【技术实现步骤摘要】
工业机器人重复定位精度测量方法
本专利技术涉及工业机器人重复定位精度测量方法。本专利技术属于工业自动化控制
,尤其涉及一种基于计算机视觉的工业机器人重复定位精度测量的方案与算法。该方法避免了测量装置和机器人之间的机械接触,可用于实现机器人定位参数的高精度标定和测量。
技术介绍
重复定位精度是工业机器人的重要技术参数,也是关于机器人的精度的重要参数之一。随着机械自动化的快速发展,机械自动化慢慢的应用在工业生产中,各种机器人是替代人工进行工件运输、加工的主要设备。在机器人的运动过程中,为了保证对于工件加工的精度,对于机器人运动的重复定位精度要求较高。专利号201410101895公开了一种工业机器人重复定位测试装置,解决激光跟踪仪在工业机器人重复定位精度测量中存在高速易丢光等局限性的问题。但是该装置使用激光传感器和大量位置调节装置,自身采购成本高,位置调节复杂,可靠性难以得到保证。专利号201510098569提供一种用于测量工业机器人重复定位精度的测试系统,采用激光传感器,测量精度得到提高,传输速率高,通讯方式灵活,而且不局限于单一工位的测量,可用应用于多工位机器人的重复定位精度的测量,但是传感器自身位置不固定,工厂应用过程中工人操作困难,难以实现正交方式。术语:准确度准确度是指在同样的测量条件下,同一被测量的连续测量结果中最终位置的平均值与期望位置之间的距离。重复定位精度重复定位精度指在同样的测量条件下,同一被测量的连续测量结果中不同最终位置点距离点云中心的距离,详见ISO9946:1999(en)。
技术实现思路
本专利技术所要解决的技术问题总的来说是 ...
【技术保护点】
1.一种工业机器人重复定位精度测量方法,其特征在于:该方法包括以下步骤,步骤一,将图像传感器固定于机械手臂末端,并随动于机械手臂,预先定义三维空域坐标系,在预先定义的三维空域坐标系中的每一正对位置点安装配准盘;步骤二,机械手臂往复运动于预先定义的三维空域坐标系中的两点或多点之间,在每次机械手臂到达正对位置点后,图像传感器拍摄预先放置的配准盘,并将生成图像信息传输到图像处理系统;步骤三,图像处理系统对每一位置点采集到的图像信息进行特征提取运算,并与该位置点的第一幅图像进行基于尺度不变特征的图像配准,从而获得机械手臂重复定位点云;步骤四,通过对点云的空间坐标变换,得到机械手臂的重复定位精度。
【技术特征摘要】
1.一种工业机器人重复定位精度测量方法,其特征在于:该方法包括以下步骤,步骤一,将图像传感器固定于机械手臂末端,并随动于机械手臂,预先定义三维空域坐标系,在预先定义的三维空域坐标系中的每一正对位置点安装配准盘;步骤二,机械手臂往复运动于预先定义的三维空域坐标系中的两点或多点之间,在每次机械手臂到达正对位置点后,图像传感器拍摄预先放置的配准盘,并将生成图像信息传输到图像处理系统;步骤三,图像处理系统对每一位置点采集到的图像信息进行特征提取运算,并与该位置点的第一幅图像进行基于尺度不变特征的图像配准,从而获得机械手臂重复定位点云;步骤四,通过对点云的空间坐标变换,得到机械手臂的重复定位精度。2.根据权利要求1所述的工业机器人重复定位精度测量方法,其特征在于:其中,利用SURF算法提取出图像的SURF特征描述算子,用KMeans算法进行预处理过滤的错误匹配,将不符合匹配条件的匹配或者错误匹配去除,再用RANSAC算法得到再次匹配。3.根据权利要求1所述的工业机器人重复定位精度测量方法,其特征在于:借助于测量装置,该测量装置包括支架底座(10)、设置在支架底座(10)上且平行移动的支撑架(3)、设置在支撑架(3)上且作为图像传感器图像数据的远心成像光学器件的相机(1)、设置在支撑架(3)横梁下方的机械臂(7)、设置在机械臂(7)末端的转动关节(6)、设置在转动关节(6)上的图像测量平台(5)、设置在图像测量平台(5)上且用于检测相机(1)且作为配准盘的校准网格(4)、转换器(8)、作为图像处理系统的计算机控制系统(9)、设置在机械臂(7)与转换器(8)之间的第一接线(12)、以及设置在计算机控制系统(9)与转换器(8)之间的第二接线(13)。4.根据权利要求3所述的工业机器人重复定位精度测量方法,其特征在于:该方法包括以下步骤,S1,启动工业机器人的测量装置;S2,设定机械手臂控制参数,控制参数包括要到达的目标位置的位移尺寸和旋转角度、以及往复运动的次数;S3,启动机械手臂,并触发图像传感器获取图像信号,若没有获取图像信号,检测系统重新启动机械手臂;S4,对图像传感器获取的图像进行图像增强处理,根据预设程序指令,图像增强处理是突出图像中设定的感兴趣的部分,减弱或去除设定的不需要的信息;S5,图像处理系统对图像增强处理后的图像进行快速Hession检测与卷积操作,计算特征采用经过方向配准的梯度方向直方图特征作为算法的特征;S6,构造特征描述算子;首先,在SURF算法中,在相对于第一幅图像,待匹配图的特征点周围取一个正方形框,框的边长为20s,s是所检测到该特征点所在的尺度,该框的方向是SURF算法中检测出来的主方向;然后,把该框分为16个子区域,每个子区域统计25个像素的水平方向和垂直方向的Haar小波特征,其水平和垂直方向都是相对主方向而言的,该Haar小波特征为水平方向值之和、水平方向绝对值之和、垂直方向之和、垂直方向绝对值之和,从而每个小区域就有4个值,所以每个特征点就是16×4=64维的向量;其中,该正方形框为图像测量平台(5);S7,特征点的粗匹配;首先,对两个图形的匹配是对两个图形各自特征点描述算子的相似性度量的检测,并用欧式距离进行计算:式中,Xik表示待匹配图中第i个特征描述算子的第k个元素,Xjk是参考图中第j个特征描述算子的第k个元素,n表示特征向量的维数,从而对于待匹配图上的特征点,计算它到参考图像上所有特征点的欧氏距离,得到一个距离集合;然后,通过对距离集合进行比较运算得到最小欧氏距离与次最小欧氏距离;其次,设...
【专利技术属性】
技术研发人员:张岩,李庆党,孙振,
申请(专利权)人:青岛科技大学,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。