2UPR&2RPS型冗余驱动并联机器人的运动学标定

运动学标定能够有效提高并联机器人的运动精度.以一类2UPR&2RPS型冗余驱动并联机器人为研究对象,提出了该类装置的运动学标定方法.通过将误差闭环矢量方程分别投影到运动支链的驱动方向和约束方向建立了该机器人的几何误差模型,并分离出可补偿误差源和不可补偿误差源.基于误差映射矩阵建立了误差灵敏度指标,随后通过灵敏度分析找出了对末端误差影响较大的不可补偿误差源.利用正则化算法建立了基于激光跟踪仪末端位置测量的几何误差辨识模型.标定试验结果表明,所提出的运动学标定方法是有效的.     

3RPS并联机构的运动学误差建模及其分析

为了提高XYZ-3RPS六轴卧式混联机床的运动学精度,建立了3RPS并联机构的运动学参数误差模型。首先对3RPS并联机构的几何误差源进行了分析。然后基于闭环矢量微分法建立了3RPS并联机构包含铰点位置误差、转动副轴线方向误差、驱动支链零位杆长误差等27项结构参数误差对末端位姿误差的映射模型。最后设计了仿真实验,利用ADAMS的虚拟样机技术,获取机构实际末端位姿误差。通过与误差模型的结果对比,验证了所分析的27项结构参数误差设定值在（0.1～0.2）mm的范围内,误差模型的位置误差求解精度大于0.01mm,姿态误差求解精度大于0.01°。进一步的数值验证表明,误差模型的精度会随着结构参数误差值的减小而显著提高,为3RPS等少自由度并联机构的误差建模和运动学标定提供理论依据。     

机器人神经网络逆标定法研究与仿真

基于运动学模型的机器人几何参数标定法需要建立复杂的误差模型,在不断变化的环境中缺乏柔性。基于神经网络的机器人逆运动学标定法,是通过一定的算法得到各关节角所对应的误差值,以关节角值为输入,关节角所对应的误差值为输出来训练神经网络,把所有的误差都归结为关节角误差,通过对关节角补偿来驱动机器人。利用遗传算法优化神经网络的权值与阈值,使优化后的BP神经网络能够更好地预测函数输出,利用MATLAB神经网络工具箱进行仿真,结果证明经遗传算法优化的神经网络标定法可以进一步提高标定精度。     

一种利用位置误差模型的机器人位姿标定方法

针对机器人位姿标定模型中位置和姿态数据的权重不合理导致参数识别精度低甚至发散问题,给出一种直接基于末端位置坐标测量的机器人位姿标定方法,避免了位置和姿态数据量级不同对参数识别精度的影响。采用指数积方法,建立一种包含3点位置信息的机器人运动学模型。通过对运动学模型取微分,利用指数映射微分公式推导出机器人末端3点位置误差与几何参数误差之间映射关系的显示表达并给出参数误差识别方法。采用激光跟踪仪作为测量设备,以UR5机器人为标定对象进行运动学参数标定和验证试验。试验结果表明,机器人末端位置误差模和姿态误差模的平均值分别降低了90%和92%。     

眼科手术机器人双目视觉标定方法研究

双目视觉系统通过相机模拟人眼,基于视差原理,从不同角度采集被测物体的两幅图像获取其二维信息,建立特征点的对应关系,计算出位置偏差,从而实现三维重建。眼科手术机器人双目视觉系统选用的标定方法是以张正友摄像机标定方法为基础,利用Harris角点检测方法实现亚像素点的精确化,对采集图像进行畸变矫正。将得出的标定结果与常用传统标定方法MATLAB相机标定工具箱Toolbox_calib的标定结果进行比较,分析像素误差。结果表明:使用新算法标定后的结果更加稳定,像素误差更小,精度更高,适用情况更加广泛,可用于眼科手术机器人的双目视觉标定系统中。     

协作机器人的运动学误差模型及标定算法

针对六自由度协作机器人在实际应用中,由于加工、装配、传动和磨损等多方面因素,导致绝对定位精度低的问题,提出一种基于机器人工具末端的运动学误差模型建立方法.在无外部传感设备的条件下根据所设计的标定板,基于最小二乘法和采集的多组机器人实际位姿误差辨识误差模型,对机器人运动学参数与其理论值间的偏差进行补偿.修改底层控制器中参数,修正由于机器人内部机构偏差引起的绝对定位精度误差,提高机器人运行位置精度.     

基于量子粒子群优化算法的机器人运动学标定方法

基于量子粒子群优化算法,提出一种同样适用于串联机器人和并联机器人的运动学标定方法。利用闭环矢量链方法和Denavit-Hartenberg矩阵法,分别建立并联机器人和串联机器人的运动学误差模型,将运动学误差模型内的几何误差源作为相应的机构参数修正量。由于机器人运动学误差模型表现有较强的非线性,因此确定模型内的机构参数修正量为优化变量,将机器人运动学参数标定问题转化为非线性系统的优化问题。采用量子粒子群优化算法对优化问题进行求解,利用优化获得的参数修正量更新运动学模型,以达到提高机器人运动精度的目的。以五轴并联机床的平面约束机构为研究对象,通过试验验证该标定方法的标定效果,并与模糊插值标定方法进行比较分析,结果表明在较大的工作空间内基于量子粒子群优化的运动学标定方法更为有效。     

基于机器人的对接位姿视觉测量系统标定研究

针对传统的相机内参矩阵和相机位置参数标定方法较为繁琐复杂且与相机内参标定互相割裂的痛点,本文设计了一种基于机器人的对接位姿视觉测量系统标定方法,利用采集得到的不同位姿关系下标定板图像以及对应的末端机器人末端执行器位姿数据,解算视觉位姿测量过程中涉及到的不同坐标系间位姿转换关系,一次性完成相机内参标定和相机位置参数标定....     

机器人加工误差分析及提高加工精度的方法

机器人本体误差和工具误差最终都传递到工具末端形成加工误差,为提高加工精度,对机器人本体进行各类误差的解耦标定,再标定安装于机器人末端的工具。利用轴旋转法对机器人本体进行标定,并分析初始零位值对机器人几何参数标定精度的影响。采用新MDH法建立运动学模型,对位置和姿态关节进行解耦,利用解析法求取位置关节角,用牛顿迭代法求取姿态关节角。在工具标定时,建立机器人加工装备的数字化模型,利用实际装备与数字化装备的映射一致性,求取工具的安装与制造误差。采用新MDH法可方便设置基坐标系,易于计算初始零位值。实验结果表明,初始零位值补偿后,机器人本体和工具标定后的轨迹精度可以达到0.28mm。     

变电站带电水冲洗机器人的视觉系统标定方法

针对带电水冲洗机器人的目标识别与定位问题,研究设计了一种集成工业相机和激光雷达的带电水冲洗机器人视觉系统;对平面镂空标定板产生的混合像素点误差进行了分析,设计了一种专用栅形标定板,并基于特征点匹配方法实现了工业相机和激光雷达的高精度联合标定。像素级图像融合效果及现场实验结果验证了视觉系统的有效性和可靠性。     

检校场标定长焦航测相机参数

为实现长焦航测相机内参数及畸变参数标定,提出利用室外检校场对相机进行标定的方法。介绍了该方法由初值到精确值的两步法的求解步骤、计算过程及实验过程。首先通过给定已知特征点位置信息以及不同角度不同位置下拍摄的影像,通过特征点提取及匹配,根据像点坐标与世界坐标的线性对应关系,基于直接线性变换算法建立约束方程求取相机参数初值,进而通过混合LMQN(Levenberg-Marquardt与Qusai-Newton)迭代优化加速求解精确值。与精密测角法比无需精密设备的操作及记录,只需不同位置不同姿态拍摄多张包含精确位置信息的检校场影像即可。最后进行标定实验并对结果分析,基于检校场的标定方法在参数解算中特征点最大投影误差为2.471pixel,标定参数主点精度为9.7μm(2pixel),主距精度为4.3μm(1pixel),解算相机拍摄位置精度0.035m,满足测绘应用的精度需求。     

改进的精密测角法标定面阵摄像机参数

改进了用于标定线阵摄像机的传统精密测角算法,标定用于面阵摄像机的参数。该算法利用两束平行光之间的夹角和投影在摄像机上图像点之间的对应关系,在给定一个预测摄像机主点的基础上计算它和实际主点之间的偏差以及摄像机焦距。分析了图像特征提取误差对于平行光夹角测量精度的影响,并给出一种基于平行光夹角误差最小的最优估计,从而进一步提高摄像机内部参数的标定精度。通过仿真实验分析了图像特征提取精度和平行光夹角测量精度对摄像机参数标定精度的影响。结果显示,当图像特征提取精度为0.1pixel,二维转台精度为0.5″时,主点标定精度可以达到0.56pixel,焦距标定精度可以达到0.06mm。利用精度为0.5″的二维转台对摄像机参数进行了实际标定,通过分析像点和标定结果所计算的平行光夹角和实际测量的平行光夹角的误差,可知本文算法的误差是经典精密测角法的68.6%,由此证明该算法对于面阵摄像机参数标定具有更好的结果。     

野外空间坐标测量中的任意姿态多目相机快速标定

针对野外复杂地形环境下,对于多个监测区域进行野外坐标测量的情况,提出一种利用双目立体视觉原理对相机3个姿态角及焦距同时进行现场校准的快速标定方法。该方法对传统的标定方法进行改进,可用于相机焦距、姿态未知的情况,对现场环境条件要求低,避免了传统标定方法中相机架设姿态受限的问题。首先通过选择合适的统一世界坐标系和坐标系旋转顺序,使标定得到的相机外参与相机姿态角对应。然后通过GPS测量得到两个标定点的世界坐标,将两个标定点的世界坐标和图像坐标代入成像模型,用最小二乘法解出相机的焦距和姿态角。在现场对其中一个监测区域进行实际测量验证,结果显示直径200 m的圆形监测区域内,相对误差优于0.38%。该方法工程应用性强,灵活度高,适用性广。     

3-UPS/S并联稳定平台满载工况误差分析与运动学标定

当负载达到一定数值时,并联机构的变形误差相对于几何误差对动平台输出精度的影响是不可忽略的。以电液驱动型3-UPS/S并联稳定平台为研究对象,分别建立了稳定平台几何误差与变形误差的传递模型,并通过线性叠加得到了总的误差传递模型。基于几何误差传递模型,建立了稳定平台满载工况下的运动学标定模型。在满载工况下进行了运动学标定实验,测量了动平台参考点的位置,计算得到动平台姿态误差δH0,通过分离变形误差δH1得到了几何误差δH,通过最小二乘法完成了稳定平台几何误差参数标定。     

基于改进棋盘的角点自动检测与排序

考虑采用传统黑白棋盘进行相机自动标定时角点排序结果受标定模板旋转角度影响较大,本文设计了一种改进的棋盘标定模板及相应的角点自动检测与排序算法。新的标定模板通过增加4个长方形边界滤除复杂背景,增加沙漏状图形确定排序原点,从而使得排序结果适应于模板的旋转。针对新的标定模板提出了一种基于对称象限灰度交叉熵的角点检测算法,该算法通过抑制局部非极大值以及筛选矩形边界实现了角点的像素级定位,然后采用Frostner算子解算了角点的亚像素坐标。针对角点检测结果,采用曲线拟合并结合角点至原点的距离信息实现了角点自动排序。实验结果表明:得到的角点检测结果正确,亚像素解算坐标与Matlab标定工具箱的检测结果误差小于0.8pixel,排序结果对标定模板的旋转具有不变性,易于实现在线标定。     

应用摄像机位姿估计的点云初始配准

基于摄像机位姿估计的数学模型,提出了一种检测摄像机位移前后目标图像特征点的方法,通过求解摄像机发生位移前后的相对位姿矩阵来解决应用视觉图像获得点云的初始配准问题。首先,介绍了摄像机位姿估计模型,包括本质矩阵、旋转矩阵以及平移矩阵;然后,介绍了SURF算子的特征点检测、描述和匹配的方法,在此基础上面向双目视觉和单目结构光系统,分别提出了摄像机位移前后目标图像SURF特征点匹配和深度估计模型;最后,分别进行双目视觉和单目结构光系统点云的获取、位移前后目标图像特征点检测匹配和深度估计实验,应用摄像机位姿估计模型求解旋转矩阵和位移矩阵,并对位移矩阵进行统计分析剔除粗差。实验中采用基于点云空间特征点和基于图像的方法进行对比,点云对应特征点均方误差缩小至12.46mm。实验结果验证了方法的可行性,表明本文的点云初始配准方法能较好地获得点云精确配准初值。     

采用改进遗传算法优化神经网络的双目相机标定

针对传统BP神经网络在双目相机标定过程中存在的迭代时间长、精度低等问题,提出了基于改进遗传算法优化BP神经网络的方法来完成双目相机标定。使用融合多格算法的Trajkovic算子进行角点检测,利用点对点空间映射和网格运动统计相结合的方法完成同名角点匹配,在此基础上,提取同名角点的像素值并计算其实际的三维坐标值。对遗传算法的交叉和变异概率及选择算子进行改进,利用改进后的遗传算法对BP神经网络进行优化,将像素值和三维坐标值分别作为BP神经网络的输入和输出,进而完成双目相机的标定。实验结果表明：优化前后的平均标定预测精度分别为0.66 mm和0.08 mm,其平均标定预测精度提高了88%。优化前后的标定测试迭代次数分别为736和169,优化后迭代速度提高了3.4倍。改进遗传算法优化BP网络在双目相机标定过程中取得较好的效果,满足了双目相机标定的要求。     

风洞六自由度机构运动解耦性分析

为了提高高速风洞试验的可靠性,设计了一种适用于支撑外挂物模型的六自由度机构并提出一种尾支杆变换后姿态角的补偿方法。通过串联机器人正向运动学的指数积(POE)公式,推导出机构在模型质心与机构旋转中心重合和不重合两种情况下的运动学正解公式,并给出不重合情况下不解耦姿态角的补偿量。激光跟踪仪标定试验证明该补偿方法具有可行性,从而为实现机构的轨迹规划及实时控制提供了理论基础。     

Error Modeling and Sensitivity Analysis of a Parallel Robot with SCARA（Selective Compliance Assembly Robot Arm） Motions

Parallel robots with SCARA（selective compliance assembly robot arm） motions are utilized widely in the field of high speed pick-and-place manipulation. Error modeling for these robots generally simplifies the parallelogram structures included by the robots as a link. As the established error model fails to reflect the error feature of the parallelogram structures, the effect of accuracy design and kinematic calibration based on the error model come to be undermined. An error modeling methodology is proposed to establish an error model of parallel robots with parallelogram structures. The error model can embody the geometric errors of all joints, including the joints of parallelogram structures. Thus it can contain more exhaustively the factors that reduce the accuracy of the robot. Based on the error model and some sensitivity indices defined in the sense of statistics, sensitivity analysis is carried out. Accordingly, some atlases are depicted to express each geometric error’s influence on the moving platform’s pose errors. From these atlases, the geometric errors that have greater impact on the accuracy of the moving platform are identified, and some sensitive areas where the pose errors of the moving platform are extremely sensitive to the geometric errors are also figured out. By taking into account the error factors which are generally neglected in all existing modeling methods, the proposed modeling method can thoroughly disclose the process of error transmission and enhance the efficacy of accuracy design and calibration.     

二维旋转平台下的相机参数标定

针对可旋转相机的参数标定问题,提出了一种基于二维旋转平台的相机成像模型。首先,通过一对坐标系的变换与逆变换,将相机的旋转平移变换关系转换为二维旋转平台纯旋转关系;然后,借助旋转平台读数以及相机到旋转平台的固定变换关系,实现相机内参的精确标定以及任意位置间相机外参的相互转换;最后,利用标定出的相机与旋转平台间变换矩阵实现不同位置相机参数的转换。相比于传统固定相机的标定方法,本文提出的方法标定获得的相机内参具有更好的收敛性,而且能够标定出相机到旋转平台的变换矩阵,从而实现相机坐标系变换参数的精确计算。实验结果表明,在标定模板图像数量相同时,与常用的张氏标定法相比,本文提出的方法标定获得的相机内参具有更快的收敛速度。棋盘格角点重投影坐标与实际拍摄图像中棋盘格角点坐标相对比,平均误差约为0.12pixel,表明该方法具有较高精度。