基于RANSAC的便携式激光扫描测量臂手眼标定方法技术

本发明专利技术提供了一种将现有手眼标定方法与随机采样一致性算法(RANSAC，Random Sample Consensus)结合的新的手眼标定方法，能有效地解决标定数据的筛选问题并同时提高手眼标定算法的精度和鲁棒性；包括以下步骤：设定数据筛选原则，综合考虑关节臂末端相对运动旋转轴之间的夹角和测量臂与扫描测头相对运动的旋转角差值两因素；利用RANSAC算法对标定数据进行阈值自适应预筛选；利用现有的手眼标定算法对筛选后的标定数据进行估计；其中通过增大机器人手臂末端执行器两次相对运动旋转轴之间的夹角∠(k

Hand eye calibration method of portable laser scanning arm based on RANSAC

The invention provides a method for applying existing hand eye calibration method and random sample consensus algorithm (RANSAC, Random Sample Consensus) combined with new hand eye calibration method, can effectively solve the problem of data screening and calibration and improve hand eye calibration accuracy and robustness of the algorithm; comprises the following steps: setting the data screening principle at the end of considering joint arm relative motion between the axis of rotation angle and rotation angle measurement arm and the scan head difference of relative motion of two factors; screening threshold adaptive pre calibration data using the RANSAC algorithm; the use of existing hand eye calibration algorithm of calibration data after screening estimate; which by increasing the robot end effector the two relative motion of an included angle between the rotational axes (k

【技术实现步骤摘要】
基于RANSAC的便携式激光扫描测量臂手眼标定方法
本专利技术涉及机器人手眼标定领域，特别涉及一种关节臂式三坐标测量机手眼关系的数据筛选领域。
技术介绍
近年来，大型飞机、船舶、机车等现代大型装备制造业领域对大范围现场快速、高效率、高精度测量技术的需求越来越多，因此便携、快速、高精度测量成为精密测量技术的一个重要发展方向。便携式测量臂以其测量精度高、操作方便和结构简单等优势，具有传统三坐标测量机无可比拟的灵活性，在便携式测量臂末端安装激光扫描测头，就可以将其应用范围拓展到机器视觉测量领域。目前，测量臂末端与激光扫描测头的坐标变换关系主要是建立二者之间的手眼标定矩阵方程。手眼标定问题由Tsai和Shiu于1989年首次提出，最早被用于机器人的手眼标定，随着仪器科学技术的飞速发展，其应用范围越来越广泛，且一直是计算机视觉领域研究热点。1989年，Tsai提出基于旋转轴与旋转角的经典变换算法解决手眼标定问题，但算法十分复杂、计算过程繁复，实用性差。同年，Shiu提出了手眼标定的闭环线性解法，该算法由于分步求出的旋转矩阵和平移向量，存在误差传递的问题，求解精度不高。1991年，Zhuang提出了基于四元数方程的一步线性法和两步线性法，该算法简化了推导过程，但没有考虑到视觉传感器与机器人手臂末端执行器之间的相对旋转角问题，数值稳定性差。1999年，Daniilidis采用对偶四元数和螺旋理论的方法得出了线性闭环解法，该算法计算步骤简洁，但对测量噪声十分敏感，鲁棒性不高。1999年，Andreff等提出了基于矩阵直积的线性闭环解法，该算法适用于标定小角度移动的测量场合，但求解的结果通常情况下并不满足旋转矩阵的正交和单位特性，需要再进行正交化，求解精度有限。2008年，李爱国，胡英，马孜提出了同时确定手眼关系以及机器人坐标系到世界坐标系关系的两种算法。2010年，AbedMalti为了避免平移向量的误差对旋转矩阵求解精度的影响，结合欧氏运动群SE(3)，提出一种改进的对偶四元数算法，增强了标定结果的精度和鲁棒性。2010年，毛剑飞等给出了手眼标定算法的四元数矩阵分析与几何解释的对照。2011年，王君臣等分别基于卡尔曼滤波和极大似然估计的思想对测量噪声进行了处理，提高了标定的精度。2015年，王金桥等利用遗传算法优化手眼标定算法的数学模型。这些研究较好地解决了手眼标定的求解算法问题，但标定数据的筛选对标定精度具有至关重要的影响，还需做进一步的研究，提高手眼标定算法的鲁棒性。因此，需要一种能有效地解决标定数据的筛选问题并同时提高手眼标定算法的鲁棒性的基于RANSAC的便携式激光扫描测量臂手眼标定方法。
技术实现思路
本专利技术的目的在于提供一种将现有手眼标定方法与随机采样一致性算法(RANSAC，RandomSampleConsensus)结合的新的手眼标定方法，能有效地解决标定数据的筛选问题并同时提高手眼标定算法的精度和鲁棒性。具体的，本专利技术提供的一种基于RANSAC的便携式激光扫描测量臂手眼标定方法，包括以下步骤：设定数据筛选原则，综合考虑关节臂末端相对运动旋转轴之间的夹角和测量臂与扫描测头相对运动的旋转角差值两因素；利用RANSAC算法对标定数据进行阈值自适应预筛选；利用现有的手眼标定算法对筛选后的标定数据进行估计。定义A表示视觉传感器的变换矩阵，B表示机器人手臂末端执行器的变换矩阵，X表示手眼变换关系矩阵，则手眼标定方程为AX＝XB，可以用旋转矩阵R和平移向量t表示为：RARX＝RXRB(1)(RA-I3)tX＝RXtB-tA(2)由上述方程可知：至少需要两次旋转轴非平行的相对位姿变换可唯一确定手眼关系X。手眼标定方程的求解算法主要有轴角表示法、四元数法、矩阵直积法以及对偶四元数法，各算法在求解精度、效率以及鲁棒性上存在一定的差异，其中，除了算法本身会影响标定方程的求解精度，Tsai推导和证明了标定数据的选择同样会影响标定方程的求解精度。假定标定数据中旋转矩阵R的标定误差为ΔR，得到旋转矩阵的误差公式：R'A＝RA-ΔRAR'B＝RB-ΔRB(3)式中∠(kAij,kAjk)表示两次相对运动的旋转轴夹角，θA表示相对运动的旋转角度，由上述公式可知提高手眼标定方程中旋转矩阵求解精度的因素为：①增大机器人手臂末端执行器两次相对运动旋转轴之间的夹角∠(kAij,kAjk)；②增大视觉传感器相对运动的旋转角，即增大机器人手臂末端执行器与摄像机坐标系相对运动的旋转角度误差Δθ。本专利技术的有益效果在于提供一种阈值自适应的数据筛选方法，是对机器手和摄像机的标定数据进行预先筛选，设定旋转轴夹角自适应更新和抽样次数自适应更新的原则，结合RANSAC思想提出一种阈值自适应的数据筛选方法，从而提高手眼标定方程的鲁棒性和求解精度。应当理解，前述大体的描述和后续详尽的描述均为示例性说明和解释，并不应当用作对本专利技术所要求保护内容的限制。附图说明参考随附的附图，本专利技术更多的目的、功能和优点将通过本专利技术实施方式的如下描述得以阐明，其中：图1示意性示出本专利技术的阈值自适应的数据筛选方法的算法步骤图。图2示意性示出筛选前后旋转向量误差。图3示意性示出筛选前后平移向量误差。具体实施方式通过参考示范性实施例，本专利技术的目的和功能以及用于实现这些目的和功能的方法将得以阐明。然而，本专利技术并不受限于以下所公开的示范性实施例；可以通过不同形式来对其加以实现。说明书的实质仅仅是帮助相关领域技术人员综合理解本专利技术的具体细节。在下文中，将参考附图描述本专利技术的实施例。在附图中，相同的附图标记代表相同或类似的部件，或者相同或类似的步骤。本专利技术提供一种基于RANSAC的便携式激光扫描测量臂手眼标定方法，有效地提高了标定算法的精度和鲁棒性，该方法包括以下步骤：步骤一，设定数据筛选原则，综合考虑关节臂末端相对运动旋转轴之间的夹角和测量臂与扫描测头相对运动的旋转角差值两因素；步骤二，利用RANSAC算法对标定数据进行阈值自适应预筛选；步骤三，利用现有的手眼标定算法对筛选后的标定数据进行估计。所述的RANSAC的算法是由Fischler和Bolles于1981年所引入的鲁棒方法，最初用于确定摄像机姿态的研究，随着科学技术的发展，其应用领域已经广泛深入到计算机视觉领域和其它学科的估计问题。针对两个手眼标定精度影响因素，设定旋转轴夹角自适应更新和抽样次数自适应更新的原则，同时考虑到标定的鲁棒性和快速性，结合RANSAC思想提出一种阈值自适应的数据筛选方法。步骤一中的数据筛选原则为：通过①增大机器人手臂末端执行器两次相对运动旋转轴之间的夹角∠(kAij,kAjk)；②增大视觉传感器相对运动的旋转角，即增大机器人手臂末端执行器与摄像机坐标系相对运动的旋转角度误差Δθ，从而实现提高手眼标定方程中旋转矩阵求解精度。图1是本专利技术步骤二中的阈值自适应的数据筛选方法的算法步骤图，如图1所示本专利技术的阈值自适应的数据筛选方法的基本步骤如下：I.对旋转矩阵的旋转角进行预筛选。旋转角接近0°或180°，不满足罗德里格旋转角特性，旋转轴具有歧义性。II.设置初始内点比例ω0和初始抽样次数K0。其中，ω0＝n0/N，K0＝logz/log(1-ω2)，z为K0次抽样均为坏样本的概率，N为I预筛选后的数集空间点总本文档来自技高网...

【技术保护点】
一种基于RANSAC的便携式激光扫描测量臂手眼标定方法，将现有手眼标定方法与随机采样一致性算法结合的新的手眼标定方法，包括以下步骤：设定数据筛选原则，综合考虑关节臂末端相对运动旋转轴之间的夹角和测量臂与扫描测头相对运动的旋转角差值两因素；利用RANSAC算法对标定数据进行阈值自适应预筛选；利用现有的手眼标定算法对筛选后的标定数据进行估计。

【技术特征摘要】
2016.11.02 CN 20161094625031.一种基于RANSAC的便携式激光扫描测量臂手眼标定方法，将现有手眼标定方法与随机采样一致性算法结合的新的手眼标定方法，包括以下步骤：设定数据筛选原则，综合考虑关节臂末端相对运动旋转轴之间的夹角和测量臂与扫描测头相对运动的旋转角差值两因素；利用RANSAC算法对标定数据进行阈值自适应预筛选；利用现有的手眼标定算法对筛选后的标定数据进行估计。2.根据权利要求1所述的便携式激光扫描测量臂手眼标定方法，其特征在于，所述的阈值自适应的数据筛选方法的基本步骤如下：I.对旋转矩阵的旋转角进行预筛选，旋转角接近0°或180°，不满足罗德里格旋转角特性，旋转轴具有歧义性；II.设置初始内点比例ω0和初始抽样次数K0，其中，ω0＝n0/N，K0＝logz/log(1-ω2)，z为K0次抽样均为坏样本的概率，N为I预筛选后的数集空间点总数，n0为初始内点个数；III.任意抽取两次相对运动i,j，计算旋转轴ri,rj的夹角θij，使夹角满足条件：90°-θt＜θij＜90°+θt，θt为角度阈值，测量臂两次相对运动旋转轴之间的最优夹角为90°，根据该原则筛选出符合条件的点，通过数据筛选更新内点比例ωi，若ωi>ω0，则ω0＝ωi，并更新K0；IV.更新内点个数n0，判断内点个数是否满足实验预设个数(本发明设定为15)，若n0<15，则更新筛选阈值θt，θt＝θt+1；V.判断抽样次数是否超过K0，若超过则停止抽样，否则，返回III。3.根据权利要求1所述的便携式激光扫描测量臂手眼标定方法，其特征在于，采用以目的为导向的精度评价方法进行精度评估，具体方法如下：根据已标定的手眼关系X和未参与计算X的机械手运动模型提供的变换矩阵Bi来计算摄像机变换矩阵的估计值将摄像机标定数据中的每个...

【专利技术属性】
技术研发人员：董明利，吴晗，娄小平，孟晓辰，樊凡，刘超，祝连庆，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：北京,11