工件，其余工件为待测工件；利用标准工件获取标准数据，对其他待测工件分别求取最优化旋转平移矩阵进行定位。
为了保证传感器采集实测工件的棱边与标准工件的棱边为同侧棱边，工件按照预先设定的状态放置在检测工位时，其与标定时的标准工件位置横纵方向偏差在30mm以内，角度偏差在5°以内。
其中，最优化方法为梯度下降法、LM法或高斯牛顿法。
将目标函数表示为min{Si-Fi}，i＝1，2……m，m表示测试点个数，Si表示第i个测试位置实测数据中测试点的三维坐标，Fi表示第i个测试位置校准点集中交点的三维坐标；
收敛条件为：唯一上限值或者对于每个测试位置设置1个目标函数的上限值。
具体操作时：设置m个距离上限值，若目标函数得出的m个距离值分别小于对应位置的距离上限值，则满足收敛条件；
或：设置一个距离上限总值，若目标函数得出的m个距离值之和或均值小于距离上限总值，则满足收敛条件。
作为本实施例的一种应用，利用定位方法进行工件抓取，包括：将最优化旋转平移矩阵补偿到抓件机器人的抓件轨迹，引导抓件机器人根据实际位置进行工件抓取。
作为本实施例的另一种应用，利用定位方法进行工件加工，包括：将最优化旋转平移矩阵补偿到加工机器人的加工轨迹，引导抓件机器人根据实际位置进行工件加工(如焊接、切割等)。
为了评价上述定位方法的精度，还公开了一种对上述定位方法进行精度评价的方法，进行以下步骤：
S1、利用标准仪器获取标准工件上特定点的三维坐标Qj，j＝1,2……n，n表示特征点个数；标准仪器包括激光跟踪仪、三坐标机和V-Satrs；特定点为在标准工件面或棱边上预先作标记的点，至少包括三个不共线的点；
机器人带动单线结构光传感器在多个不同测试位置对标准工件进行检测，测试结果中至少包括三个不在同一直线上的棱边上的点；测试前，标定好各个测试位置辅助直线方程及测试点的三维坐标，以此为标准数据，同时将各测试位置单线结构光传感器的光平面方程转换到空间坐标系，并记录；
各个测试位置所对应的测试点、辅助直线通过以下方法获得：在测试位置，单线结构光光条在标准工件上的拐点为测试点；以测试点为基准通过微调机器人位置获取多个位于同条棱边上的点，利用其与对应测试点的三维坐标拟合得到辅助直线；
S2、调整标准工件的位置，使其呈现出其他工件放置时的位姿；
利用标准仪器再次获取调整后的标准工件上特定点的三维坐标Q’j，利用刚体变换求解Q’j和Qj之间的旋转平移矩阵RT’；(其中，Q’j和Qj均在全局空间坐标系下(机器人基坐标系))
机器人按照预设路径带动单线结构光传感器在不同测试位置获取各测试点的三维坐标，记为实测数据；
基于标定过程中记录的各测试点的三维坐标与实测数据中各测试点的三维坐标数据计算旋转平移矩阵；以此为基础，对标准数据中各条辅助直线进行旋转平移，再将其与各自对应的光平面方程的交点记入校准点集；
以实测数据中各测试点的三维坐标、对应校准点集中的交点之间的距离为目标函数，利用最优化方法迭代得出满足收敛条件的最优旋转平移矩阵RT；
S3、对比RT和RT’，判断两者之间各旋转、平移分量之间的差值是否小于预设值，若是，则得出的最优旋转平移矩阵RT满足测量要求，若否，则其不能满足测量要求。
本实施例进行了5次精度验证，即调整5次标准工件的位姿，每次调整，均利用标准仪器、单线结构光传感器测量，并分别解算旋转平移矩阵，获取其旋转平移分量，并分别对比传统测量方法与本发明方法各个分量之间的差值，测试数据如下表所示，其中dx、dy、dz表示旋转平移矩阵中的X、Y、Z三方向的平移分量；rx、ry、rz表示旋转平移矩阵中的X、Y、Z三方向的旋转分量；error_dx、error_dy、error_dz表示的传统测量方法、本发明方法与标准仪器测量获得的平移分量之间的差值；error_rx、error_ry、error_rz表示的传统测量方法、本发明方法与标准仪器测量获得的旋转分量之间的差值；
如表可见，本发明方法各分量数值更加接近标准仪器测量获得分量数值，即获得了更加精准的旋转平移矩阵，相比于传统解算方法，精度显著提升。
为了方便解释和精确限定所附权利要求，术语“上”、“下”、“内”和“外”被用于参考附图中所显示的这些特征的位置来描述示例性实施方式的特征。
前面对本发明具体示例性实施方案所呈现的描述是出于说明和描述的目的。前面的描述并不想要成为毫无遗漏的，也不是想要把本发明限制为所公开的精确形式，显然，根据上述教导很多改变和变化都是可能的。选择示例性实施方案并进行描述是为了解释本发明的特定原理及其实际应用，从而使得本领域的其它技术人员能够实现并利用本发明的各种示例性实施方案及其不同选择形式和修改形式。本发明的范围旨在由所附权利要求书及其等价形式所限定。
Claims (7)
1.一种仅有棱边特征工件的定位方法，所述仅有棱边特征工件表面至少形成有两条不在同一直线上的棱边；其特征在于：
机器人带动单线结构光传感器在多个不同测试位置对标准工件进行检测，测试结果中至少包括三个不在同一直线上的棱边上的点；测试前，标定好各个测试位置辅助直线方程及测试点的三维坐标，以此为标准数据，同时将各测试位置单线结构光传感器的光平面方程转换到空间坐标系，并记录；
各个测试位置所对应的测试点、辅助直线通过以下方法获得：在测试位置，单线结构光光条在标准工件上的拐点为测试点；以测试点为基准通过微调机器人位置获取多个位于同条棱边上的点，利用其与对应测试点的三维坐标拟合得到辅助直线；
测试时，与所述标准工件同型号的工件按照预先设定的状态放置在检测工位上，机器人按照预设路径带动单线结构光传感器在不同测试位置获取各测试点的三维坐标，记为实测数据；
基于标定过程中记录的各测试点的三维坐标与实测数据中各测试点的三维坐标数据计算旋转平移矩阵；以此为基础，对标准数据中各条辅助直线进行旋转平移，再将其与各自对应的光平面方程的交点记入校准点集；
以实测数据中各测试点的三维坐标、对应校准点集中的交点之间的距离为目标函数，利用最优化方法迭代得出满足收敛条件的最优旋转平移矩阵；
将最优旋转平移矩阵补偿到标定过程中各测试点的坐标，得到当前工件的位置，完成定位。
2.如权利要求1所述仅有棱边特征工件的定位方法，其特征在于：工件按照预先设定的状态放置在检测工位时，其与标定时的标准工件位置横纵方向偏差在30mm以内，角度偏差在5°以内。
3.如权利要求1所述仅有棱边特征工件的定位方法，其特征在于：所述最优化方法为梯度下降法、LM法或高斯牛顿法。
4.如权利要求1所述仅有棱边特征工件的定位方法，其特征在于：将目标函数表示为min{Si-Fi}，i＝1，2……m，m表示测试点个数，Si表示第i个测试位置实测数据中测试点的三维坐标，Fi表示第i个测试位置校准点集中交点的三维坐标；
收敛条件为：唯一上限值或者对于每个测试位置设置1个目标函数的上限值。
5.一种利用权利要求1～4中任一项所述定位方法进行工件抓取的方法，其特征在于，将最优化旋转平移矩阵补偿到抓件机器人的抓件轨迹，引导抓件机器人根据实际位置进行工件抓取。
6.一种利用权利要求1～4中任一项所述定位方法进行工件加工的方法，其特征在于，将最优化旋转平移矩阵补偿到加工机器人的加工轨迹，引导抓件机器人根据实际位置进行工件加工。
7.一种对上述定位方法进行精度评价的方法，其特征在于，进行以下步骤：
S1、利用标准仪器获取标准工件上特定点的三维坐标Qj，j＝1,2……n，n表示特征点个数；所述标准仪器包括激光跟踪仪、三坐标机和V-Satrs；所述特定点为在标准工件面或棱边上预先作标记的点，至少包括三个不共线的点；
机器人带动单线结构光传感器在多个不同测试位置对标准工件进行检测，测试结果中至少包括三个不在同一直线上的棱边上的点；测试前，标定好各个测试位置辅助直线方程及测试点的三维坐标，以此为标准数据，同时将各测试位置单线结构光传感器的光平面方程转换到空间坐标系，并记录；
各个测试位置所对应的测试点、辅助直线通过以下方法获得：在测试位置，单线结构光光条在标准工件上的拐点为测试点；以测试点为基准通过微调机器人位置获取多个位于同条棱边上的点，利用其与对应测试点的三维坐标拟合得到辅助直线；
S2、调整标准工件的位置，使其呈现出其他工件放置时的位姿；
利用标准仪器再次获取调整后的标准工件上特定点的三维坐标Q’j，利用刚体变换求解Q’j和Qj之间的旋转平移矩阵RT’；
机器人按照预设路径带动单线结构光传感器在不同测试位置获取各测试点的三维坐标，记为实测数据；
基于标定过程中记录的各测试点的三维坐标与实测数据中各测试点的三维坐标数据计算旋转平移矩阵；以此为基础，对标准数据中各条辅助直线进行旋转平移，再将其与各自对应的光平面方程的交点记入校准点集；
以实测数据中各测试点的三维坐标、对应校准点集中的交点之间的距离为目标函数，利用最优化方法迭代得出满足收敛条件的最优旋转平移矩阵RT；
S3、对比RT和RT’，判断两者之间各旋转、平移分量之间的差值是否小于预设值，若是，则得出的最优旋转平移矩阵RT满足测量要求，若否，则其不能满足测量要求。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010939637.2A CN112082483B (zh) | 2020-09-09 | 2020-09-09 | 仅有棱边特征工件的定位方法、应用及精度评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010939637.2A CN112082483B (zh) | 2020-09-09 | 2020-09-09 | 仅有棱边特征工件的定位方法、应用及精度评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112082483A CN112082483A (zh) | 2020-12-15 |
| CN112082483B true CN112082483B (zh) | 2021-12-03 |
Family
ID=73732423
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010939637.2A Active CN112082483B (zh) | 2020-09-09 | 2020-09-09 | 仅有棱边特征工件的定位方法、应用及精度评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112082483B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112595280B (zh) * | 2020-12-21 | 2022-02-01 | 吉林大学 | 一种成角度复杂面形测量方法 |
| CN114373015B (zh) * | 2021-12-28 | 2024-05-31 | 易思维(杭州)科技股份有限公司 | 一种基于冗余信息进行321定位的方法 |
| CN117928680B (zh) * | 2024-03-21 | 2024-06-07 | 青岛清万水技术有限公司 | 换能器自动定位方法、***、电子设备及存储介质 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006172026A (ja) * | 2004-12-15 | 2006-06-29 | Nippon Telegr & Teleph Corp <Ntt> | カメラ運動と３次元情報の復元装置、復元方法、およびプログラム |
| CN101943563B (zh) * | 2010-03-26 | 2012-04-25 | 天津大学 | 基于空间平面约束的线结构光视觉传感器的快速标定方法 |
| CN102889865A (zh) * | 2011-07-20 | 2013-01-23 | 昆山德盛精密模具有限公司 | 投影机测量辅助工具 |
| CN103860268B (zh) * | 2012-12-13 | 2017-10-03 | 中国科学院深圳先进技术研究院 | 一种标记点配准方法、装置及外科手术导航*** |
| CN103542851B (zh) * | 2013-11-04 | 2016-03-23 | 东南大学 | 一种基于水下地形高程数据库的水下航行器辅助导航定位方法 |
| CN104197928B (zh) * | 2014-08-29 | 2017-01-18 | 西北工业大学 | 多摄像机协同的无人机检测、定位及跟踪方法 |
| CN104359464A (zh) * | 2014-11-02 | 2015-02-18 | 天津理工大学 | 基于立体视觉的移动机器人定位方法 |
| CN106546233A (zh) * | 2016-10-31 | 2017-03-29 | 西北工业大学 | 一种面向合作目标的单目视觉定位方法 |
| CN106839979B (zh) * | 2016-12-30 | 2019-08-23 | 上海交通大学 | 激光线结构光传感器的手眼标定方法 |
| CN107121109B (zh) * | 2017-06-12 | 2019-12-06 | 北京航空航天大学 | 一种基于前镀膜平面镜的结构光参数标定装置及方法 |
| CN109727277B (zh) * | 2018-12-28 | 2022-10-28 | 江苏瑞尔医疗科技有限公司 | 多目立体视觉的体表摆位跟踪方法 |
| CN109918840A (zh) * | 2019-04-17 | 2019-06-21 | 天津城建大学 | 一种通过旋转迭代求取主应力及主方向的方法 |
| CN110335296A (zh) * | 2019-06-21 | 2019-10-15 | 华中科技大学 | 一种基于手眼标定的点云配准方法 |
| CN111260730B (zh) * | 2020-01-10 | 2022-09-20 | 同济大学 | 一种利用基准传递原理的可变视轴视觉***标定方法 |
| CN111311680B (zh) * | 2020-02-13 | 2021-03-30 | 吉林大学 | 一种三维激光雷达与机械臂间的自动联合标定方法 |
| CN112082482B (zh) * | 2020-09-09 | 2021-12-17 | 易思维（杭州）科技有限公司 | 对仅有棱边特征工件的视觉定位方法、应用及精度评估方法 |
-
2020
- 2020-09-09 CN CN202010939637.2A patent/CN112082483B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112082483A (zh) | 2020-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112082483B (zh) | 仅有棱边特征工件的定位方法、应用及精度评价方法 | |
| CN108871216B (zh) | 一种基于视觉引导的机器人多孔接触式自动测量方法 | |
| US10357879B2 (en) | Robot zero-point calibration device and method | |
| DE102004021892B4 (de) | Robotergeführte optische Messanordnung sowie Verfahren und Hilfsvorrichtung zum Einmessen dieser Messanordnung | |
| CN100415460C (zh) | 机械手*** | |
| CN109696356B (zh) | 一种土工合成材料拉伸试样全域应变场测量装置及方法 | |
| CN102519400B (zh) | 基于机器视觉的大长径比轴类零件直线度误差检测方法 | |
| CN112082482B (zh) | 对仅有棱边特征工件的视觉定位方法、应用及精度评估方法 | |
| CN101413785B (zh) | 基于双旋转激光平面发射机网络的定位***误差补偿方法 | |
| CN106840023B (zh) | 大口径复杂曲面光学参数精确测试和标定装置及方法 | |
| US4638232A (en) | Method and apparatus for calibrating a positioning system | |
| US11293745B2 (en) | Inspection master | |
| US20230008909A1 (en) | Automated calibration system and method for the relation between a profile-scanner coordinate frame and a robot-arm coordinate frame | |
| CN103791868A (zh) | 一种基于虚拟球的空间标定体及其标定方法 | |
| US20220230348A1 (en) | Method and apparatus for determining a three-dimensional position and pose of a fiducial marker | |
| CN112082481B (zh) | 用于检测螺纹特征的视觉检测***的精度评价方法 | |
| CN106643613A (zh) | 一种非球面在位检测中的位置误差标定方法 | |
| CN111649667A (zh) | 法兰管路端头测量方法、测量装置及适配器结构 | |
| CN111609847B (zh) | 一种面向薄板件的机器人拍照测量***自动规划方法 | |
| CN113421310A (zh) | 基于光栅尺定位的运动位置误差补偿技术实现跨视野高精度测量的方法 | |
| CN114046741A (zh) | 瓶状容器尺寸智能视觉检测方法及其检测*** | |
| CN108627103A (zh) | 一种零部件高度尺寸的2d激光测量方法 | |
| CN109945839B (zh) | 一种对接工件的姿态测量方法 | |
| CN106248000A (zh) | 零件孔轴线的测量方法 | |
| CN107392899B (zh) | 一种钢球磨斑图像的磨痕水平角的自动检测方法 |
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 | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051 Patentee after: Yi Si Si (Hangzhou) Technology Co.,Ltd. Address before: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051 Patentee before: ISVISION (HANGZHOU) TECHNOLOGY Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |