CN117226853B - 一种机器人运动学标定的方法、装置、存储介质、设备 - Google Patents
一种机器人运动学标定的方法、装置、存储介质、设备 Download PDFInfo
- Publication number
- CN117226853B CN117226853B CN202311505953.9A CN202311505953A CN117226853B CN 117226853 B CN117226853 B CN 117226853B CN 202311505953 A CN202311505953 A CN 202311505953A CN 117226853 B CN117226853 B CN 117226853B
- Authority
- CN
- China
- Prior art keywords
- robot
- current
- template
- coordinates
- input parameters
- 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 83
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 description 20
- 238000005259 measurement Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 239000012636 effector Substances 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 239000000243 solution Substances 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012482 calibration solution Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Landscapes
- Manipulator (AREA)
Abstract
本说明书公开了一种机器人运动学标定的方法、装置、存储介质、设备,确定当前目标点后预设多组不同的位形,以其中任一组位形作为模版位形,根据该模版位形控制机器人向当前目标点运动,通过相机采集机器人根据该模版位形所运动到的模版位置的图像,作为模版图像,将机器人在该模版图像中的像素坐标作为目标像素坐标,再根据其他各组位形分别控制机器人向模版位置运动,通过相机采集机器人运动到的当前位置的当前图像,利用机器人在该当前图像中的当前像素坐标与目标像素坐标之间的坐标差值,求解可使机器人到达模版位置的实际输入参数,根据各实际输入参数得到各名义坐标,进而更新机器人的运动学参数,简化了标定的流程,并降低了对设备的要求。
Description
技术领域
本说明书涉及机器人和计算机技术领域,尤其涉及一种机器人运动学标定的方法、装置、存储介质、设备。
背景技术
精度是衡量机器人工作性能的重要指标之一,运动学标定是提升机器人精度的有效手段。运动学标定方法主要分为外部标定法和自标定法,其中外部标定法通常需要借助高精度的外部设备对机器人的位姿进行精确测量,成本高,测量过程复杂且对测量环境要求较高;传统的自标定法通常采用增加关节传感器、添加物理约束等方式代替外部测量设备,成本相对低廉且对测量环境要求不高,但仍具有操作繁琐等问题。以上方法通常需要对机器人进行接触式测量、或在机器人末端安装测量点,进一步提高了测量过程中的不确定性。
基于此,本发明提供一种机器人运动学标定的方法、装置、存储介质、设备,降低了对标定过程中使用的外部设备的要求,简化了标定的前期准备流程,能够在较低成本和非接触式测量的条件下实现机器人的简单、快捷的运动学参数标定。
发明内容
本说明书提供一种机器人运动学标定的方法、装置、存储介质、设备,以部分地解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种机器人运动学标定的方法,包括:
确定当前目标点,针对当前目标点,预设多组不同的位形;
以任一组位形作为模版位形,获取所述模版位形对应的模版输入参数,并根据所述模版输入参数控制所述机器人向当前目标点运动;
将机器人所运动到的位置作为模版位置,通过相机采集所述模版位置的模版图像,获取所述机器人在所述模版图像中的像素坐标,作为目标像素坐标;
针对模版位形以外的任一组其他位形,获取该组位形所对应的初始输入参数,并根据所述初始输入参数控制所述机器人向所述模版位置运动;
将机器人所运动到的位置作为当前位置,通过相机采集所述当前位置的当前图像,获取所述机器人在所述当前图像中的像素坐标,作为当前像素坐标;
确定所述目标像素坐标与所述当前像素坐标之间的坐标差值;
根据所述坐标差值与所述初始输入参数,在最小化所述坐标差值的情况下控制机器人以该组预设的位形运动到所述模版位置,并得到实际输入参数;
根据所述实际输入参数与机器人的当前运动学参数,确定机器人在当前运动学参数下,执行该实际输入参数所到达的名义终点的名义坐标;
根据对应于各组预设的位形的各组名义坐标,更新机器人的当前运动学参数,所述各组预设的位形包含模版位形,所述模版位形的名义坐标为机器人在当前运动学参数下,执行所述模版输入参数所到达的名义终点的名义坐标。
可选的,所述相机具体包括:
设置于机器人的不同方位的多个相机组成的相机组。
可选的,根据所述坐标差值与所述初始输入参数,在最小化所述坐标差值的情况下控制机器人以该组预设的位形运动到所述模版位置,并得到实际输入参数,具体包括:
当所述坐标差值大于预设的误差值时,根据所述坐标差值,得到并记录迭代输入参数;
根据所述迭代输入参数,继续控制所述机器人从当前位置向所述模版位置运动;
将机器人根据所述迭代输入参数所运动到的位置重新作为当前位置,采集更新的当前位置的像素坐标,重新作为当前像素坐标;
根据更新的当前像素坐标与所述当前目标点的目标像素坐标,更新所述坐标差值,直至所述坐标差值不大于预设的误差值;
根据记录的各迭代输入参数和所述初始输入参数,得到实际输入参数。
可选的,所述方法还包括:
预设多个不同的目标点;
针对每个目标点,获取针对该目标点的每组预设位形所确定出的实际输入参数和名义坐标;
根据针对各目标点的各组预设位形所确定出的各组实际输入参数和各组名义坐标,更新所述机器人的当前运动学参数。
可选的,根据对应于各组预设的位形的各组名义坐标,更新机器人的当前运动学参数,具体包括:
将针对当前目标点的两组不同的预设的位形作为一组,计算各组预设位形的名义坐标之间的差值;
根据所述名义坐标之间的差值,得到运动学参数差值;
根据所述运动学参数差值,更新所述当前运动学参数。
本说明书提供了一种机器人运动学标定装置,包括:
目标点确定模块,确定当前目标点,针对当前目标点,预设多组不同的位形;
预控制模块,以任一组位形作为模版位形,获取所述模版位形对应的模版输入参数,并根据所述模版输入参数控制所述机器人向当前目标点运动;
预采集模块,将机器人所运动到的位置作为模版位置,通过相机采集所述模版位置的模版图像,获取所述机器人在所述模版图像中的像素坐标,作为目标像素坐标;
控制模块,针对模版位形以外的任一组其他位形,获取该组位形所对应的初始输入参数,并根据所述初始输入参数控制所述机器人向所述模版位置运动;
采集模块,将机器人所运动到的位置作为当前位置,通过相机采集所述当前位置的当前图像,获取所述机器人在所述当前图像中的像素坐标,作为当前像素坐标;
坐标差值计算模块,确定所述目标像素坐标与所述当前像素坐标之间的坐标差值;
输入参数计算模块,根据所述坐标差值与所述初始输入参数,在最小化所述坐标差值的情况下控制机器人以该组预设的位形运动到所述模版位置,并得到实际输入参数;
名义坐标计算模块,根据所述实际输入参数与机器人的当前运动学参数,确定机器人在所述当前运动学参数下,执行该实际输入参数所到达的名义终点的名义坐标;
更新模块,根据对应于各组预设的位形的各组名义坐标与所述模版名义坐标,更新机器人的当前运动学参数,所述各组预设的位形包含模版位形,所述模版位形的名义坐标为机器人在当前运动学参数下,执行所述模版输入参数所到达的名义终点的名义坐标。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述一种机器人运动学标定的方法。
本说明书提供了一种设备,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上述一种机器人运动学标定的方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书提供的一种机器人运动学标定方法中,确定当前目标点,针对当前目标点,预设多组不同的位形,以任一组位形作为模版位形,获取所述模版位形对应的模版输入参数,并根据所述模版输入参数控制所述机器人向当前目标点运动,将机器人所运动到的位置作为模版位置,通过相机采集所述模版位置的模版图像,获取所述机器人在所述模版图像中的像素坐标,作为目标像素坐标,针对模版位形以外的任一组其他位形,获取该组位形所对应的初始输入参数,并根据所述初始输入参数控制所述机器人向所述模版位置运动,将机器人所运动到的位置作为当前位置,通过相机采集所述当前位置的当前图像,获取所述机器人在所述当前图像中的像素坐标,作为当前像素坐标,确定所述目标像素坐标与所述当前像素坐标之间的坐标差值,根据所述坐标差值与所述初始输入参数,在最小化所述坐标差值的情况下控制机器人以该组预设的位形运动到所述模版位置,并得到实际输入参数,根据所述实际输入参数与机器人的当前运动学参数,确定机器人在所述当前运动学参数下,执行该实际输入参数所到达的名义终点的名义坐标,根据对应于各组预设的位形的各组名义坐标,更新机器人的当前运动学参数,所述各组预设的位形包含模版位形,所述模版位形的名义坐标为机器人在当前运动学参数下,执行所述模版输入参数所到达的名义终点的名义坐标。
由上述方法可以看出,在本方法的标定过程中,无需采用相机精确测量机器人的绝对坐标,仅需根据拍摄得到的机器人的当前像素坐标和目标点的目标像素坐标,指导机器人以不同组预设位形到达同一目标点,获取对应于各组预设位形的实际输入参数和名义坐标,并据此更新机器人的当前运动学参数,该标定过程对相机的内外参精度、成像质量等没有较高要求,仅需相机满足一定的像素要求,保证成像空间的像素密集度,降低了相机的成本。此外,由于相机无需精确测量机器人的绝对坐标,因此无需进行相机与机器人间的手眼标定,从而简化了标定的前期准备流程。综上,本方法能够在较低成本和非接触式测量的条件下实现机器人的简单、快捷的运动学参数标定。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书中一种机器人运动学标定方法的流程示意图;
图2为本说明书中一种机器人运动学标定的标定***示意图;
图3为本说明书中机器人执行针对同一目标点的不同预设位形所对应的实际输入参数所到达的名义终点的误差示意图;
图4为本说明书中根据坐标差值和初始输入参数,得到实际输入参数的流程示意图;
图5为本说明书中机器人通过迭代输入参数靠近模版位置的过程示意图;
图6为本说明书提供的一种机器人运动学标定装置的示意图;
图7为本说明书提供的对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书中一种机器人运动学标定方法的流程示意图,该机器人运动学标定的方法具体包括以下步骤:
S100:确定当前目标点,针对当前目标点,预设多组不同的位形。
运动学标定是提升机器人精度的有效手段,外部标定手段往往通过外部设备对机器人末端执行器的实际坐标进行测量,并将该实际值与理论值进行比较得到误差值,随后将所得误差值代入机器人的标定模型,以优化机器人的运动学参数。该标定过程直接利用测量得到的机器人实际坐标与理论坐标间的误差值对机器人的运动学参数进行更新优化,对于所使用的外部测量设备的精度有着极高的要求;传统的自标定手段通常采用增加关节传感器、添加物理约束等方式代替外部测量设备,成本相对低廉且对测量环境要求不高,但仍具有操作繁琐等问题。为了降低对外部测量设备的精度要求,简化标定过程,本说明书提供一种机器人运动学标定的方法。
首先,在机器人的工作空间内确定当前目标点,当前目标点的选择需保证:当前目标点与相机之间无可阻碍视线的遮挡物。
确定当前目标点后,针对该当前目标点,预设多组不同的位形,该预设的位形用于在之后的步骤中使机器人以不同的位形向该当前目标点运动,从而可获取到机器人以各组不同的预设位形向该当前目标点运动的各组名义坐标。
S102:以任一组位形作为模版位形,获取所述模版位形对应的模版输入参数,并根据所述模版输入参数控制所述机器人向当前目标点运动。
针对任意一组位形,根据该组位形中机器人的位移轨迹与姿态与所述当前目标点在机器人基坐标系中的名义坐标,基于运动学逆解计算得到该组位形所对应的初始输入参数(由于各初始输入参数执行时机器人的运动学参数实际上存在需要通过标定校准的误差,各初始输入参数均无法控制机器人准确到达当前目标点),选择当前目标点的各组预设位形中的任意一组作为模版位形,将该模版位形的初始输入参数作为模版输入参数,执行该模版输入参数控制机器人向当前目标点运动。具体地,控制机器人的末端执行器向目标点运动,而机器人的基座并不运动,由此,在控制机器人进行运动的过程中,机器人的基坐标系保持不变,并且在针对当前目标点控制机器人以各组不同的位形向该当前目标点运动的过程中,该机器人的基坐标系均保持不变。
S104:将机器人所运动到的位置作为模版位置,通过相机采集所述模版位置的模版图像,获取所述机器人在所述模版图像中的像素坐标,作为目标像素坐标。
由于机器人的运动学参数实际上存在误差,机器人无法准确到达当前目标点,即机器人所到达的位置在机器人基坐标系中的实际坐标不同于名义坐标,此时通过相机采集机器人所运动到的模版位置的模版图像,并记录机器人末端执行器上的采集点在所述模版图像中的像素坐标,记为模版像素坐标,以此代替没有实际测量出的当前目标点的位置,使后续步骤中机器人能以其他组预设位形向该模版位置运动。由此,在标定的过程中排除了对当前目标点精确坐标的测量过程,无需精确测量机器人的绝对坐标,因此无需进行相机与机器人间的手眼标定,从而简化了标定的前期准备流程。
其中,用于采集图像的相机可以是深度相机,从而通过该相机拍摄的图片可直接反映出图片中的机器人末端执行器与相机的位置关系;在本说明书的一个或多个实施例中,相机也可以是设置于机器人不同方位的多个相机组成的相机组,因此各相机可以是普通的相机,通过多个相机之间的位置关系以及每个相机各自拍摄的物体图像中机器人末端执行器的像素坐标,即可确定图片中的机器人末端执行器与相机组成的相机组的位置关系;每个相机每次进行对机器人末端执行器的拍摄时,各自的内外参均不改变,以保证同一相机所拍摄出的不同图片中,同一位置的像素点与实际空间中的空间点的对应关系不发生改变。
S106:针对模版位形以外的任一组其他位形,获取该组位形所对应的初始输入参数,并根据所述初始输入参数控制所述机器人向所述模版位置运动。
根据步骤S102中给出的获取方法,获取当前目标点模版位形以外的任一组位形的初始输入参数,并根据该初始输入参数控制所述机器人的末端执行器向所述模版位置运动,从而在后续步骤中可获取到机器人以不同的位形向该模版位置运动的各实际输入参数和各名义终点。
S108:将机器人所运动到的位置作为当前位置,通过相机采集所述当前位置的当前图像,获取所述机器人在所述当前图像中的像素坐标,作为当前像素坐标。
同样的,由于机器人的运动学参数实际上存在误差,且各组位形中机器人的轨迹姿态各不相同,机器人无法到达该模版位置。通过相机采集机器人所运动到的当前位置的当前图像,并记录机器人末端执行器上的采集点在所述当前图像中的像素坐标,记为当前像素坐标。
S110:确定所述目标像素坐标与所述当前像素坐标之间的坐标差值。
将步骤S108中获得的当前像素坐标与步骤S104中获得的目标像素坐标作差,得到二者之间的坐标差值。
S112:根据所述坐标差值与所述初始输入参数,在最小化所述坐标差值的情况下控制机器人以该组预设的位形运动到所述模版位置,并得到实际输入参数。
由上所述,执行其他各组初始输入参数无法实际控制机器人准确到达模版位置,此时根据该坐标差值对初始输入参数进行优化,得到实际输入参数,以使根据该实际输入参数控制机器人以对应的预设位形所运动到的运动终点的像素坐标与目标像素坐标之间的坐标差值不大于预设的误差值。
具体地,在如图2所示的标定***中,相机的个数为2,其中相机1的相机坐标系{O1-X1Y1Z1}与机器人基坐标系{Ob-XbYbZb}间的旋转矩阵为单位矩阵I,相机2的相机坐标系{O2-X2Y2Z2}与机器人基坐标系{Ob-XbYbZb}间的旋转矩阵为Rot(x,90o)。步骤S104中记录的模版位置P在相机1和相机2中的目标像素坐标分别为hg,1和hg,2,当前拍摄得到的机器人末端执行器与相机1的成像平面的交点为M1,点M1的当前像素坐标为hc,1,机器人末端执行器与相机2的成像平面的交点为M2,点M2的当前像素坐标为hc,2,则可计算得到2个目标像素坐标与当前像素坐标间的坐标差值()。根据相机1和相机2的内参信息,可将2个坐标差值转换到相机1和相机2的相机坐标系中,再根据两相机与机器人的相对位置关系以及上述旋转矩阵进一步将坐标差值转换到机器人基坐标系中,然后根据转换坐标系后的坐标差值以及机器人的运动学一阶微分模型,计算可以直接导入机器人的控制***中的实际输入参数(即可最小化所述坐标差值的实际输入参数),从而根据该实际输入参数可控制机器人运动到该模版位置。
S114:根据所述实际输入参数与机器人的当前运动学参数,确定机器人在所述当前运动学参数下,执行该组实际输入参数所到达的名义终点的名义坐标。
经过上述步骤,最终得到控制机器人以不同组预设位形到达同一模版位置的各组实际输入参数(由于针对同一目标点的各组实际输入参数是在最小化坐标差值的情况下得到的,可视为机器人执行各组实际输入参数后均到达了模版位置)。如图3所示,机器人分别以预设位形C1和预设位形C2到达模版位置P,若机器人的运动学参数的名义值与实际值之间不存在误差,则机器人执行预设位形C1和预设位形C2所对应的实际输入参数所到达的名义终点(该名义终点并非实际测得的终点,而是基于目前已知的该机器人的运动学参数的名义值计算得到的)都应为模版位置P,但由于当前运动学参数存在误差,基于运动学正解模型利用各实际输入参数与当前已知的机器人运动学参数的名义值计算得到的机器人的各名义终点仍会存在差距,则在当前运动学参数下,机器人执行预设位形C1所对应的实际输入参数所到达的名义终点为N1,机器人执行预设位形C2所对应的实际输入参数所到达的名义终点为N2,点N1与点N2之间仍存在一定差距。其中,机器人的运动学正解模型可采用D-H(Denavit-Hartenberg)参数法、指数积法、螺旋理论法等方法建立。
S116:根据对应于各组预设的位形的各组名义坐标,更新机器人的当前运动学参数,所述各组预设的位形包含模版位形,所述模版位形的名义坐标为机器人在当前运动学参数下,执行所述模版输入参数所到达的名义终点的名义坐标。
在获取到对应于各组实际输入参数的各组名义坐标后,计算各组名义坐标之间的差值,由上可知,当运动学参数不存在误差时,各组名义坐标理论上应该不存在差值,由此以最小化差值模长为优化目标,采用牛顿迭代法、最小二乘法等优化算法更新机器人的当前运动学参数,最终获得优化后的运动学参数,利用该优化后的运动学参数更新机器人的当前运动学参数。
在求解优化后的运动学参数的过程中,由于本说明书所提供的方法采用的是各组名义坐标之间的差值,而非名义坐标与实际坐标之间的差值,降低了确定机器人的实际坐标时相机设备精度问题带来的***误差,得以使用普通的相机对机器人的运动学参数进行标定。
基于图1所述的一种机器人运动学标定的方法,降低了对标定过程中使用的外部设备的要求,简化了标定的前期准备流程,能够在较低成本和非接触式测量的条件下实现机器人的简单、快捷的运动学参数标定。
在如图1所示的步骤S112中,当所述坐标差值大于预设的误差值时,根据所述坐标差值,得到并记录迭代输入参数,根据所述迭代输入参数,继续控制所述机器人从当前位置向所述模版位置运动,将机器人根据所述迭代输入参数所运动到的位置重新作为当前位置,采集更新的当前位置的像素坐标,重新作为当前像素坐标,根据更新的当前像素坐标与所述当前目标点的目标像素坐标,更新所述坐标差值,直至所述坐标差值不大于预设的误差值,根据记录的各迭代输入参数和所述初始输入参数,得到实际输入参数。
在执行完初始输入参数并得到相应的坐标差值后,根据所述坐标差值和与所述初始输入参数,在最小化坐标差值的情况下控制机器人以该组预设的位形运动到模版位置,并得到实际输入参数的具体流程如图4所示,具体包括以下步骤:
S400:判断坐标差值是否大于预设的误差值。
若是,则认为仍需更新机器人的输入参数,使机器人的末端执行器从当前位置向模版位置继续靠近,执行步骤S402;否则认为机器人的当前位置足够接近模版位置(可视为机器人最终到达模版位置),执行步骤S410。
S402:根据该坐标差值得到并记录迭代输入参数。
S404:根据迭代输入参数继续控制机器人从当前位置向模版位置运动。
S406:将机器人根据所述迭代输入参数所运动到的位置重新作为当前位置,采集更新的当前位置的像素坐标,重新作为当前像素坐标。
S408:根据更新的当前像素坐标与目标像素坐标,得到更新的坐标差值,再次执行步骤S400。
S410:结束针对该组预设位形的像素坐标采集,根据记录的各迭代输入参数和所述初始输入参数,得到实际输入参数。
在此过程中,本说明书所提供的方法通过迭代输入参数,将机器人的运动终点(当前位置)与模板位置的距离逐渐缩小,如图5所示,机器人在执行完该组初始输入参数后运动到点K1,此时判断点K1的当前像素坐标与模板位置P的目标像素坐标之间的坐标差值仍大于预设的误差值,因此根据该坐标差值得到第一次迭代输入参数,并通过该第一次迭代输入参数控制机器人从点K1继续运动到点K2,基于同样的流程通过第二次迭代输入参数控制机器人从点K2继续运动到点K3,此时根据更新的坐标差值判断出机器人的运动终点(当前位置)已足够接近模板位置P,结束了针对该组预设位形的像素坐标采集。由于此过程并不涉及对运动学参数的更新,且使用更新的当前像素坐标与前一次的当前像素坐标之间的相对差值得到更新的迭代输入参数,不会因为相机的***误差向后续的标定过程中引入新的误差。
如图1所示的步骤S116中,将针对目标点的两组不同的预设的位形作为一组,计算各组预设位形的名义坐标之间的差值,根据所述名义坐标之间的差值,得到运动学参数差值,根据所述运动学参数差值,更新所述当前运动学参数。
在根据各组名义坐标更新当前运动学参数时,可将目标点的两次不同的实际输入参数所对应的名义坐标作为一组更新组,计算每组名义坐标之间的差值的模长,作为名义差值,对于目标点A,当针对目标点A设置了m组预设位形时,可根据每次控制机器人以不同的预设位形运动的先后顺序,将每组预设位形所对应的名义坐标记为y1、y2、……、ym,则可得到m-1组相互独立的更新组,特别地,可将目标点的相邻两个名义坐标作为一组(即y1与y2一组、y2与y3一组……)。当存在名义差值大于预设的误差值的更新组,则根据各组名义坐标之间的差值,基于机器人的误差模型求解得到运动学参数差值,根据该运动学参数差值,更新当前运动学参数,基于更新后的运动学参数计算出各更新的名义坐标,并继续计算各更新组的名义坐标之间的名义差值,直到每组更新组的名义差值均不大于预设的误差值,则得到优化后的运动学参数,完成运动学参数的更新。
如图1所示的方法还包括,预设多个不同的目标点,针对每个目标点,获取针对该目标点的每组预设位形所确定出的实际输入参数和名义坐标,根据针对各目标点的各组预设位形所确定出的各组实际输入参数和各组名义坐标,更新所述机器人的当前运动学参数。
为提升机器人标定的全局效果,在对机器人进行标定时,可在机器人的位置工作空间内设置多个目标点,针对每个目标点分别获取不同组预设位形所确定出的实际输入参数和名义坐标。在本说明书的一个或多个实施例中,可以在获取全部目标点的实际输入参数和名义坐标后,再根据全部数据采用优化算法更新机器人的当前运动学参数,完成机器人的运动学标定,也可以将全部目标点分为若干部分,使每部分中至少包含一个目标点,先获取第一部分目标点的实际输入参数和名义坐标,当所得数据满足标定求解需求时,根据第一部分目标点的数据开展机器人的第一轮运动学标定,然后将更新的运动学参数代入第二部分目标点的数据获取过程中,根据第二部分目标点的数据开展机器人的第二轮运动学标定,以此类推,直至完成最后一部分目标点的数据获取和机器人的最后一轮运动学标定。
以上为本说明书的一个或多个实施例提供的机器人运动学标定的方法,基于同样的思路,本说明书还提供了相应的机器人运动学标定的装置,如图6所示。
图6为本说明书提供的一种机器人运动学标定的装置的示意图,具体包括:
目标点确定模块600,确定当前目标点,针对当前目标点,预设多组不同的位形;
预控制模块602,以任一组位形作为模版位形,获取所述模版位形对应的模版输入参数,并根据所述模版输入参数控制所述机器人向当前目标点运动;
预采集模块604,将机器人所运动到的位置作为模版位置,通过相机采集所述模版位置的模版图像,获取所述机器人在所述模版图像中的像素坐标,作为目标像素坐标;
控制模块606,针对模版位形以外的任一组其他位形,获取该组位形所对应的初始输入参数,并根据所述初始输入参数控制所述机器人向所述模版位置运动;
采集模块608,将机器人所运动到的位置作为当前位置,通过相机采集所述当前位置的当前图像,获取所述机器人在所述当前图像中的像素坐标,作为当前像素坐标;
坐标差值计算模块610,确定所述目标像素坐标与所述当前像素坐标之间的坐标差值;
输入参数计算模块612,根据所述坐标差值与所述初始输入参数,在最小化所述坐标差值的情况下控制机器人以该组预设的位形运动到所述模版位置,并得到实际输入参数;
名义坐标计算模块614,根据所述实际输入参数与机器人的当前运动学参数,确定机器人在所述当前运动学参数下,执行该实际输入参数所到达的名义终点的名义坐标;
更新模块616,根据对应于各组预设的位形的各组名义坐标与所述模版名义坐标,更新机器人的当前运动学参数,所述各组预设的位形包含模版位形,所述模版位形的名义坐标为机器人在当前运动学参数下,执行所述模版输入参数所到达的名义终点的名义坐标。
可选的,所述相机具体包括:设置于所述机器人的不同方位的多个相机组成的相机组。
可选的,输入参数计算模块612,具体用于:当所述坐标差值大于预设的误差值时,根据所述坐标差值,得到并记录迭代输入参数,根据所述迭代输入参数,继续控制所述机器人从当前位置向所述模版位置运动,将机器人根据所述迭代输入参数所运动到的位置重新作为当前位置,采集更新的当前位置的像素坐标,重新作为当前像素坐标,根据更新的当前像素坐标与所述当前目标点的目标像素坐标,更新所述坐标差值,直至所述坐标差值不大于预设的误差值,根据记录的各迭代输入参数和所述初始输入参数,得到实际输入参数。
可选的,目标点确定模块600还用于:预设多个不同的目标点,针对每个目标点,获取针对该目标点的每组预设位形所确定出的实际输入参数和名义坐标,根据针对各目标点的各组预设位形所确定出的各组实际输入参数和各组名义坐标,更新所述机器人的当前运动学参数。
可选的,更新模块616,具体用于:将针对当前目标点的两组不同的预设的位形作为一组,计算各组预设位形的名义坐标之间的差值,根据所述名义坐标之间的差值,得到运动学参数差值,根据所述运动学参数差值,更新所述当前运动学参数。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1提供的机器人运动学标定方法。
本说明书还提供了图7所示的电子设备的示意结构图。如图7所述,在硬件层面,该机器人运动学标定设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的机器人运动学标定方法。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device, PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可运动和非可运动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、***或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (7)
1.一种机器人运动学标定的方法,其特征在于,所述方法包括:
确定当前目标点,针对当前目标点,预设多组不同的位形;
以任一组位形作为模版位形,获取所述模版位形对应的模版输入参数,并根据所述模版输入参数控制所述机器人向当前目标点运动;
将机器人所运动到的位置作为模版位置,通过相机采集所述模版位置的模版图像,获取所述机器人在所述模版图像中的像素坐标,作为目标像素坐标;
针对模版位形以外的任一组其他位形,获取该组位形所对应的初始输入参数,并根据所述初始输入参数控制所述机器人向所述模版位置运动;
将机器人所运动到的位置作为当前位置,通过相机采集所述当前位置的当前图像,获取所述机器人在所述当前图像中的像素坐标,作为当前像素坐标;
确定所述目标像素坐标与所述当前像素坐标之间的坐标差值;
根据所述坐标差值与所述初始输入参数,在最小化所述坐标差值的情况下控制机器人以该组预设的位形运动到所述模版位置,并得到实际输入参数;
根据所述实际输入参数与机器人的当前运动学参数,确定机器人在当前运动学参数下,执行该实际输入参数所到达的名义终点的名义坐标;
根据对应于各组预设的位形的各组名义坐标,更新机器人的当前运动学参数,所述各组预设的位形包含模版位形,所述模版位形的名义坐标为机器人在当前运动学参数下,执行所述模版输入参数所到达的名义终点的名义坐标;
根据所述坐标差值与所述初始输入参数,在最小化所述坐标差值的情况下控制机器人以该组预设的位形运动到所述模版位置,并得到实际输入参数,具体包括:
当所述坐标差值大于预设的误差值时,根据所述坐标差值,得到并记录迭代输入参数;
根据所述迭代输入参数,继续控制所述机器人从当前位置向所述模版位置运动;
将机器人根据所述迭代输入参数所运动到的位置重新作为当前位置,采集更新的当前位置的像素坐标,重新作为当前像素坐标;
根据更新的当前像素坐标与所述当前目标点的目标像素坐标,更新所述坐标差值,直至所述坐标差值不大于预设的误差值;
根据记录的各迭代输入参数和所述初始输入参数,得到实际输入参数。
2.如权利要求1所述的方法,其特征在于,所述相机具体包括:
设置于机器人的不同方位的多个相机组成的相机组。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
预设多个不同的目标点;
针对每个目标点,获取针对该目标点的每组预设位形所确定出的实际输入参数和名义坐标;
根据针对各目标点的各组预设位形所确定出的各组实际输入参数和各组名义坐标,更新所述机器人的当前运动学参数。
4.如权利要求1所述的方法,其特征在于,根据对应于各组预设的位形的各组名义坐标,更新机器人的当前运动学参数,具体包括:
将针对当前目标点的两组不同的预设的位形作为一组,计算各组预设位形的名义坐标之间的差值;
根据所述名义坐标之间的差值,得到运动学参数差值;
根据所述运动学参数差值,更新所述当前运动学参数。
5.一种机器人运动学标定装置,其特征在于,包括:
目标点确定模块,确定当前目标点,针对当前目标点,预设多组不同的位形;
预控制模块,以任一组位形作为模版位形,获取所述模版位形对应的模版输入参数,并根据所述模版输入参数控制所述机器人向当前目标点运动;
预采集模块,将机器人所运动到的位置作为模版位置,通过相机采集所述模版位置的模版图像,获取所述机器人在所述模版图像中的像素坐标,作为目标像素坐标;
控制模块,针对模版位形以外的任一组其他位形,获取该组位形所对应的初始输入参数,并根据所述初始输入参数控制所述机器人向所述模版位置运动;
采集模块,将机器人所运动到的位置作为当前位置,通过相机采集所述当前位置的当前图像,获取所述机器人在所述当前图像中的像素坐标,作为当前像素坐标;
坐标差值计算模块,确定所述目标像素坐标与所述当前像素坐标之间的坐标差值;
输入参数计算模块,根据所述坐标差值与所述初始输入参数,在最小化所述坐标差值的情况下控制机器人以该组预设的位形运动到所述模版位置,并得到实际输入参数;
名义坐标计算模块,根据所述实际输入参数与机器人的当前运动学参数,确定机器人在所述当前运动学参数下,执行该实际输入参数所到达的名义终点的名义坐标;
更新模块,根据对应于各组预设的位形的各组名义坐标,更新机器人的当前运动学参数,所述各组预设的位形包含模版位形,所述模版位形的名义坐标为机器人在当前运动学参数下,执行所述模版输入参数所到达的名义终点的名义坐标;
所述输入参数计算模块,具体用于当所述坐标差值大于预设的误差值时,根据所述坐标差值,得到并记录迭代输入参数,根据所述迭代输入参数,继续控制所述机器人从当前位置向所述模版位置运动,将机器人根据所述迭代输入参数所运动到的位置重新作为当前位置,采集更新的当前位置的像素坐标,重新作为当前像素坐标,根据更新的当前像素坐标与所述当前目标点的目标像素坐标,更新所述坐标差值,直至所述坐标差值不大于预设的误差值,根据记录的各迭代输入参数和所述初始输入参数,得到实际输入参数。
6.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~4任一项所述的方法。
7.一种设备,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上述权利要求1~4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311505953.9A CN117226853B (zh) | 2023-11-13 | 2023-11-13 | 一种机器人运动学标定的方法、装置、存储介质、设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311505953.9A CN117226853B (zh) | 2023-11-13 | 2023-11-13 | 一种机器人运动学标定的方法、装置、存储介质、设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117226853A CN117226853A (zh) | 2023-12-15 |
CN117226853B true CN117226853B (zh) | 2024-02-06 |
Family
ID=89093280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311505953.9A Active CN117226853B (zh) | 2023-11-13 | 2023-11-13 | 一种机器人运动学标定的方法、装置、存储介质、设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117226853B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226638A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 一种对多相机***的标定方法及装置 |
CN101916446A (zh) * | 2010-07-23 | 2010-12-15 | 北京航空航天大学 | 基于边缘信息和均值移位的灰度目标跟踪算法 |
JP2013173191A (ja) * | 2012-02-23 | 2013-09-05 | Seiko Epson Corp | ロボット装置、ロボット制御装置、ロボット制御方法及びロボット制御プログラム |
CN107633536A (zh) * | 2017-08-09 | 2018-01-26 | 武汉科技大学 | 一种基于二维平面模板的相机标定方法及*** |
CN110497386A (zh) * | 2019-08-26 | 2019-11-26 | 中科新松有限公司 | 一种协作机器人手眼关系自动标定装置及方法 |
WO2020063708A1 (zh) * | 2018-09-28 | 2020-04-02 | 杭州海康威视数字技术股份有限公司 | 鱼眼摄像机内参标定方法、装置和***、标定装置控制器以及标定器具 |
CN111391691A (zh) * | 2020-03-06 | 2020-07-10 | 上海大族富创得科技有限公司 | 基于视觉的标的对准方法、***和计算机可读存储介质 |
CN112621743A (zh) * | 2020-11-19 | 2021-04-09 | 深圳众为兴技术股份有限公司 | 机器人及其相机固定于末端的手眼标定方法及存储介质 |
CN112621711A (zh) * | 2020-11-19 | 2021-04-09 | 深圳众为兴技术股份有限公司 | 机器人及其相机固定于机架的手眼标定方法以及存储介质 |
CN113223050A (zh) * | 2021-05-12 | 2021-08-06 | 之江实验室 | 一种基于ArUco码的机器人运动轨迹实时采集方法 |
CN114012730A (zh) * | 2021-11-23 | 2022-02-08 | 深圳汇控智能技术有限公司 | 一种scara机器人本体标定及参数辨识方法 |
CN114491859A (zh) * | 2022-01-28 | 2022-05-13 | 苏州浪潮智能科技有限公司 | 超导量子芯片读出腔的自动化设计方法、装置及存储介质 |
CN114523475A (zh) * | 2022-03-01 | 2022-05-24 | 南京理工大学 | 一种机器人装配***误差自动标定与补偿装置及方法 |
CN115741720A (zh) * | 2022-12-13 | 2023-03-07 | 合肥工业大学 | 基于双目视觉技术及lm算法的机器人的零点标定***及其方法 |
CN115847426A (zh) * | 2023-01-16 | 2023-03-28 | 节卡机器人股份有限公司 | 机器人运动控制方法、装置、电子设备和存储介质 |
WO2023060964A1 (zh) * | 2021-10-14 | 2023-04-20 | 上海商汤智能科技有限公司 | 标定方法及相关装置、设备、存储介质和计算机程序产品 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102220173B1 (ko) * | 2019-11-01 | 2021-02-25 | 주식회사 뉴로메카 | 로봇 비전 시스템을 위한 자동 캘리브레이션 방법 및 장치 |
-
2023
- 2023-11-13 CN CN202311505953.9A patent/CN117226853B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226638A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 一种对多相机***的标定方法及装置 |
CN101916446A (zh) * | 2010-07-23 | 2010-12-15 | 北京航空航天大学 | 基于边缘信息和均值移位的灰度目标跟踪算法 |
JP2013173191A (ja) * | 2012-02-23 | 2013-09-05 | Seiko Epson Corp | ロボット装置、ロボット制御装置、ロボット制御方法及びロボット制御プログラム |
CN107633536A (zh) * | 2017-08-09 | 2018-01-26 | 武汉科技大学 | 一种基于二维平面模板的相机标定方法及*** |
WO2020063708A1 (zh) * | 2018-09-28 | 2020-04-02 | 杭州海康威视数字技术股份有限公司 | 鱼眼摄像机内参标定方法、装置和***、标定装置控制器以及标定器具 |
CN110497386A (zh) * | 2019-08-26 | 2019-11-26 | 中科新松有限公司 | 一种协作机器人手眼关系自动标定装置及方法 |
CN111391691A (zh) * | 2020-03-06 | 2020-07-10 | 上海大族富创得科技有限公司 | 基于视觉的标的对准方法、***和计算机可读存储介质 |
CN112621711A (zh) * | 2020-11-19 | 2021-04-09 | 深圳众为兴技术股份有限公司 | 机器人及其相机固定于机架的手眼标定方法以及存储介质 |
CN112621743A (zh) * | 2020-11-19 | 2021-04-09 | 深圳众为兴技术股份有限公司 | 机器人及其相机固定于末端的手眼标定方法及存储介质 |
CN113223050A (zh) * | 2021-05-12 | 2021-08-06 | 之江实验室 | 一种基于ArUco码的机器人运动轨迹实时采集方法 |
WO2023060964A1 (zh) * | 2021-10-14 | 2023-04-20 | 上海商汤智能科技有限公司 | 标定方法及相关装置、设备、存储介质和计算机程序产品 |
CN114012730A (zh) * | 2021-11-23 | 2022-02-08 | 深圳汇控智能技术有限公司 | 一种scara机器人本体标定及参数辨识方法 |
CN114491859A (zh) * | 2022-01-28 | 2022-05-13 | 苏州浪潮智能科技有限公司 | 超导量子芯片读出腔的自动化设计方法、装置及存储介质 |
CN114523475A (zh) * | 2022-03-01 | 2022-05-24 | 南京理工大学 | 一种机器人装配***误差自动标定与补偿装置及方法 |
CN115741720A (zh) * | 2022-12-13 | 2023-03-07 | 合肥工业大学 | 基于双目视觉技术及lm算法的机器人的零点标定***及其方法 |
CN115847426A (zh) * | 2023-01-16 | 2023-03-28 | 节卡机器人股份有限公司 | 机器人运动控制方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117226853A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113589473B (zh) | 一种镜头模组的对焦方法、装置及设备 | |
JP6977921B2 (ja) | マッピング方法、画像収集処理システム及び測位方法 | |
WO2021169420A1 (zh) | 基于多个图像帧的视觉定位 | |
CN111288971B (zh) | 一种视觉定位方法及装置 | |
CN111797906B (zh) | 基于视觉和惯性里程定位的方法及装置 | |
CN116740361B (zh) | 一种点云分割方法、装置、存储介质及电子设备 | |
CN117635822A (zh) | 一种模型训练的方法、装置、存储介质及电子设备 | |
CN117226853B (zh) | 一种机器人运动学标定的方法、装置、存储介质、设备 | |
CN116330306B (zh) | 一种物体的抓取方法、装置、存储介质及电子设备 | |
CN115990883B (zh) | 一种机器人的控制方法及装置 | |
CN116728436A (zh) | 一种弹琴机器人的控制方法及控制装置 | |
CN112461258A (zh) | 一种参数修正的方法及装置 | |
CN111798489B (zh) | 一种特征点跟踪方法、设备、介质及无人设备 | |
CN116363695A (zh) | 一种人体感兴趣位置的确定方法、装置、介质及设备 | |
CN114129262B (zh) | 一种患者手术位置的跟踪方法、设备及装置 | |
CN116558545A (zh) | 一种传感器数据的标定方法及装置 | |
CN117207204B (zh) | 一种弹琴机器人的控制方法及控制装置 | |
CN116740114B (zh) | 一种基于凸包检测的目标物边界拟合方法及装置 | |
CN116690575A (zh) | 一种基于手眼相机的无标定机械臂抓取方法和装置 | |
CN117131633B (zh) | 一种基于热传导本构模型的机器人结构件优化方法及装置 | |
CN116071431A (zh) | 一种标定方法、装置、存储介质及电子设备 | |
US12002220B2 (en) | Method of image acquisition based on motion control signal according to acquisition pose | |
CN116558504B (zh) | 一种单目视觉的定位方法及装置 | |
CN117911528A (zh) | 一种深度相机标定的方法、装置、存储介质、设备 | |
CN116665032A (zh) | 一种控制无人设备的方法、装置及电子设备 |
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 |