CN113160334A - 一种基于手眼相机的双机器人***标定方法 - Google Patents
一种基于手眼相机的双机器人***标定方法 Download PDFInfo
- Publication number
- CN113160334A CN113160334A CN202110469546.1A CN202110469546A CN113160334A CN 113160334 A CN113160334 A CN 113160334A CN 202110469546 A CN202110469546 A CN 202110469546A CN 113160334 A CN113160334 A CN 113160334A
- Authority
- CN
- China
- Prior art keywords
- robot
- transformation matrix
- double
- hand
- error
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 239000011159 matrix material Substances 0.000 claims abstract description 122
- 230000009466 transformation Effects 0.000 claims abstract description 99
- 239000012636 effector Substances 0.000 claims abstract description 45
- 238000012546 transfer Methods 0.000 claims description 10
- 230000009977 dual effect Effects 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 4
- 230000014616 translation Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 4
- 230000014509 gene expression Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明实施例提供了一种基于手眼相机的双机器人***标定方法,包括:采用MCPC运动学建模方法,获得装有靶标机器人基座到末端执行器的位姿变换矩阵、装有手眼相机机器人末端执行器到基座的位姿变换矩阵和双机器人基座之间的位姿变换矩阵;依据所述各部分的位姿变换矩阵,获得双机器人***连续位姿变换矩阵;依据所述双机器人***连续位姿变换矩阵,获得双机器人***运动学误差矩阵;依据所述双机器人***运动学误差矩阵,得到双机器人***的运动学参数标定值。根据本发明实施例提供的基于手眼相机的双机器人***标定方法,可以在一次计算中完成对双机器人***全部运动学参数的标定工作,简化标定流程并提高双机器人***操作精度。
Description
【技术领域】
本发明涉及多机器人领域,尤其是一种基于手眼相机的双机器人***标定方法。
【技术背景】
随着机器人技术的蓬勃发展,机器人在各个领域得到更加广泛应用,机器人的任务也越发复杂多变。双机器人***可以通过协作完成更加复杂的任务,具有更高的灵活性和应用价值。双机器人***末端位姿的准确程度将直接影响其执行搬运、装配等协作任务的能力,因此需要对双机器人***进运动学标定,以提升双机器人***的操作精度。
双机器人***的操作精度不仅与各个机器人自身的位姿精度有关,还受到双机器人基座之间位姿关系的影响。现有双机器人标定通常采用分布标定的方法,即首先完成单个机器人的运动学参数标定,然后再进行双机器人的基座标定。导致现有标定流程复杂,人工参与较多,自主性差,难以适用于机器人向自主化、智能化和高精度化发展的需求。
【发明内容】
有鉴于此,本发明实施例提供了一种基于手眼相机的双机器人***标定方法,以提高双机器人协同操作精度,并提升双机器人标定的自主性。
1、一种采用手眼相机的双机器人***标定方法,其特征在于,所述方法包括:
采用MCPC运动学建模方法,获得单机器人基座到末端执行器的位姿变换矩阵;
采用MCPC运动学建模方法,获得双机器人基座之间的位姿变换矩阵;
依据所述单机器人基座到末端执行器的位姿变换矩阵,获得单机器人末端执行器到基座的位姿变换矩阵;
依据所述单机器人基座到末端执行器的位姿变换矩阵、基座之间位姿变换模型和单机器人末端执行器到基座的位姿变换矩阵,获得双机器人***连续位姿变换矩阵;
依据所述双机器人***连续位姿变换矩阵,获得双机器人***运动学误差矩阵;
依据所述双机器人***运动学误差矩阵,得到双机器人***的运动学参数标定值。
2、根据发明内容1所述的方法,其特征在于,所述单机器人基座到末端执行器的位姿变换矩阵为:
其中,n为机器人自由度数,αi、βi、xi、yi为MCPC运动学建模方法表示的机器人连杆坐标系运动学参数,αe、βe、γe、xe、ye、ze为MCPC运动学建模方法表示的机器人末端执行器坐标系运动学参数,表示机器人第i-1个连杆坐标系和第i个连杆坐标系间的变换矩阵,表示机器人末端执行器坐标系相对于末端连杆坐标系的变换矩阵,表示机器人末端执行器坐标系相对于基座坐标系的变换矩阵;表示关节i旋转对应的变换矩阵,表示绕k轴旋转θ角对应的变换矩阵,表示沿坐标系的X、Y、Z三轴平移x、y、z距离对应的变换矩阵。
3、根据发明内容1所述的方法,其特征在于,所述双机器人基座之间的位姿变换矩阵为
4、根据发明内容1所述的方法,其特征在于,所述单机器人末端执行器到基座的位姿变换矩阵为:
5、根据发明内容1所述的方法,其特征在于,所述双机器人***连续位姿变换矩阵为:
其中,n1表示装有手眼相机机器人的自由度数,n2表示装有靶标机器人的自由度数;b1表示装有手眼相机机器人的基座,b2表示装有靶标机器人的基座;c表示手眼相机,t表示靶标;表示双机器人***连续位姿变换矩阵,描述了从一个机器人末端手相相机坐标系到另一个机器人末端靶标坐标系的位姿变换关系。
6、根据发明内容1所述的方法,其特征在于,所述双机器人***运动学误差模型为:
其中,Jb表示基座误差雅克比矩阵,Jc表示装有手眼相机机器人的误差雅克比矩阵,Jt表示装有靶标机器人的误差雅克比矩阵,Ωb表示两个机器人基座之间的运动学参数误差,Ωc表示装有手眼相机机器人的运动学参数误差,Ωt表示装有靶标机器人的运动学参数误差。
7、根据发明内容6所述的方法,其特征在于,基座误差雅克比矩阵为:
8、根据发明内容6所述的方法,其特征在于,装有手眼相机机器人的误差雅克比矩阵为:
其中,各分项为:
9、根据发明内容6所述的方法,其特征在于,装有靶标机器人的误差雅克比矩阵为:
其中,各分项为:
10、根据发明内容1所述的方法,其特征在于,双机器人***的运动学参数标定值为:
EC=EN+Ω
为名义运动学参数,根据机器人结构尺寸的设计值得到;Ω=[Ωb Ωc Ωt]为双机器人***的运动学参数误差,可通过多组标定构型构建超定方程组进行求解,采用m组标定构型构建的超定方程组为:
其中,Dk表示第k组标定构型下双机器人末端位姿误差,其中k=1,2,...,m,m表示标定构型组数;J=[Jb Jc Jt]表示双机器人***的误差雅克比矩阵,Jk表示第k组标定构型下双机器人***的误差雅克比矩阵;
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单介绍。显而易见,下面描述中的附图仅为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的前提下,还可根据这些附图获得其他附图。
图1是本发明实施例所提供的基于手眼相机的双机器人***标定方法流程示意图;
图2是本发明实施例所采用的基于手眼相机的双机器人***示意图;
图3是本发明实施例所采用的MCPC方法建立机器人连杆坐标系示意图;
图4是本发明实施例所采用的运动学参数标定算法流程图;
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅为本发明的一部分实施例,而非全部实施例。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的前提下所获得的所有其他实施例,都属于本发明的保护范围。
本发明实施例提供了基于手眼相机的双机器人***标定方法,请参考附图1,其为本发明实施例所提供的基于手眼相机的双机器人***标定方法的流程示意图,该方法包括以下步骤:
步骤101,采用MCPC运动学建模方法,建立装有靶标机器人基座到末端执行器的位姿变换矩阵。
具体的,采用MCPC方法建立柔性机械臂MCPC坐标系,MCPC方法采用α、β、x、y四个参数描述连杆坐标系间的变换关系,针对第i个连杆坐标系Σi的具体建系方法如图2所示:
①过坐标系Σi-1原点Oi-1作垂直于关节i轴线Zi的平面Pi,平面Pi与关节i轴线的交点定义为坐标系Σi的原点Oi;
②绕Xi-1轴旋转坐标系Σi-1,使Yi-1轴位于平面Pi上,并将其记为Y′i-1,此时Y′i-1的方向即为坐标系Σi的Y轴Yi的方向,将旋转后的坐标系记为Σ′i-1;
③绕Y′i-1轴旋转坐标系Σ′i-1,使X′i-1轴位于平面Pi上,并将其记为X″i-1,此时X″i-1的方向即为Xi的方向,将旋转后的坐标系记为Σ″i-1,此时获得的Z″i-1刚好与Zi轴平行;
④分别沿坐标轴X″i-1和Y″i-1平移,使坐标系Σ″i-1与原点Oi重合,则连杆i坐标系即可确定。
根据坐标系的建立规则可分别建立机械臂中间连杆坐标系间变换矩阵和末端执行器坐标系,本实施例中装有靶标机器人的运动学参数名义值如表1所示。
表1装有靶标机器人的运动学参数名义值
采用MCPC运动学建模方法获得的单机器人连杆坐标系间变换矩阵可表示为
MCPC方法针对末端执行器坐标系添加了两个参数γ和z,用于描述末端执行器坐标系绕末端连杆坐标系Zn轴的旋转和沿Zn轴的平移,则获得的机械臂末端执行器坐标系相对于末端连杆坐标的变换矩阵为
其中,αt、βt、γt、xt、yt、zt为MCPC运动学建模方法表示的机器人末端执行器(靶标)坐标系运动学参数。
依据式(1)和式(2)可以得到装有靶标机器人基座到末端执行器的位姿变换矩阵为
其中,b1表示装有靶标机器人的基座,t表示靶标。
步骤102,依据所述装有靶标机器人基座到末端执行器的位姿变换矩阵的建立方式,推导获得装有手眼相机机器人末端执行器到基座的位姿变换矩阵。
具体的,通过反向推导式(1)可以得到中间连杆坐标系Σj到Σj-1的变换矩阵,可以得到其变换矩阵的逆为
装有手眼相机机器人按照由末端执行器到基座的建模顺序,Σj优先建立完成,因此关节j-1转动产生的位姿变换不再反映在Σj中,而关节j发生运动会对Σj-1的位姿会受到影响,可以得到在这一建模顺序下中间连杆坐标系Σj到Σj-1的变换矩阵为
同理,由于不考虑末端执行器本身的自由度,根据式(2)可以末端执行器坐标系到末端连杆坐标系的变换矩阵为
本实施例中装有手眼相机机器人的运动学参数名义值如表2所示。
表2装有手眼相机机器人的运动学参数名义值
可以得到n自由度单机器人末端执行器到基座的运动学模型为
其中,b2表示装有手眼相机机器人的基座,c表示手眼相机。
步骤103,采用MCPC运动学建模方法,获得双机器人基座之间的位姿变换矩阵。
具体的,由于双机器人***中基座之间不存在相对运动关系,根据MCPC方法中利用α、β、γ、x、y、z六个参数描述末端执行器坐标系的方法,可以获得两个机器人基座之间的变换矩阵为
B=Rot(X,αb)Rot(Y,βb)Rot(Z,γb)Trans(xb,yb,zb) (8)
其中,αb、βb、γb、xb、yb、zb为双机器人***中两个机器人基座之间的运动学参数。
基座之间的运动学参数可通过一次计算获得,本实施例中。
通过式(9)可计算得到一组初始基座位姿,可表示为
结合式(8)可以得到基座的初始运动学参数,其具体表达式为
步骤104,依据所述两种单机器人运动学模型和基座之间位姿变换模型,获得双机器人***从一个机器人末端手眼相机到另一机器人末端靶标的连续运动学模型。
具体的,本发明实施例提供了双机器人***的标定示意图,请参考附图3,其中装有手眼相机机器人的运动学建模方向是由其末端执行器(手眼相机)到基座,装有靶标机器人的运动学建模方向是由其基座到末端执行器(靶标)。因此,结合式(3)、式(8)和式(7),可以得到双机器人***从一个机器人末端手眼相机到另一机器人末端靶标的双机器人***连续位姿变换矩阵为
步骤105,依据所述双机器人***连续位姿变换矩阵,获得双机器人***运动学误差模型。
具体的,双机器人***的误差由两个机器人自身运动学参数误差和两机器人基座之间位姿关系误差引起,因此对上述三部分误差的传递规律分别进行推导,即可得到双机器人***的运动学误差模型。
本发明实施例中,建立双机器人***的运动学误差模型的具体方法为:
1)两机器人基座之间的参数误差与双机器人***末端位姿误差的传递规律
定义BN和BA分别为两个机器人基座之间的名义变换矩阵和实际变换矩阵,可以得到两个机器人基座之间变换矩阵微分的关系为
dB=BA-BN=BNΔb (13)
其中,dB表示两个机器人基座之间变换矩阵微分;Δb表示双机器人基座之间的位姿误差矩阵,其具体表达式为
其中,δb=[δbx δby δbz]T和db=[dbx dby dbz]T分别表示两个基座坐标系之间的姿态误差和位置误差。
根据微分计算方法,可以得到两个机器人基座之间变换矩阵微分dB与双机器人***中两个机器人基座之间的运动学参数αb、βb、γb、xb、yb、zb的误差的关系为
其中,Δαb、Δβb、Δγb、Δxb、Δyb、Δzb为双机器人***中两个机器人基座之间的运动学参数误差。
结合式(13)~式(15),可以得到两机器人基座之间的位姿误差与其参数误差之间的关系为
其中,sθ为sin θ的简记,cθ为cos θ的简记。
由于基座之间参数误差对双机器人***操作误差的影响体现在导致双机器人末端之间产生位姿误差,因此需要进一步推导两机器人基座之间的参数误差与双机器人***末端位姿误差之间的传递规律。定义双机器人运动学模型中手眼相机坐标系到机器人基座坐标系的变换矩阵为
可以得到两机器人基座之间的参数误差与双机器人***末端位姿误差之间的关系为
Db=JbΩb (18)
其中,Db表示由两机器人基座之间的参数误差导致的双机器人***末端位姿误差;Ωb=[Δαb Δβb Δxb Δyb Δγb Δzb]T表示两机器人基座之间的参数误差;Jb表示基座误差雅克比矩阵,反映了两机器人基座之间的参数误差与双机器人***末端位姿误差之间的传递规律,其具体表达式为
2)装有手眼相机机器人的参数误差与双机器人***末端位姿误差的传递规律
由于MCPC方法对于中间连杆和末端执行器(手眼相机)具有不同的建模方法,根据式(13)~式(18)的思路,可以同理得到在装有手眼相机机器人的运动学参数误差与双机器人***末端位姿误差之间的关系为
Dc=JcΩc (20)
其中,Dc表示由装有手眼相机机器人的运动学参数误差导致的双机器人***末端位姿误差;表示手眼相机机器人的运动学参数误差,其中Ωci=[Δαi Δβi Δxi Δyi]T表示中间连杆坐标系间的运动学参数误差,Ωce=[Δαc ΔβcΔγc Δxc Δyc Δzc]T表示末端连杆坐标系与末端执行器(手眼相机)间的运动学参数误差;表示装有手眼相机机器人的误差雅克比矩阵,反映了装有手眼相机机器人参数误差与双机器人***末端位姿误差之间的传递规律。
定义双机器人运动学模型中手眼相机坐标系到各连杆坐标系的变换矩阵为
因此,可以得到装有手眼相机机器人的误差雅克比矩阵中各项的具体表达式为
3)装有靶标机器人的参数误差与双机器人***末端位姿误差的传递规律
同理,根据式(13)~式(18)的思路,得到在装有靶标机器人的运动学参数误差与双机器人***末端位姿误差之间的关系为
Dt=JtΩt (23)
其中,Dc表示由装有靶标机器人的运动学参数误差导致的双机器人***末端位姿误差;表示靶标机器人的运动学参数误差,其中Ωtj=[ΔαjΔβj Δxj Δyj]T表示中间连杆坐标系间的运动学参数误差,Ωte=[Δαt Δβt Δγt ΔxtΔyt Δzt]T表示末端连杆坐标系与末端执行器(靶标)间的运动学参数误差;表示装有靶标机器人的误差雅克比矩阵,反映了装有靶标机器人参数误差与双机器人***末端位姿误差之间的传递规律。
定义双机器人运动学模型中手眼相机坐标系到各连杆坐标系的变换矩阵为
因此,可以得到装有手眼相机机器人的误差雅克比矩阵中各项的具体表达式为
4)双机器人***运动学误差模型
带入式(12)所示的双机器人***运动学模型,可以推导得到靶标坐标系相对于手眼相机坐标系的位姿误差矩阵为
其中,Δi和Δj分别表示装有手眼相机机器人和装有靶标机器人中各相邻坐标系间的位姿误差矩阵,其表达式与式(14)一致。
根据式(18)、式(20)和式(23),可以得到双机器人***的运动学误差模型为
其中,J=[Jb Jc Jt]表示双机器人***误差雅克比矩阵,Ω=[Ωb Ωc Ωt]T表示双机器人***的运动学参数误差。
步骤106,依据所述双机器人***运动学误差模型,得到双机器人***的运动学参数标定值。
根据式(28)双机器人***的运动学误差模型,可以求解得到双机器人***运动学参数误差为
Ω=J-1D (29)
由于Ω中包含4×(n1+n2)+18个运动学参数误差,为求解出全部运动学参数误差,需要取m组构型构建超定方程组
其中,(·)+表示矩阵的伪逆。
利用式(31)获得的参数误差对双机器人***运动学参数进行补偿,得到其标定值为
EC=EN+Ω
其中,EC为标定后的运动学参数,EN为名义运动学参数。
将标定后的运动学参数值EC带入式(12)所示的双机器人运动学模型中,即得到更为准确的运动学模型。
以表3所示的随机22组构型为例,分别计算在名义值EN和标定值EC下,两机器人末端间计算位姿与实际位姿之间的差值,其中实际位姿由手眼相机测量靶标位姿获得,22组构型下手眼相机到靶标的位姿矩阵如表4所示。实验结果如图4所示。通过对实验结果分析可知,标定前后位置误差最大值、最小值和平均值分别下降80.1%、80.6%和78.8%,姿态误差最大值、最小值和平均值分别下降64.7%、69.4%和57.3%。
表3实验中主机器人对应的测量构型
表4实验中手眼相机测量的位姿信息
本发明实施例的技术方案具有以下有益效果:
本发明实施例的技术方案中给出了基于手眼相机的双机器人***标定方法,建立的双机器人运动学误差模型可以同时辨识两个机器人运动学参数误差和两机器人基座之间的参数误差,可以在一次计算中完成对双机器人***全部运动学参数的标定工作,简化标定流程并提高双机器人***操作精度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种采用手眼相机的双机器人***标定方法,其特征在于,所述方法包括:
采用MCPC运动学建模方法,获得装有靶标机器人基座到末端执行器的位姿变换矩阵、装有手眼相机机器人末端执行器到基座的位姿变换矩阵和双机器人基座之间的位姿变换矩阵;
依据所述装有靶标机器人基座到末端执行器的位姿变换矩阵、基座之间位姿变换模型和装有手眼相机机器人末端执行器到基座的位姿变换矩阵,获得双机器人***连续位姿变换矩阵;
依据所述双机器人***连续位姿变换矩阵,获得双机器人***运动学误差矩阵;
依据所述双机器人***运动学误差矩阵,得到双机器人***的运动学参数标定值。
2.根据权利要求1所述的方法,其特征在于,所述装有靶标机器人基座到末端执行器的位姿变换矩阵为:
4.根据权利要求1所述的方法,其特征在于,所述双机器人基座之间的位姿变换矩阵为
B=Rot(X,αb)Rot(Y,βb)Rot(Z,γb)Trans(xb,yb,zb)
其中,B表示双机器人基座之间的变换矩阵,αb、βb、γb、xb、yb、zb为MCPC运动学建模方法表示的两个机器人基座之间运动学参数。
10.根据权利要求1所述的方法,其特征在于,双机器人***的运动学参数标定值为:
EC=EN+Ω
其中,为标定后的运动学参数;为名义运动学参数,根据机器人结构尺寸的设计值得到;Ω=[Ωb Ωc Ωt]为双机器人***的运动学参数误差,可通过多组标定构型构建超定方程组进行求解,采用m组标定构型构建的超定方程组为:
其中,Dk表示第k组标定构型下双机器人末端位姿误差,其中k=1,2,...,m,m表示标定构型组数;J=[Jb Jc Jt]表示双机器人***的误差雅克比矩阵,Jk表示第k组标定构型下双机器人***的误差雅克比矩阵;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110469546.1A CN113160334B (zh) | 2021-04-28 | 2021-04-28 | 一种基于手眼相机的双机器人***标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110469546.1A CN113160334B (zh) | 2021-04-28 | 2021-04-28 | 一种基于手眼相机的双机器人***标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113160334A true CN113160334A (zh) | 2021-07-23 |
CN113160334B CN113160334B (zh) | 2023-04-25 |
Family
ID=76872204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110469546.1A Active CN113160334B (zh) | 2021-04-28 | 2021-04-28 | 一种基于手眼相机的双机器人***标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113160334B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113459108A (zh) * | 2021-09-02 | 2021-10-01 | 杭州灵西机器人智能科技有限公司 | 基于插值补偿的手眼标定方法、***、装置和介质 |
CN113787541A (zh) * | 2021-11-17 | 2021-12-14 | 杭州灵西机器人智能科技有限公司 | 一种机器人位置校正的方法和机器人定位*** |
CN114310906A (zh) * | 2022-01-24 | 2022-04-12 | 武汉惟景三维科技有限公司 | 一种双机器人自动测量、划线***中的坐标转换方法 |
CN115847423A (zh) * | 2022-12-30 | 2023-03-28 | 合肥工业大学 | 一种工业机器人眼看手视觉***标定方法 |
CN117349990A (zh) * | 2023-12-05 | 2024-01-05 | 武汉科技大学 | 一种机器人快速标定的方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106097390A (zh) * | 2016-06-13 | 2016-11-09 | 北京理工大学 | 一种基于卡尔曼滤波的机器人运动学参数标定方法 |
CN110276806A (zh) * | 2019-05-27 | 2019-09-24 | 江苏大学 | 用于四自由度并联机器人立体视觉手眼***的在线手眼标定和抓取位姿计算方法 |
CN110722562A (zh) * | 2019-10-28 | 2020-01-24 | 华中科技大学 | 一种用于机器人参数辨识的空间雅克比矩阵构造方法 |
CN110842914A (zh) * | 2019-10-15 | 2020-02-28 | 上海交通大学 | 基于差分进化算法的手眼标定参数辨识方法、***及介质 |
US20200139541A1 (en) * | 2017-05-09 | 2020-05-07 | Institute Of Computing Technology | Inverse kinematics solution system for use with robots |
-
2021
- 2021-04-28 CN CN202110469546.1A patent/CN113160334B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106097390A (zh) * | 2016-06-13 | 2016-11-09 | 北京理工大学 | 一种基于卡尔曼滤波的机器人运动学参数标定方法 |
US20200139541A1 (en) * | 2017-05-09 | 2020-05-07 | Institute Of Computing Technology | Inverse kinematics solution system for use with robots |
CN110276806A (zh) * | 2019-05-27 | 2019-09-24 | 江苏大学 | 用于四自由度并联机器人立体视觉手眼***的在线手眼标定和抓取位姿计算方法 |
CN110842914A (zh) * | 2019-10-15 | 2020-02-28 | 上海交通大学 | 基于差分进化算法的手眼标定参数辨识方法、***及介质 |
CN110722562A (zh) * | 2019-10-28 | 2020-01-24 | 华中科技大学 | 一种用于机器人参数辨识的空间雅克比矩阵构造方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113459108A (zh) * | 2021-09-02 | 2021-10-01 | 杭州灵西机器人智能科技有限公司 | 基于插值补偿的手眼标定方法、***、装置和介质 |
CN113459108B (zh) * | 2021-09-02 | 2021-11-12 | 杭州灵西机器人智能科技有限公司 | 基于插值补偿的手眼标定方法、***、装置和介质 |
CN113787541A (zh) * | 2021-11-17 | 2021-12-14 | 杭州灵西机器人智能科技有限公司 | 一种机器人位置校正的方法和机器人定位*** |
CN114310906A (zh) * | 2022-01-24 | 2022-04-12 | 武汉惟景三维科技有限公司 | 一种双机器人自动测量、划线***中的坐标转换方法 |
CN114310906B (zh) * | 2022-01-24 | 2024-03-08 | 武汉惟景三维科技有限公司 | 一种双机器人自动测量、划线***中的坐标转换方法 |
CN115847423A (zh) * | 2022-12-30 | 2023-03-28 | 合肥工业大学 | 一种工业机器人眼看手视觉***标定方法 |
CN115847423B (zh) * | 2022-12-30 | 2024-05-28 | 合肥工业大学 | 一种工业机器人眼看手视觉***标定方法 |
CN117349990A (zh) * | 2023-12-05 | 2024-01-05 | 武汉科技大学 | 一种机器人快速标定的方法及*** |
CN117349990B (zh) * | 2023-12-05 | 2024-02-13 | 武汉科技大学 | 一种机器人快速标定的方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN113160334B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113160334A (zh) | 一种基于手眼相机的双机器人***标定方法 | |
CN107738254B (zh) | 一种机械臂坐标系的转换标定方法与*** | |
CN108818535B (zh) | 机器人3d视觉手眼标定方法 | |
CN112975973B (zh) | 一种应用于柔性机器人的混合标定方法及装置 | |
CN109304730B (zh) | 一种基于激光测距仪的机器人运动学参数标定方法 | |
CN108527373A (zh) | 机械臂的参数测量与辨识方法及装置、终端、存储介质 | |
CN108789404A (zh) | 一种基于视觉的串联机器人运动学参数标定方法 | |
CN109163675B (zh) | 一种基于激光跟踪仪检测角摆轴位置精度的方法 | |
CN109048897B (zh) | 一种主从机器人遥操作的方法 | |
CN112605996B (zh) | 一种面向冗余机械臂的无模型碰撞避免控制方法 | |
CN110815206A (zh) | 一种Stewart型并联机器人运动学标定方法 | |
CN111975771A (zh) | 一种基于偏差重定义神经网络的机械臂运动规划方法 | |
CN113211445B (zh) | 一种机器人参数标定方法、装置、设备及存储介质 | |
Li et al. | Efficient industrial robot calibration via a novel unscented Kalman filter-incorporated variable step-size Levenberg–Marquardt algorithm | |
CN112109084A (zh) | 基于机器人关节角度补偿的末端位置补偿方法及其应用 | |
CN107791248B (zh) | 基于不满足Pieper准则的六自由度串联机器人的控制方法 | |
CN114161425B (zh) | 一种工业机器人的误差补偿方法 | |
CN114147726A (zh) | 一种几何误差与非几何误差相结合的机器人标定方法 | |
CN110181522B (zh) | 一种五自由度首末对称机械臂逆运动学计算的优化方法 | |
CN114833834A (zh) | 一种基于多源误差建模的工业机器人精度补偿方法 | |
CN113211436B (zh) | 基于遗传算法的六自由度串联机器人误差标定方法 | |
CN117901104A (zh) | 面向机械臂性能监测及误差补偿的特征主动学习-反馈数字孪生方法 | |
CN110900608A (zh) | 基于最优测量构型选择的机器人运动学标定方法 | |
CN109895098A (zh) | 一种机器人结构参数和手眼关系的统一标定模型 | |
CN114952788A (zh) | 一种仿六自由度并联机器人位姿测量平台及方法 |
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 |