消除机械臂累积误差的手眼标定方法技术

本发明专利技术公开了一种消除机械臂累积误差的手眼标定方法，通过移动机器人机械臂至N组不同的姿态，并获取第一相机采集到的第一标定板的第一组图像以及第二相机采集到的第二标定板的第二组图像，其中，第一相机和第二标定板分别安装在机器人机械臂上，第二相机和第一标定板分别安装在机器人外。并采用第二相机与第二标定板的坐标系间的位姿变换代替机器人基坐标系与机器人机械臂上法兰的坐标系间的位姿变换，利用第二相机和第二标定板间的外参矩阵进行手眼标定，避免了使用机器人正运动学求解的坐标，达到了消除机械臂累积误差效果，标定结果准确可靠。定结果准确可靠。定结果准确可靠。

【技术实现步骤摘要】
消除机械臂累积误差的手眼标定方法


[0001]本专利技术涉及手眼标定领域，具体涉及一种消除机械臂累积误差的手眼标定方法。

技术介绍

[0002]视觉测量技术与机器人技术相结合，使得机器人能够“看见”物体，自动完成零件识别、定位、检测和加工等，该技术已成为当前机器人视觉研究的难点与热点，手眼标定是机器人视觉的前提条件，也是机器视觉的重点研究内容之一。
[0003]目前，手眼系统按安装方式的不同可分为：眼在手外(Eye
‑
to
‑
hand)和眼在手上(Eye
‑
in
‑
hand)。在Eye
‑
to
‑
hand手眼系统中，手眼标定即解决机械臂基座与测量系统之间的关系，将相机固定在机械臂工作空间的某个位置，不随机械臂运动，可以同时获得机械臂与工作空间的信息，但是在机械臂运动时会出现遮挡现象，灵活性差。在Eye
‑
in
‑
hand系统中，手眼标定即解决机器人执行器末端与测量系统之间的关系问题。将测量系统安装在机械臂末端执行器上，当机械臂运动时，相机也跟随着运动，视野范围广。但在这两种系统的求解中，都必须用到机械臂正运动学求解得到的法兰坐标，这不可避免地引入了机械臂累积误差，也是手眼标定精度不高的主要原因之一。

技术实现思路

[0004]针对上述提到的存在机械臂累积误差等问题。本申请的实施例的目的在于提出了一种消除机械臂累积误差的手眼标定方法，来解决以上
技术介绍
部分提到的技术问题。
[0005]第一方面，本申请的实施例提供了一种消除机械臂累积误差的手眼标定方法，包括以下步骤：
[0006]S1，移动机器人机械臂至N组不同的姿态，并获取第一相机采集到的第一标定板的第一组图像以及第二相机采集到的第二标定板的第二组图像，其中，第一相机和第二标定板分别安装在机器人机械臂上，第二相机和第一标定板分别安装在机器人外；
[0007]S2，根据第一组图像与第二组图像分别对第一相机和第二相机进行相机标定，得到第一相机的第一内参矩阵M
C
、第一畸变系数D
C
及第一外参矩阵和第二相机的第二内参矩阵M
C'
、第二畸变系数D
C'
及第二外参矩阵其中i＝1,2,...,N；
[0008]S3，通过光束法平差优化对第二外参矩阵进行优化，更新得到优化第二外参矩阵
[0009]S4，根据第一外参矩阵和优化第二外参矩阵构建手眼标定模型，并计算得到手眼关系矩阵。
[0010]在一些实施例中，步骤S1中第一相机和第二相机分别安装在机器人机械臂末端法兰的第一位置和机器人外的第一位置；第一标定板与第二标定板分别安装在机器人外的第
二位置和机器人机械臂末端法兰的第二位置，并使得机器人机械臂末端法兰原点与标定板坐标原点重合。
[0011]在一些实施例中，步骤S2中采用张正友标定法分别对第一相机和第二相机进行相机标定。
[0012]在一些实施例中，步骤S3具体包括：
[0013]根据第二内参矩阵M
C'
、第二畸变系数D
C'
及第二外参矩阵建立以下代价函数：
[0014][0015]其中，N为拍摄图片的数量，K为一张标定板图像上特征点的数量，z
ij
为检测出的标定板图像坐标，P为空间特征点在世界坐标系下的坐标，为空间特征点从世界坐标系反投影到像素坐标系的计算函数，以最小化代价函数为目标，保持第二内参矩阵和第二畸变系数不变，只对第二外参矩阵进行光束法平差优化，迭代计算得到优化第二外参矩阵
[0016]在一些实施例中，的具体计算过程包括：
[0017]将空间特征点在世界坐标系下的坐标转换为相机坐标系下的坐标：
[0018]P'＝T
i
P＝[X' Y' Z']；
[0019]其中，P
′
为P点在相机坐标系下的坐标，T
i
为世界坐标系与相机坐标系的转换矩阵，其中，将P投影至归一化平面，得到归一化物理坐标：
[0020][0021]其中，P
c
为归一化物理坐标，根据第二内参矩阵M
C'
中图像物理坐标系与像素坐标系之间的关系，获得特征点的像素坐标(u
c
，v
c
)
[0022][0023]其中f
xc
、f
yc
为有效焦距，(c
xc
，c
yc
)为相机主点坐标。
[0024]考虑镜头的畸变情况，得到去畸变前的原始图像坐标：
[0025]u
c
＝u
′
c
(1+k1r2+k2r4+k3r6)+2p1v'
c
+p2(r2+2u
′
c2
)；
[0026]v
c
＝v'
c
(1+k1r2+k2r4+k3r6)+p1(r2+2v'
c2
)+2p2u
′
c
；
[0027]其中，(u'
c
，v'
c
)为去畸变前的图像坐标，(u
c
，v
c
)为去畸变后的图像坐标，第二畸变系数D
C'
包括(k1，k2，k3，p1,p2)，其中k1、k2、k3为径向畸变参数，p1、p2为切向畸变参数，r为像素距离，其中，(u'
c
，v'
c
)为计算反投影得到的像素坐标。
[0028]在一些实施例中，步骤S4具体包括：
[0029]S41，根据第一外参矩阵和优化第二外参矩阵获得第一相机在i姿态和j姿态之间的相机坐标的转换矩阵A
ij
以及第一标定板在i姿态和j姿态之间的标定板坐标的
转换矩阵B
ij
；
[0030]S42，构建A
ij
X＝XB
ij
手眼标定模型，通过李群和李代数的方法求解得到手眼关系矩阵X。
[0031]在一些实施例中，相机坐标的转换矩阵A
ij
的计算公式为：标定板坐标的转换矩阵B
ij
的计算公式为：
[0032]第二方面，本申请的实施例提供了一种消除机械臂累积误差的手眼标定装置，包括：
[0033]数据采集模块，被配置为移动机械臂至N组不同的姿态，并获取第一相机采集到的第一标定板的第一组图像以及第二相机采集到的第二标定板的第二组图像，其中，第一相机和第二标定板分别安装在机器人机械臂上；
[0034]相机标定模块，被配置为根据第一组图像与第二组图像分别对第一相机和第二相机进行相机标定，得到第一相机的第一内参矩阵M
C
、第一畸变系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种消除机械臂累积误差的手眼标定方法，其特征在于，包括以下步骤：S1，移动机器人机械臂至N组不同的姿态，并获取第一相机采集到的第一标定板的第一组图像以及第二相机采集到的第二标定板的第二组图像，其中，所述第一相机和所述第二标定板分别安装在机器人机械臂上，所述第二相机和所述第一标定板分别安装在机器人外；S2，根据所述第一组图像与所述第二组图像分别对所述第一相机和所述第二相机进行相机标定，得到所述第一相机的第一内参矩阵M
C
、第一畸变系数D
C
及第一外参矩阵和所述第二相机的第二内参矩阵M
C'
、第二畸变系数D
C'
及第二外参矩阵其中i＝1,2,...,N；S3，通过光束法平差优化对所述第二外参矩阵进行优化，更新得到优化第二外参矩阵S4，根据所述第一外参矩阵和所述优化第二外参矩阵构建手眼标定模型，并计算得到手眼关系矩阵。2.根据权利要求1所述的消除机械臂累积误差的手眼标定方法，其特征在于，所述步骤S1中所述第一相机和所述第二相机分别安装在机器人机械臂末端法兰的第一位置和机器人外的第一位置；所述第一标定板与所述第二标定板分别安装在机器人外的第二位置和机器人机械臂末端法兰的第二位置，并使得机器人机械臂末端法兰原点与第一标定板坐标原点重合。3.根据权利要求1所述的消除机械臂累积误差的手眼标定方法，其特征在于，所述步骤S2中采用张正友标定法分别对所述第一相机和所述第二相机进行相机标定。4.根据权利要求1所述的消除机械臂累积误差的手眼标定方法，其特征在于，所述步骤S3具体包括：根据所述第二内参矩阵M
C'
、第二畸变系数D
C'
及第二外参矩阵建立以下代价函数：其中，N为拍摄图片的数量，K为一张标定板图像上特征点的数量，z
ij
为检测出的标定板图像坐标，P为空间特征点在世界坐标系下的坐标，为空间特征点从世界坐标系反投影到像素坐标系的计算函数，以最小化代价函数为目标，保持第二内参矩阵和第二畸变系数不变，只对第二外参矩阵进行光束法平差优化，迭代计算得到优化第二外参矩阵5.根据权利要求4所述的消除机械臂累积误差的手眼标定方法，其特征在于，所述的具体计算过程包括：将空间特征点在世界坐标系下的坐标转换为相机坐标系下的坐标：
P'＝T
i
P＝[X' Y' Z']；其中，P
′
为P点在相机坐标系下的坐标，T
i
为世界坐标系与相机坐标系的转换矩阵，其中，将P投影至归一化平面，得到归一化物理坐标：P
c

【专利技术属性】
技术研发人员：林俊义，林群鸿，张雪枫，江开勇，
申请(专利权)人：华侨大学，
类型：发明
国别省市：