The invention provides a method of robot hand-eye calibration based on neural network, which determines NDI coordinate system, NDI tool coordinate system and robot coordinate system; calibrates the tool tip of the TCP end of the manipulator according to NDI coordinate system and tool coordinate system, and obtains the tool tip position; collects m point sets, each point set includes the coordinate positions of tool tip under NDI coordinate system, respectively. The position and rotation matrix of tools in robot coordinate system are transformed from robot coordinate system to NDI coordinate system based on Rodriguez rotation formula. The forward propagation network is constructed. Based on the forward propagation network, the back propagation network is generated, and the partial derivative of parameters is obtained. The hand-eye calibration matrix is obtained by using Newton gradient descent. The method is convenient, fast, easy to implement and accurate in calibration. During the calibration process, the manipulator does not need to rotate around a point, and the attitude can be collected arbitrarily in space.
【技术实现步骤摘要】
基于神经网络的机器人手眼标定方法
本专利技术涉及计算机视觉领域,具体地,涉及一种基于神经网络的机器人手眼标定方法。
技术介绍
在机器人的使用过程中,时常需要对机械臂进行标定,标定机械臂的末端某一点和机械臂末端中心处的坐标关系,传统方式中往往采用人工示教或者通过相机进行坐标变换的方式进行,比如人工示教用手掰机械臂,使机械臂到某个固定位置进行抓取,这种方式比较低效并且由于机械臂对周围环境毫无感知能力,如果机械臂位置或是物体位置发生变化,机械臂则抓不到物体。通过相机进行坐标变换往往需要大量的计算和测量,计算过程较为复杂,并且需要图像处理手段进行协同,往往也需要人工干预,实施手段繁琐。专利文献CN108436909A公开了一种基于ROS的相机和机器人的手眼标定方法,通过搭建视觉系统,使机械臂及其操作对象在相机视野范围内,然后分别建立相机和机械臂与ROS的通信机制,一方面实现机械臂的运动控制,一方面获取相机图像和机械臂状态,进行数据的采集,然后进行相机的内参和外参标定,获得相机参数,最后根据相机安装方式的不同自动进行相机和机械臂的手眼标定,获得手眼标定矩阵。实现了相机和机械臂的自动手眼标定,减小了人工干预,整个标定过程只需要调用两次终端命令,自主程度高,不限制相机类型以及数量,不限制机械臂类型,可扩展性强,标定过程只需要打印一张A4的棋盘格纸,不需要作任何标记,方便实用。上述专利文献采用A4棋盘格坐标顶,但是由于A4棋盘格比较大,不适合将棋盘格绑定在机械臂上;且算法只使用了两次终端命令,虽快速,但却不准确;摄像机本身就有误差,尤其是深度上的误差更是可以大于5mm,在 ...
【技术保护点】
1.一种基于神经网络的机器人手眼标定方法,其特征在于,包括:坐标系确定步骤:分别确定红外定位装置NDI的NDI坐标系、机械臂TCP末端的NDI工具坐标系、机器人坐标系;尖端标定步骤:根据NDI坐标系和工具坐标系,对机械臂TCP末端的工具尖端进行位置标定,得到工具尖端位置;数据采集步骤:采集m个点集组,每个点集组分别包括NDI坐标系下的工具尖端的坐标位置Pndi、机器人坐标系下的工具的位置和旋转矩阵Mrobot,设置NDI工具坐标系下工具尖端的位置Probot,从机器人坐标系转换到NDI坐标系的转换矩阵Mrobot2ndi,所述工具尖端的坐标位置Pndi满足Pndi=Mrobot2ndi*Mrobot*Probot;神经网络构建步骤:基于罗德里格旋转公式对转换矩阵Mrobot2ndi进行转换,构建正向传播网络,基于正向传播网络,生成反向传播网络,得到参数的偏导数;坐标求解步骤:基于偏导数,采用牛顿梯度下降进行计算,得到手眼标定矩阵。
【技术特征摘要】
1.一种基于神经网络的机器人手眼标定方法,其特征在于,包括:坐标系确定步骤:分别确定红外定位装置NDI的NDI坐标系、机械臂TCP末端的NDI工具坐标系、机器人坐标系;尖端标定步骤:根据NDI坐标系和工具坐标系,对机械臂TCP末端的工具尖端进行位置标定,得到工具尖端位置;数据采集步骤:采集m个点集组,每个点集组分别包括NDI坐标系下的工具尖端的坐标位置Pndi、机器人坐标系下的工具的位置和旋转矩阵Mrobot,设置NDI工具坐标系下工具尖端的位置Probot,从机器人坐标系转换到NDI坐标系的转换矩阵Mrobot2ndi,所述工具尖端的坐标位置Pndi满足Pndi=Mrobot2ndi*Mrobot*Probot;神经网络构建步骤:基于罗德里格旋转公式对转换矩阵Mrobot2ndi进行转换,构建正向传播网络,基于正向传播网络,生成反向传播网络,得到参数的偏导数;坐标求解步骤:基于偏导数,采用牛顿梯度下降进行计算,得到手眼标定矩阵。2.根据权利要求1所述的基于神经网络的机器人手眼标定方法,其特征在于,所述...
【专利技术属性】
技术研发人员:肖建如,吕天予,
申请(专利权)人:上海嘉奥信息科技发展有限公司,
类型:发明
国别省市:上海,31
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。