基于激光跟踪仪的协作机器人标定算法与实验研究

为了提高机器人末端绝对定位精度,提出了一种基于激光跟踪仪测量的机器人几何参数标定方法,对协作机器人的参数误差进行辨识和补偿。为了避免机械臂相邻两个轴平行时会出现奇异性的情况,采用了MDH参数法建立误差模型;为了把测量数据定义在同一坐标轴上,结合了机器人工具坐标系转换（靶球中心点相对于机器人末端坐标系的平移变换）;进而用最小二乘优化算法(LM)辨识出机器人的模型参数误差。通过对JAKA协作机器人的仿真、实验计算和标定,机器人的位置误差平均值、标准差、误差最大值分别降低了70.58%、56.76%、57.44%。实验结果表明:该标定算法可以有效地辨识出机器人的模型参数误差,对机器人的模型参数进行补偿后,提高了绝对定位精度。     

模块化六自由度机器人运动学标定与实验研究

针对自主研发的模块化六自由度轻载搬运机器人,使用激光跟踪仪并采用直接标定法进行了运动学标定与实验研究。采用D-H法构建了机器人连杆坐标系和机器人运动学模型,并运用微分变换的方法建立误差模型。通过激光跟踪仪测量机器人末端位置,将其与运动学模型求解得到的机器人末端位置进行比较,验证了误差模型的正确性。然后将误差模型计算得到的机器人连杆参数误差在机器人控制系统软件中进行修正。最后利用激光跟踪仪测量机器人的关节转角间隙误差,将误差值转换成脉冲数并在软件中进行补偿。机器人运动学标定实验表明,使用激光跟踪仪进行连杆参数误差补偿和关节转角间隙误差补偿可以明显的减小绝对定位误差,绝对定位误差降低了69.6%,定位精度有了明显的提高。     

基于PSO优化神经网络和空间网格的机器人位姿标定方法

该文提出一种将机器人的位置和姿态拆分开,分别进行标定的机器人位姿标定方法。采用空间精度控制网格标定机器人定位误差,粒子群优化算法(particle swarm optimization,PSO)优化神经网络标定机器人定姿误差。该方法以指数积公式(product of exponentials,POE)为基础建立机器人正向运动学模型,用映射法建立空间网格,用三坐标测量臂测量机器人位姿,用空间网格精度标定定位误差,用PSO优化的神经网络标定定姿误差。其优点在于既标定机器人工具中心点(TCP)的定位误差,又标定机器人工具坐标系的姿态误差,使得机器人定位、定姿误差都得到补偿。实验结果表明机器人的定位、定姿均方根误差减小接近一个数量级。     

多传感信息融合机器人标定方法

该文提出一种基于多传感信息融合技术进行机器人运动学标定的方法。首先通过对机器人的指数积(POE)正向运动学模型取微分的方式建立末端执行器的误差模型,利用ROMER-RA7520绝对关节臂测量机和安装在末端工具上的多个传感器分别采集末端执行器的位置和姿态信息;随后根据坐标统一原理将测量机的位置测量数据和多传感器的姿态量测数据转换到机器人基础坐标系下,实现位姿数据的空间配准;接着运用自适应加权融合算法融合处理经过空间配准后的位姿数据,得到末端执行器位姿测量值;最后应用迭代最小二乘法求解出参数偏差。KR5arc机器人标定仿真实验表明:该方法可大幅度提升机器人在任意位姿下的定位、定姿精度。     

机器人与激光跟踪仪的坐标系转换方法研究

激光跟踪仪对工业机器人的末端位姿进行绝对定位精度标定时,需要把测量坐标系和机器人坐标系下的坐标值转换到同一坐标系下,坐标值的比较才有意义。因为机器人运动学模型误差的存在,使得机器人坐标系下的点不能遵循着唯一确定的变换关系变换到测量坐标系,所以坐标系的变换精度不高。在建立齐次变换形式的变换模型之后,通过分析坐标系变换过程中的误差来源,提出结合最小二乘法的RANSAC快速转换算法。从测量样点中随机选择一定量的样点拟合变换模型,在获得多个变换模型之后,利用评判模型选择最优模型。结果表明:相比于常规的求解方法,机器人和激光跟踪仪的坐标转换精度提高3倍。RANSAC算法能有效地降低机器人模型误差对求解变换关系的影响,并且实验过程快速、操作简单。     

质量特性测量系统的运动学标定

质量特性测量过程中测量位姿的定位精度直接影响测量结果的精度。针对该问题利用D-H参数建立了系统机械结构的运动学方程,进而得到了终端产品坐标系的位置误差模型。利用激光跟踪仪测量产品坐标系上一点在不同位姿下的坐标,通过测量点的位置误差和D-H参数的雅克比矩阵建立标定方程,并求解得到系统实际的运动学参数。最后通过实验,对标定方法进行了验证,结果表明经过标定后的系统定位精度较标定前有明显的提高。     

基于距离精度的测量机器人标定模型及算法

对机器人绝对位置误差进行检测和补偿时,通常要涉及到测量系统坐标系与机器人基础坐标系间的坐标变换,由于这个变换很难精确测定,从而导致测量机器人的绝对位置精度降低.为了克服这一情况,可改用空间两点间的距离精度来衡量机器人的绝对位置精度,这样可简化测量过程.利用距离精度的定义,建立了机器人的距离误差模型,该模型可以避免坐标转换带来的误差,降低对测量系统的精度要求.同时,激光跟踪仪测试技术的应用,使得机器人的位姿测量变得非常容易.最后给出了此模型及算法在IRB2400机器人上的应用实例.     

基于线结构光传感器的工业机器人运动学参数标定

针对工业机器人绝对定位精度较低问题,提出一种基于线结构光传感器的工业机器人运动学参数标定方法。首先,将线结构光传感器固定安装在机器人末端,建立传感器测量模型,然后建立机器人运动学模型,通过手眼关系将传感器模型与机器人模型连接组成完整的标定系统模型。其次,使线结构光传感器在不同位姿下对某一固定点进行测量,得到该点在机器人基座标下的坐标值。并建立该坐标值的理论值与实际值偏差的误差模型,从而建立标定方程组,利用最小二乘法辨识出运动学参数误差并修正参数。最后,通过将这些参数更新到理想运动学模型中,比较标定前后测量点之间的位置偏差。实验表明,平均误差和标准差分别减小了50%和42%以上。     

基于视觉辅助定位的机械臂运动学参数辨识研究

标定机器臂的运动学参数可以有效提高机械臂的绝对定位精度。针对一般平面约束标定方法往往通过手动示教获取测量数据,效率低,提出一种基于视觉辅助定位约束平面的机械臂运动学参数辨识方法。为了弥补双目视觉视场范围狭小的弊端,在约束平面上粘贴3个靶点,以此将对平面的定位等效成对靶点的定位。应用双目视觉系统提取靶点中心并进行立体匹配,得到靶点在机械臂基坐标系下的三维位置信息;同时构建靶点坐标系,以此规划出按一定规律分布的约束点;为了进一步提高标定精度,建立双平面约束误差模型,通过两垂直平面上任意非共线的3个点得到一系列法向量,每一对法向量的数量积为0,即增加了约束方程;利用机械臂对相互垂直的两约束平面自动进行接触式测量,通过改进的最小二乘法辨识出真实的运动学参数误差。实验结果表明,基于双平面约束误差模型,修正运动学参数后,机械臂绝对位置精度由1.234 mm提高到了0.453 mm。该方法实现了数据的自动化测量,大大提高了标定效率,为机械臂批量标定提供了参考,具有工程意义。     

轴线测量与迭代补偿的机器人几何参数标定

为了提高串联工业机器人的绝对定位精度,提出了采用轴线测量与迭代补偿相结合的工业机器人几何参数标定方法。首先利用激光跟踪仪测量机器人单轴运动的轨迹,将所测轨迹点通过空间投影计算各轴线的位置;然后根据机器人模型参数的几何定义提取机器人模型的实际参数,并采用基于距离误差的迭代补偿方法进行参数标定效果验证。对埃夫特ER10L-C10工业机器人进行标定实验研究,结果表明:机器人绝对定位误差的最大值、平均值和标准差分别从补偿前的4.215、1.932和1.437 mm减小到补偿后的2.979、1.015和1.031 mm,该方法能够简单快速标定出机器人模型的实际几何参数,有效提高了机器人的绝对定位精度。     

基于遗传算法的包装机械臂位置精度控制方法

目的为提高包装机械臂运行精度,解决视觉伺服控制系统中手眼标定问题,基于遗传算法设计一种机械臂运动学参数标定方法。方法在明确手眼视觉坐标的基础上,给出不同坐标系之间的变换关系。通过对比机械臂末端执行器理论位置和实际位置,确定其运动学参数标定误差模型。基于遗传算法基本原理,搭建了相关适应度函数,根据计算所得误差补偿量更新末端执行器位姿。最后,对机械臂运动控制系统进行联合调试以及实验分析。结果实际位置和理论位置之间偏差绝对值的平均值大约为0.8 mm,偏差最大值只有1.2 mm,精度比较高。结论所述手眼标定方法可以显著提高机械臂运动精度,可满足相关包装行业要求。     

一种通用的工业机器人位姿检测方法

为满足带有不同末端执行器的工业机器人系统的绝对位姿检测需求,提出一种通用的检测方法。其基本原理是以激光跟踪仪测量固定在机器人末端的4个参考点从而间接测量机器人的绝对位姿,并与指令位姿比较实现机器人位姿准确度和位姿重复性检测;其中,参考点坐标及机座坐标系通过多姿态约束同步标定,并设计非线性标定算法。通过末端带有制孔执行器的KUKA KR210 R2700工业机器人的位姿检测实验表明：该检测方法的准确性可满足机器人位姿检测的需要,且无需特殊的机械工装,具有良好的通用性;基于多姿态约束的非线性标定方法具有良好的鲁棒性,可有效的减小因机器人运动模型不准确引起的标定误差。     

采用标准长度的激光多边法坐标测量系统自标定算法

基于多路激光跟踪干涉仪测长的坐标测量系统在大尺寸测量领域具有显著的优越性,准确标定系统参数是实现高精度坐标测量的关键。为了克服传统自标定方法的缺点,提出了一种采用标准长度的改进自标定算法。该算法首先在稳定的基座上设置固定点,在X、Y、Z方向分别产生用激光干涉法精确测得的标准长度,然后将标准长度用于构造自标定的优化函数。通过提高相应优化函数的权重,进一步提高坐标测量精度。通过仿真实验证明了该算法的可行性。采用独立的激光干涉仪验证系统在大尺寸范围内的测量精度,当测量点分布在距系统坐标系原点［7.0 m,8.3 m］区间内,两组实验误差均分布在［-9.5 μm,4.6 μm］区间内,结果表明所提出自标定算法可显著提高大尺寸空间坐标测量精度。     

基于视觉的工业机器人码垛系统设计与分析

目的 为提高企业工件的码垛效率,降低工人劳动强度,搭建工业机器人视觉码垛实验系统.方法 在对工业机器人运动学模型分析的基础上,通过相机坐标系和末端坐标系的坐标关系,得到工业机器人末端执行器的位置和姿态信息.结果 提出了基于工件位置坐标的图像剔除算法,实现了多余工件图像的剔除.通过旋转平移矩阵计算待码垛工件的实际位置,并将此位置作为视觉校正后的工业机器人抓取工件位置.结论 实验结果显示改进后系统的重复性定位精度在x,y方向上均有显著提高,验证了工业机器人视觉码垛系统模型的准确性.     

基于对偶四元数的单目视觉目标位姿测量

目的在机器人视觉应用领域中,为控制机器人能够完成焊接、搬运、跟踪等任务,需要确定摄像机与目标之间的相对位姿关系,提出一种目标位姿测量方法。方法利用单摄像机获取目标特征,坐标变换参数表示为对偶四元数的形式,同时计算旋转矩阵和平移向量,构建位置向量和方向向量的测量值与模型值之间的误差方程,利用Hopfield神经网络实现拉格朗日乘子法,求解目标位姿最优解。结果利用Matlab软件平台,选择SVD,DQ以及文中算法进行比较,仿真实验结果表明,基于Hopfield神经网络和对偶四元数的位姿测量算法计算出的位姿参数误差最小。随着测量点数量的增大,文中提出的算法精度更高。结论对偶四元数同时求解位姿变换矩阵的旋转分量和平移分量,可消除计算误差,基于Hopfield神经网络和拉格朗日乘子法,可快速准确地计算,并收敛至目标位姿最优解。