CN112847441B - 基于梯度下降法的六轴机器人坐标偏移检测方法和装置 - Google Patents
基于梯度下降法的六轴机器人坐标偏移检测方法和装置 Download PDFInfo
- Publication number
- CN112847441B CN112847441B CN202110076809.2A CN202110076809A CN112847441B CN 112847441 B CN112847441 B CN 112847441B CN 202110076809 A CN202110076809 A CN 202110076809A CN 112847441 B CN112847441 B CN 112847441B
- Authority
- CN
- China
- Prior art keywords
- matrix
- target
- parameter
- joint
- axis robot
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 238000011478 gradient descent method Methods 0.000 title claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims abstract description 250
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 30
- 238000005259 measurement Methods 0.000 abstract description 9
- 238000012937 correction Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000012636 effector Substances 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 230000036544 posture Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 210000003811 finger Anatomy 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/0095—Means or methods for testing manipulators
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于梯度下降法的六轴机器人坐标偏移检测方法和装置,方法包括:获取针对六轴机器人的标准关节矩阵;对六轴机器人执行多次重复定位操作,得到多个臂展关节矩阵;对标准关节矩阵中的第i个参数进行调整,生成目标矩阵;根据目标矩阵和多个臂展关节矩阵,确定目标矩阵对应的目标代价值;若目标代价值小于预设阈值,则比对目标矩阵和标准关节矩阵,确定六轴机器人的坐标偏移,从而更为有效降低六轴机器人的标定成本,提高标定准确率和测量效率。
Description
技术领域
本发明涉及机器人坐标偏移检测技术领域,尤其涉及一种基于梯度下降法的六轴机器人坐标偏移检测方法和装置。
背景技术
六轴机器人已经广泛应用于工业生产的各个方面。随着应用范围的扩展,对机器人定位精度的要求也越来越高。由于当前广泛采用的是示教方式进行机器人编程,因此对于重复定位精度的要求更高。然而,在机器人的零部件在组装过程中,可能存在一定的误差,零部件本身也有可能因为厂家加工精度不足等原因使机器人的各关节轴的零位不准确,这些因素都会影响到机器人定位精度,机器人在长期运行后,在机器人关节轴零位丢失后,也需要及时进行零位校正。因此需要定时对机器人进行重复定位精度的检测,以便对机器人进行维护修正,保证机器人能按照的正常运行。
在六轴工业机器人的制造过程中,生产厂家需要对机器人的重复定位精度进行检测,目前大多采用的是激光跟踪仪进行检测。对于零位校正,不同的六轴工业机器人厂家有不同的零位校正的方法和方式,比较常见的有千分表、刻线、侧倾仪、EMT或凹槽。
但上述标定方式所使用的标定设备较为昂贵,有些标定不准确且效率低下,而且各个生产厂商机器人之间的零位校正装置不能通用,较为不便。
发明内容
本发明提供了一种基于梯度下降法的六轴机器人坐标偏移检测方法和装置,解决了现有标定方法成本较高,准确率和测量效率较低,无法实现通用的零位校正的技术问题。
本发明提供的一种基于梯度下降法的六轴机器人坐标偏移检测方法,包括:
获取针对六轴机器人的标准关节矩阵;
对所述六轴机器人执行多次重复定位操作,得到多个臂展关节矩阵;
对所述标准关节矩阵中的第i个参数进行调整,生成目标矩阵;其中,i≥1,i为正整数;
根据所述目标矩阵和多个所述臂展关节矩阵,确定所述目标矩阵对应的目标代价值;
若所述目标代价值小于预设阈值,则比对所述目标矩阵和所述标准关节矩阵,确定所述六轴机器人的坐标偏移。
可选地,还包括:
若所述目标代价值大于或等于所述预设阈值,则判断所述第i个参数是否为最后一个参数;
若所述第i个参数不为最后一个参数,则将第i+1个参数作为新的第i个参数;
若所述第i个参数为最后一个参数,则将第一个参数作为新的第i个参数;
跳转执行所述对所述标准关节矩阵中的第i个参数进行调整,生成目标矩阵的步骤。
可选地,所述对所述标准关节矩阵中的第i个参数进行调整,生成目标矩阵的步骤,包括:
按照预设步长对所述标准关节矩阵中的第i个参数进行调整,得到调整矩阵;
根据所述调整矩阵和多个所述臂展关节矩阵,确定所述调整矩阵对应的调整代价值和学习率;
根据所述调整代价值和所述学习率,对所述调整矩阵中的第i个参数进行调整,生成目标矩阵。
可选地,所述根据所述目标矩阵和多个所述臂展关节矩阵,确定所述目标矩阵对应的目标代价值的步骤,包括:
根据所述目标矩阵和多个所述臂展关节矩阵,确定每次所述重复定位操作所对应的末端坐标;
分部计算相邻的两个所述末端坐标之间的欧氏距离;
计算多组所述欧氏距离的距离平均值作为所述目标矩阵对应的目标代价值。
可选地,所述坐标偏移包括偏移关节和偏移量,所述若所述目标代价值小于预设阈值,则比对所述目标矩阵和所述标准关节矩阵,确定所述六轴机器人的坐标偏移的步骤,包括:
若所述目标代价值小于预设阈值,则比对所述目标矩阵和所述标准关节矩阵;
当所述目标矩阵和所述标准关节矩阵不同时,确定所述目标矩阵与所述标准关节矩阵中不同的参数作为偏差参数;
根据所述偏差参数所属的关节,确定所述偏移关节;
计算所述偏差参数之间的差值作为所述偏移量。
本发明还提供了一种基于梯度下降法的六轴机器人坐标偏移检测装置,包括:
标准关节矩阵获取模块,用于获取针对六轴机器人的标准关节矩阵;
臂展关节矩阵确定模块,用于对所述六轴机器人执行多次重复定位操作,得到多个臂展关节矩阵;
参数调整模块,用于对所述标准关节矩阵中的第i个参数进行调整,生成目标矩阵;其中,i≥1,i为正整数;
目标代价值确定模块,用于根据所述目标矩阵和多个所述臂展关节矩阵,确定所述目标矩阵对应的目标代价值;
坐标偏移模块,用于若所述目标代价值小于预设阈值,则比对所述目标矩阵和所述标准关节矩阵,确定所述六轴机器人的坐标偏移。
可选地,还包括:
判断模块,用于若所述目标代价值大于或等于所述预设阈值,则判断所述第i个参数是否为最后一个参数;
第一参数更新模块,用于若所述第i个参数不为最后一个参数,则将第i+1个参数作为新的第i个参数;
第二参数更新模块,用于若所述第i个参数为最后一个参数,则将第一个参数作为新的第i个参数;
跳转模块,用于跳转执行所述对所述标准关节矩阵中的第i个参数进行调整,生成目标矩阵的步骤。
可选地,所述参数调整模块包括:
调制矩阵生成子模块,用于按照预设步长对所述标准关节矩阵中的第i个参数进行调整,得到调整矩阵;
代价值确定子模块,用于根据所述调整矩阵和多个所述臂展关节矩阵,确定所述调整矩阵对应的调整代价值和学习率;
目标矩阵生成子模块,用于根据所述调整代价值和所述学习率,对所述调整矩阵中的第i个参数进行调整,生成目标矩阵。
可选地,所述目标代价值确定模块包括:
末端坐标确定子模块,用于根据所述目标矩阵和多个所述臂展关节矩阵,确定每次所述重复定位操作所对应的末端坐标;
欧氏距离计算子模块,用于分部计算相邻的两个所述末端坐标之间的欧氏距离;
目标代价值确定子模块,用于计算多组所述欧氏距离的距离平均值作为所述目标矩阵对应的目标代价值。
可选地,所述坐标偏移包括偏移关节和偏移量,所述坐标偏移模块包括:
矩阵比对子模块,用于若所述目标代价值小于预设阈值,则比对所述目标矩阵和所述标准关节矩阵;
偏差参数确定子模块,用于当所述目标矩阵和所述标准关节矩阵不同时,确定所述目标矩阵与所述标准关节矩阵中不同的参数作为偏差参数;
偏移关节确定子模块,用于根据所述偏差参数所属的关节,确定所述偏移关节;
偏移量确定子模块,用于计算所述偏差参数之间的差值作为所述偏移量。
从以上技术方案可以看出,本发明具有以下优点:
本发明通过获取六轴机器人的标准关节矩阵后,对六轴机器人执行多次重复定位操作,得到多个臂展关节矩阵;对标准关节矩阵中的第i个参数进行调整,从而生成目标矩阵,根据所述目标矩阵和多个所述臂展关节矩阵,确定所述目标矩阵对应的目标代价值;若是目标代价值小于预设阈值,则进一步比对目标矩阵和标准关节矩阵,从而确定六轴机器人的坐标偏移。从而解决现有标定方法成本较高,准确率和测量效率较低,无法实现通用的零位校正的技术问题,更为有效降低六轴机器人的标定成本,提高标定准确率和测量效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例一提供的一种基于梯度下降法的六轴机器人坐标偏移检测方法的步骤流程图;
图2为本发明实施例二提供的一种基于梯度下降法的六轴机器人坐标偏移检测方法的步骤流程图;
图3为本发明实施例二中的一种六轴机器人关节坐标参数示意图;
图4为本发明实施例二中的一种六轴机器人各个关节的坐标系示意图;
图5为本发明实施例三提供的一种基于梯度下降法的六轴机器人坐标偏移检测装置的结构框图。
具体实施方式
本发明实施例提供了一种基于梯度下降法的六轴机器人坐标偏移检测方法和装置,用于解决现有标定方法成本较高,准确率和测量效率较低,无法实现通用的零位校正的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,图1为本发明实施例一提供的一种基于梯度下降法的六轴机器人坐标偏移检测方法的步骤流程图。
本发明提供的一种基于梯度下降法的六轴机器人坐标偏移检测方法,包括:
步骤101,获取针对六轴机器人的标准关节矩阵;
六轴机器人指的是具有六个可转动关节,能够实现机器人的机械臂运动的机器人。
标准关节矩阵指的是六轴机器人在标准状态下的每个关节的坐标所组成的矩阵,可以从厂家获得,或者由技术人员自行设定原始状态并以此状态下的坐标作为标准关节矩阵。
在本发明实施例中,由于需要对六轴机器人的每个关节坐标进行偏移检测,此时可以先获取到六轴机器人在标准状态下的标准关节矩阵。
步骤102,对所述六轴机器人执行多次重复定位操作,得到多个臂展关节矩阵;
重复定位操作指的是六轴机器人重复到达标准关节矩阵所对应的点所执行的操作。
在得到标准关节矩阵后,以此为基础,对六轴机器人执行多次重复定位操作,在每次重复定位操作中都可以得到一个对应的臂展关节矩阵。
步骤103,对所述标准关节矩阵中的第i个参数进行调整,生成目标矩阵;其中,i≥1,i为正整数;
在本发明实施例中,在得到标准关节矩阵后,由于每个关节所对应的坐标通常是由参数的形式表示,为对标准关节矩阵内的参数进行更为精确地调整,可以对标准关节矩阵中的参数进行逐个调整,以生成目标矩阵。
步骤104,根据所述目标矩阵和多个所述臂展关节矩阵,确定所述目标矩阵对应的目标代价值;
在得到目标矩阵后,还需要确定该次调整是否符合预定要求,此时可以根据目标矩阵和多个臂展关节矩阵进行目标代价值的计算,以确定目标矩阵是否满足预定要求。
步骤105,若所述目标代价值小于预设阈值,则比对所述目标矩阵和所述标准关节矩阵,确定所述六轴机器人的坐标偏移。
在计算得到目标代价值后,若是目标代价值小于预设阈值,说明此时的目标矩阵可以作为该六轴机器人在每次重复定位所得到关节矩阵,可以进一步比对目标矩阵和标准关节矩阵是否存在参数差别,从而确定六轴机器人是否存在坐标偏移,以及坐标偏移的具体量是多少。
在本发明实施例中,通过获取六轴机器人的标准关节矩阵后,对六轴机器人执行多次重复定位操作,得到多个臂展关节矩阵;对标准关节矩阵中的第i个参数进行调整,从而生成目标矩阵,根据所述目标矩阵和多个所述臂展关节矩阵,确定所述目标矩阵对应的目标代价值;若是目标代价值小于预设阈值,则进一步比对目标矩阵和标准关节矩阵,从而确定六轴机器人的坐标偏移。从而解决现有标定方法成本较高,准确率和测量效率较低,无法实现通用的零位校正的技术问题,更为有效降低六轴机器人的标定成本,提高标定准确率和测量效率。
请参阅图2,图2为本发明实施例二提供的一种基于梯度下降法的六轴机器人坐标偏移检测方法的步骤流程图。
本发明提供的一种基于梯度下降法的六轴机器人坐标偏移检测方法,包括:
步骤201,获取针对六轴机器人的标准关节矩阵;
步骤202,对所述六轴机器人执行多次重复定位操作,得到多个臂展关节矩阵;
在具体实现中,为方便对六轴机器人进行重复定位操作,可以对该六轴机器人进行数学建模,首先获取六轴机器人本体的D-H数学参数,如连杆长度、连杆偏移长度等参数,然后通过D-H参数确定机器人空间结构,最后对六轴机器人进行数学建模,通过Matlab软件得到六轴机器人数学模型。
值得一提的是,对于不同型号的机器人,其本体空间结构各不相同,关节转角、连杆长度、连杆偏距等参数各不相同,为了能够使机器人运动学正学、逆运动学、机器人雅可比矩阵的计算等公式可以适用于各个类型、不同结构的机器人轨迹规划等应用中,因此在机器人的一系列相关公式的推导过程中采用a0、a1、a2、a3、d1、d2、d3等参数代替机器人的关节长度和关节偏距,已知机器人的D-H参数后,利用公式便可描述机器人各个连杆、各个关节之间的相互关系,并通过大地坐标系来表示它们之间的相互关系,并得到转换矩阵。
为便于理解,以下表1给出一种六轴机器人的D-H参数:
关节序号 | θ<sub>n</sub>/(。) | d<sub>n</sub>/mm | a<sub>n</sub>/mm | α<sub>n</sub>/(。) |
关节1 | -la1 | 415 | 180 | -90 |
关节2 | l2-90 | 0 | 590 | 0 |
关节3 | l3 | 0 | 115 | -90 |
关节4 | -l4 | 625 | 0 | 90 |
关节5 | l5 | 0 | 0 | 0 |
关节6 | -l6 | 98 | 0 | 0 |
表1
其中,l1、l2、l3、l4、l5、l6表示每个关节转动的角度,即为J,L为6*6的矩阵,每一行代表着一个关节,前三列的xn、yn、zn表示该关节的位置,第4列表示绕X轴偏移的角度,第5列表示绕Y轴偏移的角度,第6列表示绕Z轴偏移的角度,下面的矩阵为初始的L矩阵,后3列全为零表示该关节绕暂时没检测出偏差。
s
n-1Tn=An=R(z,θn)T(0,0,dn)T(an,0,0)R(x,αn)
参见图3,图3示出了本发明实施例二中的一种六轴机器人关节坐标参数示意图。
D-H建模中主要受两类参数影响,即连杆的参数和相邻连杆的位置关系参数。其中连杆尺寸参数包括连杆的长度和连杆扭角;连杆的位置关系包括相邻连杆的垂直距离长度和连杆夹角。可以在每个关节上建立一个固定坐标系,同时需要规定每个关节的X、Y、Z轴的方向。如果关节i是旋转关节,Zi轴为按照右手规则旋转的方向;如果关节i是滑动关节,Zi轴为关节沿直线运动的方向;Xi轴垂直于Zi和Zi+1所在的平面;Yi轴由右手定则确定。
其中,右手定则指的是使用右手握住Z轴,拇指所指的方向为Z轴正方向,四指所指的方法为Y轴的正方向。
步骤203,对所述标准关节矩阵中的第i个参数进行调整,生成目标矩阵;其中,i≥1,i为正整数;
可选地,步骤203可以包括以下子步骤S11-S13:
S11、按照预设步长对所述标准关节矩阵中的第i个参数进行调整,得到调整矩阵;
S12、根据所述调整矩阵和多个所述臂展关节矩阵,确定所述调整矩阵对应的调整代价值和学习率;
S13、根据所述调整代价值和所述学习率,对所述调整矩阵中的第i个参数进行调整,生成目标矩阵。
梯度下降法(gradient descent)是一个参数优化算法,常用于机器学习和人工智能当中用来递归性地逼近最小偏差模型。梯度下降法的计算过程就是沿梯度下降的方向求解极小值(也可以沿梯度上升方向求解极大值)。在优化领域,梯度通常被称为一阶信息,用来描述函数F在变量x处的变化,所以基于梯度的方法通常称为一阶方法,梯度方向可以通过对函数求导得到,其中构建了代价值为该F函数,以六轴机器人为例,F函数的具体表达为:
F(36个参数)=学习率*(F(36个原参数)-F(36个参数其中一个参数-步长))/步长
在具体实现中,函数的步长过短,则算法收敛慢。若步长太长,则有可能一下冲过谷底,或者发生震荡,难以精确收敛到最优解。步长与待优化函数自变量本身的尺度有关,步长调整方法包括但不限于:随着迭代进行的次数进行预设步长的衰减。例如,在算法开始时,若迭代次数小于N,则采用较大的步长如0.01等,随着解接近最优解,迭代次数大于或等于N,此时逐步缩小步长如0.001或0.0001等,在最优解周围细致搜索。还可以根据梯度的宽度选择步长。梯度小的地方函数平坦,采用较大步长快速跨过平坦区。梯度大的地方函数变化剧烈,采用较小步长以免错过最优值。
在具体实现中,最优点满足极小点的一阶必要条件为梯度为0,是全局最小点的候选点。找到这样的点后解则不再更新。但是由于步长或计算机浮点数精度所限,解基本上不可能运动到梯度精确为0的点。可以设置一个阈值,例如采用1e-4。若当前点的梯度的模小于阈值,则认为该点梯度近似为0,算法停止。由于步长不合适,算法可能在最优点周围来回震荡而无法停止,此时可以通过设置最大迭代次数来避免这种情况。
在本发明实施例中,为进一步提高参数调整的精度,可以按照预设步长对标准关节矩阵中的第i个参数进行调整,以得到调整矩阵,例如可以按照预设步长从标准关节矩阵中的第一个关节的第一个参数进行调整。再根据调整矩阵和多个臂展关节矩阵,确定调整矩阵对应的调整代价值,以及可以基于调整代价值选取合适的学习率;最后根据调整代价值和学习率,在此对调整矩阵中的第i个参数进行调整,以生成目标矩阵。
在具体实现中,对调整矩阵的第i个参数的调整方式为将调整代价值与第i个参数所对应的值进行相加,以得到目标参数,以此时包含这目标参数的调整矩阵作为目标矩阵。
可选地,预设步长可以设置为0.0001或者更小,预设学习率可以设置为0.5,由于在实际操作的过程中,随着接近最优解的程度,代价值的变化幅度也会降低,此时可以以固定步长逐步缩小学习率和步长,以提高参数调整精度,降低代价值。
步骤204,根据所述目标矩阵和多个所述臂展关节矩阵,确定所述目标矩阵对应的目标代价值;
在本发明的一个示例中,步骤204可以包括以下子步骤S21-S23:
S21、根据所述目标矩阵和多个所述臂展关节矩阵,确定每次所述重复定位操作所对应的末端坐标;
S22、分部计算相邻的两个所述末端坐标之间的欧氏距离;
S23、计算多组所述欧氏距离的距离平均值作为所述目标矩阵对应的目标代价值。
在机械手这个大范围中,大部分机械手臂中都包含两种关节,即转动关节和移动关节。机器人可以被看作是由几个连杆相互铰接的一个串联机械***,通过连杆坐标系来描述连杆之间的关系以及相邻杆件的位置和姿态,通过这样的简化模型来表示机器人各个关节之间的关系。如果要确定机械手的位置和姿态,就首先要确定机械手每个连杆相对于上一个连杆的位置与姿态。位姿描述,即机械手位置和姿态的描述。位置和姿态是描述机械手当前状态的两个非常重要的特征。在机械手的工作空间中,建立一个位姿坐标系是十分重要的,建立好了坐标系就可以通过D-H法计算机械手一个连杆的两个轴的坐标系计算,得出机器人正解,从而得到机器人末端位置。
在本发明实施例中,可以根据目标矩阵和多个臂展关节矩阵,从中得知到六轴机器人各个关节的旋转角度和位移,从而计算六轴机器人末端执行器在空间坐标系下的位置和姿态,以此确定六轴机器人的末端执行器位置对应的末端坐标。在得到末端坐标后,可以采用相邻的两个末端坐标计算欧氏距离,最后得到关节对应的多组欧氏距离,分别计算每组欧氏距离的平均值,以得到目标代价值。
请参见图4,图4示出了本发明实施例二中的一种六轴机器人各个关节的坐标系示意图。
s
n-1Tn=An=R(z,θn)T(0,0,dn)T(an,0,0)R(x,αn)
根据以上的坐标系的变换的到的齐次变换矩阵,依次右乘,可得到机器人末端执行器相对基坐标的位姿方程为:
上面的矩阵0T6作为机器人的齐次变换矩阵表达式,可以描述成末端执行器相对基坐标系在空间上的位姿。此时,若我们将机器人的各关节旋转ln代入式子θn中,就可以通过改变它每个关节的关节变量来求出机器人末端执行器相对于基座标系在空间上的位姿了。所以在齐次变换矩阵0T6中,px、py、pz组合起来可以做为机器人末端执行器相对于基座标系中各坐标轴的位置矢量p的分量。另外nx、ny、nz为矢量n相对于各坐标轴的分量;ox、oy、oz为矢量o相对于各坐标轴的分量;ax、ay、az为矢量a相对于各坐标轴的分量,最终矢量n、o、a组合起来就可以描述成机器人末端的姿态。当J的某个参数改变时,可以让对应的n-1Tn右乘上对应的变换矩阵。
步骤205,若所述目标代价值小于预设阈值,则比对所述目标矩阵和所述标准关节矩阵,确定所述六轴机器人的坐标偏移;
在本发明的另一个示例中,所述坐标偏移包括偏移关节和偏移量,步骤205可以包括以下子步骤S31-S34:
S31、若所述目标代价值小于预设阈值,则比对所述目标矩阵和所述标准关节矩阵;
S32、当所述目标矩阵和所述标准关节矩阵不同时,确定所述目标矩阵与所述标准关节矩阵中不同的参数作为偏差参数;
S33、根据所述偏差参数所属的关节,确定所述偏移关节;
S34、计算所述偏差参数之间的差值作为所述偏移量。
在本发明实施例中,若是目标代价值小于预设阈值,说明此时已得到符合要求的最优值,将目标矩阵和标准关节矩阵进行比对;若是目标矩阵与标准关节矩阵中存在某个参数不同,则确定两个矩阵中的不同参数作为偏差参数,确定偏差参数所属的关节作为偏移关节,计算两个矩阵中的偏差参数之间的差值作为偏移量,从而得到六轴机器人的坐标偏移,省去了测量关节坐标偏移的仪器,有助于提升产品缺陷检测的自动化程度,减少企业部署成本。
步骤206,若所述目标代价值大于或等于所述预设阈值,则判断所述第i个参数是否为最后一个参数;
在本发明的一个示例中,若是目标代价值大于或等于预设阈值,说明此时的目标矩阵并未符合要求,但此时第i个参数的一次性调整已经结束,可以继续判断第i个参数是否为最后一个参数,以判断是否需要跳转到第一个参数重新开始调整。
步骤207,若所述第i个参数不为最后一个参数,则将第i+1个参数作为新的第i个参数;
在本发明实施例中,在对第i个参数进行调整和代价值比较后,若第i个参数不为最后一个参数,则可以将当前的第i个参数的下一个参数,也就是第i+1个参数作为新的第i个参数,以便于进行下一参数的迭代调整。
在具体实现中,由于加工精度的限制,可以选择第i+k个参数作为新的第i个参数进行迭代调整,k为正整数。
步骤208,若所述第i个参数为最后一个参数,则将第一个参数作为新的第i个参数;
在本发明的另一个示例中,若是第i个参数为最后一个参数,则可以将第一个参数作为新的第i个参数,以便于进行下一轮的迭代调整。
步骤209,跳转执行所述对所述标准关节矩阵中的第i个参数进行调整,生成目标矩阵的步骤。
在得到新的第i个参数后,重新执行对标准关节矩阵中的第i个参数进行调整,生成目标矩阵的步骤,以得到参数调整后的目标矩阵便于再一次进行目标代价值的比对。
在本发明实施例中,通过获取六轴机器人的标准关节矩阵后,对六轴机器人执行多次重复定位操作,得到多个臂展关节矩阵;对标准关节矩阵中的第i个参数进行调整,从而生成目标矩阵,根据所述目标矩阵和多个所述臂展关节矩阵,确定所述目标矩阵对应的目标代价值;若是目标代价值小于预设阈值,则进一步比对目标矩阵和标准关节矩阵,从而确定六轴机器人的坐标偏移。从而解决现有标定方法成本较高,准确率和测量效率较低,无法实现通用的零位校正的技术问题,更为有效降低六轴机器人的标定成本,提高标定准确率和测量效率。
请参见图5,图5示出了本发明实施例三中的一种基于梯度下降法的六轴机器人坐标偏移检测装置的结构框图。
本发明提供的一种基于梯度下降法的六轴机器人坐标偏移检测装置,包括:
标准关节矩阵获取模块501,用于获取针对六轴机器人的标准关节矩阵;
臂展关节矩阵确定模块502,用于对所述六轴机器人执行多次重复定位操作,得到多个臂展关节矩阵;
参数调整模块503,用于对所述标准关节矩阵中的第i个参数进行调整,生成目标矩阵;其中,i≥1,i为正整数;
目标代价值确定模块504,用于根据所述目标矩阵和多个所述臂展关节矩阵,确定所述目标矩阵对应的目标代价值;
坐标偏移模块505,用于若所述目标代价值小于预设阈值,则比对所述目标矩阵和所述标准关节矩阵,确定所述六轴机器人的坐标偏移。
可选地,还包括:
判断模块,用于若所述目标代价值大于或等于所述预设阈值,则判断所述第i个参数是否为最后一个参数;
第一参数更新模块,用于若所述第i个参数不为最后一个参数,则将第i+1个参数作为新的第i个参数;
第二参数更新模块,用于若所述第i个参数为最后一个参数,则将第一个参数作为新的第i个参数;
跳转模块,用于跳转执行所述对所述标准关节矩阵中的第i个参数进行调整,生成目标矩阵的步骤。
可选地,所述参数调整模块503包括:
调制矩阵生成子模块,用于按照预设步长对所述标准关节矩阵中的第i个参数进行调整,得到调整矩阵;
代价值确定子模块,用于根据所述调整矩阵和多个所述臂展关节矩阵,确定所述调整矩阵对应的调整代价值和学习率;
目标矩阵生成子模块,用于根据所述调整代价值和所述学习率,对所述调整矩阵中的第i个参数进行调整,生成目标矩阵。
可选地,所述目标代价值确定模块504包括:
末端坐标确定子模块,用于根据所述目标矩阵和多个所述臂展关节矩阵,确定每次所述重复定位操作所对应的末端坐标;
欧氏距离计算子模块,用于分部计算相邻的两个所述末端坐标之间的欧氏距离;
目标代价值确定子模块,用于计算多组所述欧氏距离的距离平均值作为所述目标矩阵对应的目标代价值。
可选地,所述坐标偏移包括偏移关节和偏移量,所述坐标偏移模块505包括:
矩阵比对子模块,用于若所述目标代价值小于预设阈值,则比对所述目标矩阵和所述标准关节矩阵;
偏差参数确定子模块,用于当所述目标矩阵和所述标准关节矩阵不同时,确定所述目标矩阵与所述标准关节矩阵中不同的参数作为偏差参数;
偏移关节确定子模块,用于根据所述偏差参数所属的关节,确定所述偏移关节;
偏移量确定子模块,用于计算所述偏差参数之间的差值作为所述偏移量。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于梯度下降法的六轴机器人坐标偏移检测方法,其特征在于,包括:
获取针对六轴机器人的标准关节矩阵;
对所述六轴机器人执行多次重复定位操作,得到多个臂展关节矩阵;
对所述标准关节矩阵中的第i个参数进行调整,生成目标矩阵;其中,i≥1,i为正整数;
根据所述目标矩阵和多个所述臂展关节矩阵,确定所述目标矩阵对应的目标代价值;
若所述目标代价值小于预设阈值,则比对所述目标矩阵和所述标准关节矩阵,确定所述六轴机器人的坐标偏移。
2.根据权利要求1所述的基于梯度下降法的六轴机器人坐标偏移检测方法,其特征在于,还包括:
若所述目标代价值大于或等于所述预设阈值,则判断所述第i个参数是否为最后一个参数;
若所述第i个参数不为最后一个参数,则将第i+1个参数作为新的第i个参数;
若所述第i个参数为最后一个参数,则将第一个参数作为新的第i个参数;
跳转执行所述对所述标准关节矩阵中的第i个参数进行调整,生成目标矩阵的步骤。
3.根据权利要求1所述的基于梯度下降法的六轴机器人坐标偏移检测方法,其特征在于,所述对所述标准关节矩阵中的第i个参数进行调整,生成目标矩阵的步骤,包括:
按照预设步长对所述标准关节矩阵中的第i个参数进行调整,得到调整矩阵;
根据所述调整矩阵和多个所述臂展关节矩阵,确定所述调整矩阵对应的调整代价值和学习率;
根据所述调整代价值和所述学习率,对所述调整矩阵中的第i个参数进行调整,生成目标矩阵。
4.根据权利要求1所述的基于梯度下降法的六轴机器人坐标偏移检测方法,其特征在于,所述根据所述目标矩阵和多个所述臂展关节矩阵,确定所述目标矩阵对应的目标代价值的步骤,包括:
根据所述目标矩阵和多个所述臂展关节矩阵,确定每次所述重复定位操作所对应的末端坐标;
分部计算相邻的两个所述末端坐标之间的欧氏距离;
计算多组所述欧氏距离的距离平均值作为所述目标矩阵对应的目标代价值。
5.根据权利要求1-4任一项所述的基于梯度下降法的六轴机器人坐标偏移检测方法,其特征在于,所述坐标偏移包括偏移关节和偏移量,所述若所述目标代价值小于预设阈值,则比对所述目标矩阵和所述标准关节矩阵,确定所述六轴机器人的坐标偏移的步骤,包括:
若所述目标代价值小于预设阈值,则比对所述目标矩阵和所述标准关节矩阵;
当所述目标矩阵和所述标准关节矩阵不同时,确定所述目标矩阵与所述标准关节矩阵中不同的参数作为偏差参数;
根据所述偏差参数所属的关节,确定所述偏移关节;
计算所述偏差参数之间的差值作为所述偏移量。
6.一种基于梯度下降法的六轴机器人坐标偏移检测装置,其特征在于,包括:
标准关节矩阵获取模块,用于获取针对六轴机器人的标准关节矩阵;
臂展关节矩阵确定模块,用于对所述六轴机器人执行多次重复定位操作,得到多个臂展关节矩阵;
参数调整模块,用于对所述标准关节矩阵中的第i个参数进行调整,生成目标矩阵;其中,i≥1,i为正整数;
目标代价值确定模块,用于根据所述目标矩阵和多个所述臂展关节矩阵,确定所述目标矩阵对应的目标代价值;
坐标偏移模块,用于若所述目标代价值小于预设阈值,则比对所述目标矩阵和所述标准关节矩阵,确定所述六轴机器人的坐标偏移。
7.根据权利要求6所述的基于梯度下降法的六轴机器人坐标偏移检测装置,其特征在于,还包括:
判断模块,用于若所述目标代价值大于或等于所述预设阈值,则判断所述第i个参数是否为最后一个参数;
第一参数更新模块,用于若所述第i个参数不为最后一个参数,则将第i+1个参数作为新的第i个参数;
第二参数更新模块,用于若所述第i个参数为最后一个参数,则将第一个参数作为新的第i个参数;
跳转模块,用于跳转执行所述对所述标准关节矩阵中的第i个参数进行调整,生成目标矩阵的步骤。
8.根据权利要求6所述的基于梯度下降法的六轴机器人坐标偏移检测装置,其特征在于,所述参数调整模块包括:
调制矩阵生成子模块,用于按照预设步长对所述标准关节矩阵中的第i个参数进行调整,得到调整矩阵;
代价值确定子模块,用于根据所述调整矩阵和多个所述臂展关节矩阵,确定所述调整矩阵对应的调整代价值和学习率;
目标矩阵生成子模块,用于根据所述调整代价值和所述学习率,对所述调整矩阵中的第i个参数进行调整,生成目标矩阵。
9.根据权利要求6所述的基于梯度下降法的六轴机器人坐标偏移检测装置,其特征在于,所述目标代价值确定模块包括:
末端坐标确定子模块,用于根据所述目标矩阵和多个所述臂展关节矩阵,确定每次所述重复定位操作所对应的末端坐标;
欧氏距离计算子模块,用于分部计算相邻的两个所述末端坐标之间的欧氏距离;
目标代价值确定子模块,用于计算多组所述欧氏距离的距离平均值作为所述目标矩阵对应的目标代价值。
10.根据权利要求6-9任一项所述的基于梯度下降法的六轴机器人坐标偏移检测装置,其特征在于,所述坐标偏移包括偏移关节和偏移量,所述坐标偏移模块包括:
矩阵比对子模块,用于若所述目标代价值小于预设阈值,则比对所述目标矩阵和所述标准关节矩阵;
偏差参数确定子模块,用于当所述目标矩阵和所述标准关节矩阵不同时,确定所述目标矩阵与所述标准关节矩阵中不同的参数作为偏差参数;
偏移关节确定子模块,用于根据所述偏差参数所属的关节,确定所述偏移关节;
偏移量确定子模块,用于计算所述偏差参数之间的差值作为所述偏移量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110076809.2A CN112847441B (zh) | 2021-01-20 | 2021-01-20 | 基于梯度下降法的六轴机器人坐标偏移检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110076809.2A CN112847441B (zh) | 2021-01-20 | 2021-01-20 | 基于梯度下降法的六轴机器人坐标偏移检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112847441A CN112847441A (zh) | 2021-05-28 |
CN112847441B true CN112847441B (zh) | 2022-02-15 |
Family
ID=76007856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110076809.2A Expired - Fee Related CN112847441B (zh) | 2021-01-20 | 2021-01-20 | 基于梯度下降法的六轴机器人坐标偏移检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112847441B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115256375B (zh) * | 2022-07-08 | 2024-05-31 | 广东工业大学 | 基于工业机器人的末端操作器位姿标定方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101537617A (zh) * | 2007-08-30 | 2009-09-23 | 应用材料公司 | 利用校准装置的机械手校准的方法和设备 |
CN105773609A (zh) * | 2016-03-16 | 2016-07-20 | 南京工业大学 | 一种基于视觉测量及距离误差模型的机器人运动学标定方法 |
CN106403762A (zh) * | 2016-07-01 | 2017-02-15 | 佛山市业鹏机械有限公司 | 码垛机器人端部运动重复定位精度的检测方法及装置 |
CN108527373A (zh) * | 2018-06-28 | 2018-09-14 | 深圳清华大学研究院 | 机械臂的参数测量与辨识方法及装置、终端、存储介质 |
CN109304713A (zh) * | 2018-11-19 | 2019-02-05 | 珠海格力电器股份有限公司 | 工具坐标系的标定方法、装置及计算机可读存储介质 |
CN109737850A (zh) * | 2018-12-20 | 2019-05-10 | 合肥欣奕华智能机器有限公司 | 机器人位姿重复精度的测量装置及方法 |
CN110065072A (zh) * | 2019-05-21 | 2019-07-30 | 西南交通大学 | 机器人重复定位精度的验证方法 |
CN111360836A (zh) * | 2020-04-02 | 2020-07-03 | 易思维(杭州)科技有限公司 | 优化辨识参数的机器人标定方法 |
CN111791231A (zh) * | 2020-06-02 | 2020-10-20 | 同济大学 | 一种机器人标定***及二维平面、三维空间运动标定方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010152550A (ja) * | 2008-12-24 | 2010-07-08 | Canon Inc | 作業装置及びその校正方法 |
-
2021
- 2021-01-20 CN CN202110076809.2A patent/CN112847441B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101537617A (zh) * | 2007-08-30 | 2009-09-23 | 应用材料公司 | 利用校准装置的机械手校准的方法和设备 |
CN105773609A (zh) * | 2016-03-16 | 2016-07-20 | 南京工业大学 | 一种基于视觉测量及距离误差模型的机器人运动学标定方法 |
CN106403762A (zh) * | 2016-07-01 | 2017-02-15 | 佛山市业鹏机械有限公司 | 码垛机器人端部运动重复定位精度的检测方法及装置 |
CN108527373A (zh) * | 2018-06-28 | 2018-09-14 | 深圳清华大学研究院 | 机械臂的参数测量与辨识方法及装置、终端、存储介质 |
CN109304713A (zh) * | 2018-11-19 | 2019-02-05 | 珠海格力电器股份有限公司 | 工具坐标系的标定方法、装置及计算机可读存储介质 |
CN109737850A (zh) * | 2018-12-20 | 2019-05-10 | 合肥欣奕华智能机器有限公司 | 机器人位姿重复精度的测量装置及方法 |
CN110065072A (zh) * | 2019-05-21 | 2019-07-30 | 西南交通大学 | 机器人重复定位精度的验证方法 |
CN111360836A (zh) * | 2020-04-02 | 2020-07-03 | 易思维(杭州)科技有限公司 | 优化辨识参数的机器人标定方法 |
CN111791231A (zh) * | 2020-06-02 | 2020-10-20 | 同济大学 | 一种机器人标定***及二维平面、三维空间运动标定方法 |
Non-Patent Citations (1)
Title |
---|
梯度下降法在双目视觉导航中的一个运用;袁文波 等;《电子世界》;20180823;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112847441A (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108748159B (zh) | 一种机械臂工具坐标系自标定方法 | |
CN110815206B (zh) | 一种Stewart型并联机器人运动学标定方法 | |
CN111168719B (zh) | 一种基于定位工装的机器人校准方法及*** | |
CN109176531A (zh) | 一种串联型机器人运动学标定方法和*** | |
CN112318498B (zh) | 一种考虑参数耦合的工业机器人标定方法 | |
CN113160334B (zh) | 一种基于手眼相机的双机器人***标定方法 | |
JP3349652B2 (ja) | オフラインティーチング方法 | |
CN116038702B (zh) | 一种七轴机器人逆解方法及七轴机器人 | |
WO2024031922A1 (zh) | 基于等效运动学模型的机器人标定方法及设备 | |
CN111687845B (zh) | 一种基于惯性测量单元的机械臂运动学参数标定方法 | |
CN112847441B (zh) | 基于梯度下降法的六轴机器人坐标偏移检测方法和装置 | |
CN113910218A (zh) | 基于运动学与深度神经网络融合的机器人标定方法和装置 | |
WO2019114631A1 (zh) | 一种获取机器人tcp坐标的方法和装置 | |
CN112894814B (zh) | 一种基于最小二乘法的机械臂dh参数辨识方法 | |
CN113240753A (zh) | 机器人与双轴变位机构基坐标系标定球面拟合法 | |
CN109397293B (zh) | 一种基于移动机器人的地面水平误差建模及补偿方法 | |
CN116141331A (zh) | 基于线性规划的机器人末端执行器工作空间边界生成方法 | |
CN110900608A (zh) | 基于最优测量构型选择的机器人运动学标定方法 | |
CN111819037B (zh) | 校正函数生成装置、机器人控制***及机器人*** | |
CN114932551A (zh) | 机械臂零点标定方法、***及介质 | |
WO2019114630A1 (zh) | 一种获取机器人tcp坐标的方法和装置 | |
JP3507032B2 (ja) | ロボットの機差導出方法 | |
CN114102595B (zh) | 一种机器人标定方法、标定组件及存储介质 | |
Shi et al. | Practical inverse kinematic solution based on calibrated parameters using in engineering | |
JPH08141950A (ja) | 多関節構造ロボットのキャリブレーション方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220215 |
|
CF01 | Termination of patent right due to non-payment of annual fee |