基于粒子群优化算法的工业机器人与外部轴标定

提出一种新的标定方法标定外部轴工作台与机器人工具间的坐标转换关系。该方法分为三步：首先,建立系统的数学模型,并根据模型标定机器人手腕与接触式距离传感器间的坐标转换关系,从而机器人和距离传感器组成机器人测量系统。然后,按预定程序移动检测目标,利用标定好的机器人测量系统测量并采集数据,初步标定出外部轴的转轴和俯仰两轴与机器人基础坐标系间的转换关系。最后,确定优化的目标函数,利用粒子群优化算法优化关键参数以提高系统的整体精度。试验结果验证了该标定方法的有效性。     

基于MPSO-BP算法的摄像机标定的应用研究

摄像机标定在光学应用系统中是一个必不可少的步骤,大量的直接信息都来源于图像。为获得精确的摄像头内外参数,提出一种利用改进粒子群算法训练小波神经网络进行摄像机标定的方法。该算法中引入随机粒子群机制,可以有效地克服传统算法收敛速度慢、易陷于局部极小值等缺点。标定实例仿真和分析表明,该算法在收敛速度、计算精度和平均收敛性能方面都有较大改进,可有效确定摄像机的内外参数。     

变异机制粒子群优化的摄像机内参数校准

针对大空间单目视觉系统中摄像机内参数校准精度对整体测量精度影响较大这一问题,本文提出一种基于变异机制粒子群优化(MMPSO)算法的摄像机内参数虚拟三维校准方法。该方法基于分阶段最优化思路,通过建立摄像机成像模型对摄像机外参数及部分内参数进行初始值估计,再通过MMPSO算法对内参数进行优化校准确定最终的结果。实验中为了提供精确的校准控制点,搭建了校准硬件平台,将红外发光二极管固定于三坐标测量机测头上并跟随测头移动,构造一个大空间虚拟三维校准板。实验结果表明:主要的10个内参数均达到测量精度要求的数量级,验证了该方法的有效性。通过单目视觉坐标测量系统对两种校准方法所得结果进行等距测量实验,基于Janne Heikkila的三维校准法的总体标准差为0.112mm,基于MMPSO算法的虚拟三维校准法的总体标准差为0.084mm。通过对比实测数据标准差,可以证明本文提出的校准方法稳定性更好,精度更高。该方法能够满足大空间单目视觉坐标测量系统对摄像机内参数精度的要求,对视觉坐标测量技术领域中的摄像机校准等非线性优化问题具有一定指导作用。     

一种基于OpenCV和Tsai的摄像机两步标定新方法

为实现成形加工系统中摄像机标定技术,对开放计算机视觉函数库OpenCV进行了分析。在Tsai方法基础上,结合传统摄像机标定原理,充分考虑了透镜的径向畸变和切向畸变影响及求解算法,给出了一种适应于成形加工的MVS摄像机标定新方法。实验结果表明,该算法不仅具有良好的跨平台移植性,而且提高了标定精度和计算效率,能高效地获得相应的标定参数,可以满足一般成形加工中机器视觉系统的需要。     

CMOS摄像机标定实验研究

当今,CMOS摄像机在机器视觉领域已得到广泛应用,对CMOS摄像机的标定是一个必不可少的重要环节。文章介绍了CMOS摄像机的成像模型和标定的方法及流程,并基于HALCON,应用传统标定法中的最优化算法的标定方法实现对CMOS摄像机的标定。实验标定的结果表明,该方法精度高、鲁棒性好,可以有效地应用于各种计算机视觉系统中。     

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。     

基于混合群智能优化的机器人立体视觉标定

准确的立体视觉模型是机器人高精密视觉定位的基础,而传统的单一非线性优化算法难以实现稳定和高精度的机器人立体视觉标定。结合遗传算法全局搜索能力强和粒子群算法局部搜索能力强的特点,提出了一种基于混合群智能优化的机器人立体视觉三步标定方法。针对非线性视觉模型,标定第一步和第二步分别对两个摄像机模型单独作线性初值求解和初次非线性优化,第三步对双目立体视觉模型作联合非线性优化,直接线性变换、遗传算法、粒子群算法分别作用于标定的三个步骤,每一步计算的结果被用作下一步的初始化。仿真试验分析与实际试验结果表明,相对于传统的优化标定方法和使用单一群智能优化算法的标定方法,该方法在噪声环境下具有更高的准确性和鲁棒性,能够更好满足机器人精密视觉操作的需求。     

粒子群优化算法综述

首先介绍了PSO的原理及具体实现步骤;然后针对PSO算法在搜索的初期收敛速度很快,但在后期却易于陷入局部最优的缺点,提出了各种改进办法;最后介绍了PSO算法的应用领域以及研究展望.     

摄像机标定中一种约束条件选择方法

目前在摄像机标定中,普遍采用最小二乘法,约束条件选择对计算精度有很大影响.对以往的约束条件选择进行了分析和总结,提出了一种新的约束条件选择方法.经过数学推导得到计算公式.解算过程避免了解非线性方程.它充分考虑了参数之间的约束关系,利用正交矩阵保证Frobenius范数不变性来选择约束条件.使误差能按参数之间约束关系进行分配,从而能提高摄像机标定精度.     

基于遗传算法的像机虚拟立体校准技术研究

给出了一种基于遗传优化算法的虚拟立体校准方法。利用红外发光二极管随三坐标测量机的测头做定间距移动构造了一个立体校准模板,通过奇异值分解算法初始估计校准参数,最后,通过遗传算法优化求解所有校准参数。实验中校准点的空间位置反推误差小于0.04 mm,表明该方法能够解决像机内参数精确校准问题,可以满足大尺寸视觉坐标测量技术对摄像机内参数精确校准的要求。     

基于精确控制点的立体像机校准技术

给出了将改进的两步法与精确控制点相结合来精确校准立体像机的新技术,像机镜头畸变模型考虑了径向畸变和切向畸变.利用红外发光二极管随三坐标测量机测头移动以确定间距来形成立体校准模板上的精确控制点.校准程序包括先使用位于图像中心的控制点来线性求取部分校准参数,然后再使用所有控制点来迭代优化所有参数.实验中使用非线性优化参数来反推控制点的空间位置,发现精度比线性求解参数提高了0.11 mm,结果表明,此技术可以满足像机精确校准和测量的要求.     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

基于粒子群算法的永磁电机优化设计

将粒子群算法应用到永磁电机的多目标优化设计。利用Matlab脚本语言跨平台调用电磁场分析软件Ansoft Maxwell,建立永磁电机设计的参数化建模方式,实现多目标优化设计。实验表明脚本化建模及多目标优化的可行性,能直接应用到电机的设计制造中。     

一种考虑畸变的摄像机线性标定简化方法

根据视觉机器人系统结构特殊的特点,作了大量的简化,采用线性标定方法.但考虑到摄像机的视场仍然比较大,提出了基于拟合平面的线性畸变纠正方法,将畸变的图像坐标纠正到理想图像坐标,而后根据摄像机线性标定模型,计算出世界坐标,完成标定工作.实验结果表明,该方法简单、快捷,且精度也能达到较高的水准.     

基于QPSO的重载齿轮多目标优化设计

粒子群优化算法(PSO)是一种基于群智能的优化方法,量子粒子群优化算法(QPSO)是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多目标、多约束条件的重载齿轮的优化设计,本文提出了一种基于QPSO优化求解的设计方法;实践表明能够快速、有效求得优化解,是求解重载齿轮优化设计问题的一个较好方案。     

采用移动光靶标的分区域相机标定

针对工业视觉测量中的摄像机标定精度及效率低的问题,提出一种高精度CCD相机分区域标定方法。该方法首先利用三坐标测量机(CMM)带动圆形发光二极管(LED)光靶标按梯形台状做精确空间移动,结合最小二乘椭圆拟合算法求解光靶标的像面位置,并与CMM三维坐标形成精确的空间标定点集。同时,将像平面按圆环形对称结构分割成N个区域,并结合改进的Tsai算法分别对每个子区域进行相机参数的标定。标定实验结果表明:经过分区域标定,相机采集点的总误差比单区域标定法降低了17%(N=8),单点平均误差降低了20%左右。算法可实现自动精确标定点采集,操作过程简单,基本满足中等精度的工业测量要求。所提出的相机标定法可应用于工业视觉测量,特别是大工件测量领域。