CN113580137B - 基于视觉测量的移动机器人基座-工件相对位姿确定方法 - Google Patents

Abstract

本发明公开了基于视觉测量的移动机器人基座‑工件相对位姿确定方法,该方法首先分别建立由激光跟踪仪和视觉传感器测量信息构造的两系间相对位姿关系的数学模型；然后以前者为基准，以有限位形下后者在相对前者的偏差最小为目标，辨识机器人驱动关节和虚关节运动误差多元线性回归模型的系数；最后，利用该模型提出一种仅利用一次在线视觉测量信息确定两系间相对位姿的策略与算法。本发明方法将视觉测量***代替激光跟踪仪，同时保障辅助机器人的定位精度不变，显著提高机器人加工效率，同时降低装备的成本。

Description

基于视觉测量的移动机器人基座-工件相对位姿确定方法

技术领域

本发明涉及确定移动机器人基座-工件相对位姿的偏差补偿方法，尤其涉及一种基于视觉测量信息，构建多元回归模型的移动机器人基座-工件位姿偏差补偿方法。

背景技术

目前，将工业机器人搭载在AGV小车上构成的移动工作站正在成为完成超大型构件现场局部铣削、制孔、抛磨、装配等作业的重要发展趋势，且在航天航空、轨道交通、发电设备等领域得到逐步应用。

在加工现场各站位处，快速准确地确定移动机器人基坐标系相对工件坐标系的位姿是保障移动机器人加工精度的重要工作。根据所用外部测量传感器的类型不同，可资利用的主流方法大致可分为两类。第一类方法为基于激光追踪仪测量信息的方法，该类方法的测量精度高，但当整体结构件形状复杂、移动站位数目较多或测量范围较大时，为了解决光路遮挡问题，需同时配置多台激光跟踪仪，或采用单机移站方式。显然，前一方案成本过高，而后一方案效率较低且累计误差较大。第二种方法是机器视觉测量法，该方法借助搭载在机器人末端执行器上的三维视觉传感器测量安装在工件上的靶标点坐标，并以此构造工件坐标系相对视觉坐标系的齐次变换矩阵，然后再借助手眼变换等等操作间接构造机器人基坐标系与工件坐标系间的关系。与激光跟踪仪相比，视觉传感器测量精度尚可、更为经济，且易通过与数控***集成实现多站位自动测量。然而，注意到机器人本体即便在标定后仍存在位姿误差，而手眼标定通常是在此基础上完成的，因此两者的累计误差将导致由间接法确定的位姿与直接法并不相同。换言之，如认为由激光跟踪仪测量***确定的位姿是正确的，则视觉***测量的位姿存在误差，故必须辨识和校正视觉测量***精度传递路径中的可调参数，以期由两者结果具有良好的一致性。

发明内容

本发明针对现有技术的不足，提供了基于视觉测量的移动机器人基座-工件相对位姿确定方法，本方法将视觉测量***代替激光跟踪仪，同时保障辅助机器人的定位精度不变，显著提高机器人加工效率，同时降低装备的成本。

基于视觉测量的移动机器人基座-工件相对位姿确定方法，其特征在于包括以下步骤：

步骤一、建立由激光跟踪仪和视觉传感器测量信息构造的机器人基坐标系与工件坐标系间相对位姿关系，包括以下步骤：

(1)建立坐标系，步骤为：给定移动机器人某一个站位，在工件上建立工件连体坐标系{W}、在机器人基座上建立基座连体坐标系{B}、在刀具上建立刀具连体坐标系{T}和在三维视觉传感器上建立视觉传感器连体坐标系{V}；

(2)令^BA_W,L表示在移动机器人该站位处用激光跟踪仪确定的{W}相对{B}的齐次变换矩阵；

(3)在给定移动机器人站位处给定机器人一个位形，通过求解得到^BA_W,V，所述的^BA_W,V为由机器视觉测量法构造的{W}相对{B}的齐次变换矩阵，；

步骤二、构建与位形相关的机器人关节变量运动的偏差模型：

^Bξ_W/B,V≈^Bξ_T/B＝ξ其中ξ＝T_ap_a+T_cp_c＝Tp

式中，^Bξ_W/B,V表示用机器视觉测量法得到{W}相对{B}的位姿^BA_W,V与其基准值间的6维位姿偏差在{B}中的度量，称为{W}相对{B}的位姿偏差旋量；^Bξ_T/B表示{T}相对{B}的位姿与其利用逆运动学模型得到的名义值间的6维位姿误差在{B}中的度量，称为{W}相对{B}的位姿误差旋量；/>为机器人的许动运动雅可比；/>为机器人的受限运动雅可比，/>为广义运动雅可比,/>表示机器人关节的运动误差向量；

代表机器人驱动关节的运动误差向量；/>代表机器人虚关节的运动误差向量，ζ表示当不计驱动关节回零误差时，由机器人本体中其它未建模误差源所引起{T}相对{B}的误差旋量之和，η_a表示驱动关节的回零误差向量，/>为机器人的驱动力雅可比；/>为机器人的约束力雅可比；

步骤三、根据步骤二的偏差模型，构建{T}相对于{B}的误差拟合模型，估计误差拟合模型的系数β，具体步骤为：

第一步，构建误差拟合模型，公式为：

ξ＝TZβ

式中，ξ表示机器人的位姿误差旋量，Z表示驱动关节和虚关节的运动误差拟合矩阵，β表示驱动关节和虚关节运动误差拟合的系数向量；

第二步，采用阻尼最小二乘法算法对回归模型y＝Xβ+ε中的系数向量β进行辨识，得到β的可靠估计值其中：

式中，y表示对ξ的观测所构成的向量，ξ₁,ξ₂,...,ξ_K表示在第1,2,...,K位形下对ξ的观测值，X表示回归设计矩阵或辨识矩阵，T₁,T₂,...,T_K表示在第1,2,...,K位形下对T的计算值，Z₁,Z₂,...,Z_K表示在第1,2,...,K位形下对Z的计算值；ε～N(0 σ²I_6K)表示服从零均值标准正态分布的测量噪声，I_6K表示6K×6K的单位矩阵；

步骤四、通过机器视觉一次在线视觉测量确定机器人基坐标系与工件坐标系的相对位姿，具体步骤如下：

第一步，给定工件上的一个待加工区域，在该待加工区域内安装三个靶标点，构成工件坐标系{W}，同时机器人处于参考位形，即机器人动平台参考点到达任务空间中点；

第二步，规划一个用于机器人视觉测量的{T}相对{B}的测量位形，使三维视觉传感器的中心对准安装在工件上三个靶球中心所构成三角形外接圆的圆心，测量工件上三个靶球中心在步骤一中的{V}下的坐标，并据此构造{T}相对{B}的名义齐次变换矩阵

第四步，利用机器人位置逆解模型确定在该测量位形下的名义驱动关节变量q，并计算在该名义驱动关节变量q下的运动误差拟合矩阵Z(q)和广义运动雅可比T(q)；

第五步，用q驱动机器人由参考位形运动至测量位形，保持测量位形不变，移动AGV小车，使搭载在AGV小车A/C摆角头A轴上的视觉传感器进入预定位置，并通过视觉传感器分别测量三个靶球中心的坐标，构造{W}相对{V}的齐次变换矩阵

第六步，根据第二步和第五步构造的计算在测量位形处{W}相对{B}的齐次变换矩阵^BA_W,V；

第七步，根据误差拟合模型，利用构造/>经同构变换和两端同右乘^BA_W,V构造Δ^BA_W，使得补偿后机器视觉测量确定的{W}相对{V}齐次变换矩阵为/>其中/>表示对^Bξ_W/B,V的估计值，/>表示对^BA_W,V补偿后的结果，Δ^BA_W表示对^BA_W,V补偿值。

本发明的有益之处在于：本方法首先分别建立由激光跟踪仪和视觉传感器测量信息构造的两系间相对位姿关系的数学模型；然后以前者为基准，以有限位形下后者在相对前者的偏差最小为目标，辨识机器人驱动关节和虚关节运动误差多元线性回归模型的系数；最后，利用该模型提出一种仅利用一次在线视觉测量信息确定两系间相对位姿的策略与算法。将视觉测量***代替激光跟踪仪，同时保障辅助机器人的定位精度不变，显著提高机器人加工效率，同时降低装备的成本。

附图说明

图1是基于视觉的机器人与工件位姿测量原理示意图；

图2是基于视觉确定机器人与工件位姿的坐标系关系；

图3是测量位形及坐标系表达示意图。

具体实施方式

下面结合附图和具体实施例对本发明加以详细说明。

本发明提供的基于视觉测量的移动机器人基座-工件相对位姿确定方法，包括以下步骤：

步骤一、建立由激光跟踪仪和视觉传感器测量信息构造的移动机器人基坐标系与工件坐标系间相对位姿关系；

作为本发明的一种具体实施方式，可以包括以下步骤：

(1)如图2所示，建立坐标系。给定移动机器人某一个站位，在工件1上建立工件连体坐标系{W}、在机器人基座2上建立基座连体坐标系{B}、在刀具3上建立刀具连体坐标系{T}和在三维视觉传感器4上建立视觉传感器连体坐标系{V}。各坐标系建立的方法采用现有的方法即可。

(2)令^BA_W,L表示在移动机器人该站位处用激光跟踪仪确定的{W}相对{B}的齐次变换矩阵。

作为本发明的一种实施方法，获得^BA_W,L的方法为：使用激光跟踪仪分别测量工件和机器人基座上至少三个非共线靶标点在激光跟踪仪坐标系{L}中的坐标，然后借助最小二乘法拟合^BA_W,L。

(3)在给定移动机器人站位处给定机器人一个位形，通过求解得到^BA_W,V，所述的^BA_W,V为由机器视觉测量法构造的{W}相对{B}的齐次变换矩阵。

^BA_W,V的求解过程如下：

^BA_W,V可进一步表示为^BA_W,V＝^BA_T ^TA_V ^VA_W，^VA_W表示系{W}相对系{V}的齐次变换矩阵，可通过用视觉传感器测量固定在工件上三个非共线靶球在{V}中的坐标来确定；^TA_V表示{V}相对{T}的齐次变换矩阵，可通过机器人离线手眼标定来确定为常数矩阵；^BA_T表示{T}相对{B}的齐次变换矩阵，其名义值可通过逆运动学模型(文献1：Inverse kinematics of a 5-axis hybrid robot with non-singular tool path generation.Robotics andComputer Integrated Manufacturing，2019.9，140-148.基于非奇异刀具轨迹生成的五轴混联机器人运动学逆解。机器人学与计算机集成制造，2019.9,140-148)离线编程得到。理论上，应有^BA_W,L＝^BA_W,V。本方法中的机器人可以是任何类型的机器人。

步骤二、构建与位形相关的机器人关节变量运动的偏差模型：

^Bξ_W/B,V≈^Bξ_T/B＝ξ (1)

其中ξ＝T_ap_a+T_cp_c＝Tp

式中，^Bξ_W/B,V表示用机器视觉测量法得到{W}相对{B}的位姿^BA_W,V与其基准值间的6维位姿偏差在{B}中的度量，称为{W}相对{B}的位姿偏差旋量；^Bξ_T/B表示{T}相对{B}的位姿与其利用逆运动学模型(见文献1)得到的名义值间的6维位姿误差在{B}中的度量，称为{W}相对{B}的位姿误差旋量。式(1)的物理意义可解释为：若以^BA_W,L为基准，且设^WA_V和^TA_V是准确的，则^Bξ_W/B,V可近似用^Bξ_T/B来替代。为方便计，令ξ＝^Bξ_T/B。/>为机器人的许动运动雅可比；/>为机器人的受限运动雅可比，/>称为广义运动雅可比。/>表示机器人关节的运动误差向量。

对于式(2)，代表机器人驱动关节的运动误差向量；/>代表机器人虚关节的运动误差向量。ζ则表示当不计驱动关节回零误差时，由机器人本体中其它未建模误差源(如用D-H参数描述的两相邻连体系间的结构误差，以及由重力场引起的构件弹性变形等)所引起{T}相对{B}的误差旋量之和。η_a表示驱动关节的回零误差向量。/>为机器人的驱动力雅可比；/>为机器人的约束力雅可比。其中W_a和W_c是已知的，ζ和η_a是未知的，为了计算ρ_a,ρ_c，采用式(13)去拟合。

对偏差模型的推导过程说明如下：

因机器人本体存在误差，故步骤二中^BA_W,L≠^BA_W,V，且这种偏差与机器人的位形有关。为此，以^BA_W,L为基准，且令为^BA_W,V的期望值，则^BA_W,V相对/>的偏差可表示为

式中，已知经视觉测量和手眼标定已事先确定了^WA_V和^TA_V，且设经运动学标定后使得机器人关节零点误差及其它误差源相对它们的名义值为小量。于是，对^BA_W,V关于/>作一阶泰勒展开，代入式(3)后两端同右乘/>即可得到具有李代数格式的线性化误差模型：

进一步改写成具有Plücker轴线坐标格式的线性化误差模型

式中，^Bξ_W/B,V表示用机器视觉测量法得到{W}相对{B}的位姿^BA_W,V与其基准值间的6维位姿偏差在{B}中的度量，称为{W}相对{B}的位姿偏差旋量；^Bξ_T/B表示{T}相对{B}的位姿与其利用逆运动学模型得到的名义值间的6维位姿误差在{B}中的度量，称为{W}相对{B}的位姿误差旋量。

为方便计，令ξ＝^Bξ_T/B。一方面，当机器人本体各驱动关节的回零误差及所有关节的结构误差均为小量时，ξ还可进一步表示为：

ξ＝J_aη_a+ζ (6)

式中，表示驱动关节的回零误差向量，η_a,i表示第i个(i＝1,2,…,f)驱动关节的回零误差，f表示机器人的自由度数目。/>为驱动关节的误差雅可比，/>表示当η_a,i＝1且η_a,j＝0(j≠i)时系{T}相对系{B}的误差旋量。ζ则表示当不计驱动关节回零误差时，由机器人本体中其它未建模误差源(如用D-H参数描述的两相邻连体系间的结构误差，以及由重力场引起的构件弹性变形等)所引起{T}相对{B}的误差旋量之和。

另一方面，由旋量代数知，因机器人末端刚体变分运动的旋量空间可分解为许动和受限变分运动两个子空间的直和，故还可将ξ表示为：

ξ＝ξ_a+ξ_c＝T_aρ_a+T_cρ_c＝Tρ (7)

式中，表示机器人关节的运动误差向量，/>表示驱动关节的运动误差向量，/>表示虚关节的运动误差向量。ξ_a表示许动位姿误差旋量，ξ_c表示受限位姿误差旋量。/>为机器人的许动运动雅可比；/>为机器人的受限运动雅可比，/>称为广义运动雅可比。T的列向量张成运动旋量空间的一个基底，且它也是机构名义尺度参数和名义驱动关节变量的非线性函数。

对比两方面内容，考虑到驱动关节为机器人机构的运动生成元，故取T_a＝J_a，即用J_a的列向量构造许动变分运动子空间的一个基。此时，和/>的物理意义可理解为驱动关节和虚关节的运动误差向量。进而，利用对偶空间理论构造***的力雅可比W，使得

W＝[W_a W_c]＝T^-T (8)

进而，利用对偶空间理论构造***的力雅可比W，建立起如下关系：

式中，表示机器人的驱动力雅可比，/>表示机器人的约束力雅可比。/>和/>均是随位形变化的，故ρ_a和ρ_c均可认为是名义驱动关节变量/>的非线性函数。η_a表示驱动关节的回零误差向量。

步骤三、根据步骤二的偏差模型(公式1、2)，构建{T}相对于{B}的误差拟合模型，估计误差拟合模型的系数β。

根据式(1)可知，^Bξ_T/B与^Bξ_W/B是近似相等的关系，建立误差拟合模型的目的是为了补偿偏差模型中的^Bξ_W/B。

第一步，构建误差拟合模型，公式为：

ξ＝TZβ (10)

式中，ξ表示机器人的位姿误差旋量(通过式(1)偏差模型求得)，Z表示驱动关节和虚关节的运动误差拟合矩阵(已知量)，为机器人的广义运动雅可比(已知量)，β表示驱动关节和虚关节运动误差拟合的系数向量(待拟合系数)；

误差拟合函数的推导过程为：

在机器人任意给定位形下，如将驱动关节的指令修改为q_m，

q_m＝q+Δq (11)

且使校正量Δq满足

则可在理论上补偿由ρ_a引起的许动位姿误差旋量ξ_a。

尽管ρ_a和ρ_c是未知的，但它们均为机器人驱动关节变量名义值q的非线性函数，为此用q的二次幂多项式来拟合ρ_a和ρ_c，即

式中，ρ_a,i表示驱动关节运动误差向量的第i个分量，ρ_c,1表示虚关节运动误差向量的第1个分量，q_j表示第j个驱动关节的运动变量，q_k表示第k个驱动关节的运动变量，α_a,0,i表示驱动关节运动误差拟合的零阶项的系数，α_c,0,1表示虚关节运动误差拟合的零阶项的系数。α_a,j,i表示对第i个驱动关节运动误差拟合中与第j个驱动关节变量相关的一阶项系数，α_c,j,1表示对第1个虚关节运动误差拟合中与第j个驱动关节变量相关的一阶项系数。α_a,jk,i表示对第i个驱动关节运动误差拟合中与第j个和第k个驱动关节变量相关的二阶项系数，α_c,jk,1表示对第1个虚关节运动误差拟合中与第j个和第k个驱动关节变量相关的二阶项系数。

对式(13)作变量替换，并将式(13)写成多元线性函数的形式

式中，β_a,j,i,j＝0,1,...,n表示对第i个驱动关节运动误差拟合中第j个多项式的系数，β_c,j,1,j＝0,1,...,n表示对第1个虚关节运动误差拟合中第j个多项式的系数。z_j,j＝1,2,...,n表示与驱动关节变量相关的第j个多项式。z表示由z_j组成的向量。β_a,i表示由β_a,j,i组成的向量，β_c,i表示由β_c,j,1组成的向量。n表示采用二次幂多项式构造的多元线性函数中系数的个数，且有n＝21。

将式(13)写成矩阵形式，有

ρ_a＝Z_aβ_a，ρ_c＝Z_cβ_c (15)

式中

将式(15)代入式(7)，得到误差拟合模型

ξ＝TZβ (16)

式中，表示驱动关节和虚关节的运动误差拟合矩阵，/>表示驱动关节和虚关节运动误差拟合的系数向量。

第二步，采用阻尼最小二乘法算法对回归模型y＝Xβ+ε中的系数向量β进行辨识，得到β的可靠估计值

在机器人工作区域内历遍K个位形，如：可以在机器人工作区域内历遍K＝150个位形。根据误差拟合模型，如式(16)所示，构造出如下多元线性回归模型：

y＝Xβ+ε (17)

其中：

式中，y表示对ξ的观测所构成的向量。ξ₁,ξ₂,...,ξ_K表示在第1,2,...,K位形下对ξ的观测值，可通过式(3)-(5)得到。X表示回归设计矩阵或辨识矩阵，T₁,T₂,...,T_K表示在第1,2,...,K位形下对T的计算值，Z₁,Z₂,...,Z_K表示在第1,2,...,K位形下对Z的计算值；ε～N(0 σ²I_6K)表示服从零均值标准正态分布的测量噪声。其中I_6K表示6K×6K的单位矩阵。

虽然采用普通最小二乘法可以得到β的无偏估计，但注意到β包含126项系数。待辨识参数较多，故可能存在因辨识矩阵非列满秩或复共线性引发的病态问题。为此，需采用阻尼最小二乘法算法来得到β的可靠估计值

步骤四、通过机器视觉一次在线视觉测量确定移动机器人基坐标系与工件坐标系的相对位姿，具体步骤如下：

第一步，给定工件上的一个待加工区域，在该待加工区域内安装三个靶标点，构成工件坐标系{W}，同时机器人处于参考位形，即机器人动平台参考点P到达任务空间中点P₀；

第二步，如图3，规划一个用于机器人视觉测量的{T}相对{B}的测量位形，使三维视觉传感器的中心V对准安装在工件上三个靶球中心所构成三角形外接圆的圆心O_W，测量工件上三个靶球中心在步骤一中的{V}下的坐标，并据此构造{T}相对{B}的名义齐次变换矩阵

第四步，利用机器人位置逆解模型确定在该测量位形下的名义驱动关节变量q，并计算在该名义驱动关节变量q下的运动误差拟合矩阵Z(q)和广义运动雅可比T(q)，计算方法参见”文献2：一种新型五自由度混联机器人的参数化建模与集成设计方法研究[D]，天津大学”；

第五步，用q驱动机器人由参考位形运动至测量位形，保持测量位形不变，移动AGV小车(现有结构)，使搭载在AGV小车A/C摆角头A轴上的视觉传感器进入预定位置，并通过视觉传感器分别测量三个靶球中心的坐标，构造{W}相对{V}的齐次变换矩阵

第六步，根据第二步和第五步构造的计算在测量位形处{W}相对{B}的齐次变换矩阵^BA_W,V；

第七步，根据误差拟合模型(式(10))，利用构造/>经同构变换和两端同右乘^BA_W,V构造Δ^BA_W，使得补偿后机器视觉测量确定的{W}相对{V}齐次变换矩阵为其中/>表示^Bξ_W/B,V的估计值，/>表示对^BA_W,V补偿后的结果，Δ^BA_W表示对^BA_W,V补偿值。

从而可以通过一次在线视觉测量，确定移动机器人基坐标系与工件坐标系的相对位姿，完整的补偿过程如图1所示。

尽管上面结合附图对本发明的功能及工作过程进行了描述，但本发明并不局限于上述的具体功能和工作过程，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可以做出很多形式，这些均属于本发明的保护范围之内。

Claims (3)

1.基于视觉测量的移动机器人基座-工件相对位姿确定方法，其特征在于包括以下步骤：

步骤一、建立由激光跟踪仪和视觉传感器测量信息构造的机器人基坐标系与工件坐标系间相对位姿关系，包括以下步骤：

(1)建立坐标系，步骤为：给定移动机器人某一个站位，在工件上建立工件连体坐标系{W}、在机器人基座上建立基座连体坐标系{B}、在刀具上建立刀具连体坐标系{T}和在三维视觉传感器上建立视觉传感器连体坐标系{V}；

(2)令^BA_W,L表示在移动机器人该站位处用激光跟踪仪确定的{W}相对{B}的齐次变换矩阵；

(3)在给定移动机器人站位处给定机器人一个位形，通过求解得到^BA_W,V，所述的^BA_W,V为由机器视觉测量法构造的{W}相对{B}的齐次变换矩阵；

步骤二、构建与位形相关的机器人关节变量运动的偏差模型：

^Bξ_W/B,V≈^Bξ_T/B＝ξ其中ξ＝T_ap_a+T_cp_c＝Tp

式中，^Bξ_W/B,V表示用机器视觉测量法得到{W}相对{B}的位姿^BA_W,V与其基准值间的6维位姿偏差在{B}中的度量，称为{W}相对{B}的位姿偏差旋量；^Bξ_T/B表示{T}相对{B}的位姿与其利用逆运动学模型得到的名义值间的6维位姿误差在{B}中的度量，称为{W}相对{B}的位姿误差旋量；/>为机器人的许动运动雅可比；/>为机器人的受限运动雅可比，/>为广义运动雅可比,/>表示机器人关节的运动误差向量；

代表机器人驱动关节的运动误差向量；/>代表机器人虚关节的运动误差向量，ζ表示当不计驱动关节回零误差时，由机器人本体中其它未建模误差源所引起{T}相对{B}的误差旋量之和，η_a表示驱动关节的回零误差向量，/>为机器人的驱动力雅可比；/>为机器人的约束力雅可比；

步骤三、根据步骤二的偏差模型，构建{T}相对于{B}的误差拟合模型，估计误差拟合模型的系数β，具体步骤为：

第一步，构建误差拟合模型，公式为：

ξ＝TZβ

式中，ξ表示机器人的位姿误差旋量，Z表示驱动关节和虚关节的运动误差拟合矩阵，β表示驱动关节和虚关节运动误差拟合的系数向量；

第二步，采用阻尼最小二乘法算法对回归模型y＝Xβ+ε中的系数向量β进行辨识，得到β的可靠估计值其中：

式中，y表示对ξ的观测所构成的向量，ξ₁,ξ₂,...,ξ_K表示在第1,2,...,K位形下对ξ的观测值，X表示回归设计矩阵或辨识矩阵，T₁,T₂,...,T_K表示在第1,2,...,K位形下对T的计算值，Z₁,Z₂,...,Z_K表示在第1,2,...,K位形下对Z的计算值；ε～N(0 σ²I_6K)表示服从零均值标准正态分布的测量噪声，I_6K表示6K×6K的单位矩阵；

步骤四、通过机器视觉一次在线视觉测量确定机器人基坐标系与工件坐标系的相对位姿，具体步骤如下：

第一步，给定工件上的一个待加工区域，在该待加工区域内安装三个靶标点，构成工件坐标系{W}，同时机器人处于参考位形，即机器人动平台参考点到达任务空间中点；

第二步，规划一个用于机器人视觉测量的{T}相对{B}的测量位形，使三维视觉传感器的中心对准安装在工件上三个靶球中心所构成三角形外接圆的圆心，测量工件上三个靶球中心在步骤一中的{V}下的坐标，并据此构造{T}相对{B}的名义齐次变换矩阵

第四步，利用机器人位置逆解模型确定在该测量位形下的名义驱动关节变量q，并计算在该名义驱动关节变量q下的运动误差拟合矩阵Z(q)和广义运动雅可比T(q)；

第五步，用q驱动机器人由参考位形运动至测量位形，保持测量位形不变，移动AGV小车，使搭载在AGV小车A/C摆角头A轴上的视觉传感器进入预定位置，并通过视觉传感器分别测量三个靶球中心的坐标，构造{W}相对{V}的齐次变换矩阵

第六步，根据第二步和第五步构造的计算在测量位形处{W}相对{B}的齐次变换矩阵^BA_W,V；

第七步，根据误差拟合模型，利用构造/>经同构变换和两端同右乘^BA_W,V构造Δ^BA_W，使得补偿后机器视觉测量确定的{W}相对{V}齐次变换矩阵为/>其中/>表示对^Bξ_W/B,V的估计值，/>表示对^BA_W,V补偿后的结果，Δ^BA_W表示对^BA_W,V补偿值。

2.根据权利要求1所述的基于视觉测量的移动机器人基座-工件相对位姿确定方法，其特征在于：

^BA_W,V的求解过程如下：将所述的^BA_W,V进一步表示为^BA_W,V＝^BA_T ^TA_V ^VA_W，^VA_W表示系{W}相对系{V}的齐次变换矩阵，通过用视觉传感器测量固定在工件上三个非共线靶球在{V}中的坐标确定；^TA_V表示{V}相对{T}的齐次变换矩阵，通过机器人离线手眼标定确定为常数矩阵；^BA_T表示{T}相对{B}的齐次变换矩阵，其名义值通过逆运动学模型离线编程得到。

3.根据权利要求1所述的基于视觉测量的移动机器人基座-工件相对位姿确定方法，其特征在于：获得^BA_W,L的方法为：使用激光跟踪仪分别测量工件和机器人基座上至少三个非共线靶标点在激光跟踪仪坐标系{L}中的坐标，然后借助最小二乘法拟合^BA_W,L。