一种基于改进SVD算法的机械臂手眼标定方法及系统技术方案

本发明专利技术公开了一种基于改进SVD算法的机械臂手眼标定方法及系统，其方法包括：建立机械臂基坐标系和光学系统坐标系；在相机可视范围内设置若干个标定位置，在机械臂末端设置标定工具；控制机械臂末端在若干个标定位置中移动，获取标定工具在机械臂基坐标系的第一数据集和在光学系统坐标系的第二数据集；获取第一数据集对应的第一标定数据集和第二数据集对应的第二标定数据集，形成手眼标定数据集后再运算转换为手眼转换矩阵；利用手眼转换矩阵对手眼标定数据集进行逆向反推与误差计算，判断手眼转换矩阵是否为最优解；若否，更新手眼标定数据集，返回确定新的手眼转换矩阵；若是，输出手眼转换矩阵。本发明专利技术可以提高机械臂手眼标定工作的精度。定工作的精度。定工作的精度。

【技术实现步骤摘要】
一种基于改进SVD算法的机械臂手眼标定方法及系统


[0001]本专利技术涉及机械臂应用
，具体是涉及一种基于改进SVD算法的机械臂手眼标定方法及系统。

技术介绍

[0002]机械臂手眼标定工作是指通过对机械臂本体与视觉系统进行坐标转换以确定它们之间的位置关系，从而将视觉系统所确定的目标位姿转换到机械臂基坐标系下以实现机械臂对目标的抓取，因此，手眼标定精度将直接影响机械臂操作的精度。目前已有技术人员提出引入SVD(Singular Value Decomposition，奇异值分解)算法来实现机械臂手眼标定工作，由于在相机视野内容易出现因相机畸变所产生的不稳定数据点，在实施过程中并未对这些不稳定数据点进行排查与删除，可能会造成较大的标定误差。

技术实现思路

[0003]本专利技术提供一种基于改进SVD算法的机械臂手眼标定方法及系统，以解决现有技术中存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
[0004]本专利技术实施例提供一种基于改进SVD算法的机械臂手眼标定方法，所述方法包括：
[0005]建立机械臂所对应的机械臂基坐标系和相机所对应的光学系统坐标系；
[0006]在所述相机的可视范围内设置若干个标定位置，且每一个标定位置携带有唯一的标记信息，同时在所述机械臂的末端设置用于执行标定任务的标定工具；
[0007]控制所述机械臂的末端在所述若干个标定位置中逐个移动，获取所述标定工具在所述机械臂基坐标系下的若干个坐标信息并形成第一数据集，同时获取所述标定工具在所述光学系统坐标系下的若干个坐标信息并形成第二数据集；
[0008]基于采样算法，获取所述第一数据集对应的第一标定数据集以及所述第二数据集对应的第二标定数据集，进而形成所述机械臂的手眼标定数据集；
[0009]基于改进SVD算法对所述手眼标定数据集进行处理，得到手眼转换矩阵；
[0010]利用所述手眼转换矩阵对所述手眼标定数据集进行逆向反推与误差计算，进而判断所述手眼转换矩阵是否为最优解；
[0011]若否，则根据误差计算结果对所述手眼标定数据集进行更新，再返回重新计算新的手眼转换矩阵；
[0012]若是，则直接输出所述手眼转换矩阵。
[0013]进一步地，所述标定工具包括标定球和法兰盘，所述标定球通过螺纹连接方式安装在所述法兰盘的顶部，所述法兰盘的底部通过螺纹连接方式安装在所述机械臂的末端，所述标定球用于执行标定任务，所述法兰盘用于对所述标定球进行固定支撑。
[0014]进一步地，所述基于采样算法，获取所述第一数据集对应的第一标定数据集包括：
[0015]基于FPS算法对所述第一数据集进行下采样处理，从中提取出既定数量的数据点，形成第一下采样点集合；
[0016]基于Kd
‑
Tree算法对所述第一下采样点集合中的每个数据点进行邻近点搜索，得到对应的第一邻近点集合，所述第一邻近点集合包含于所述第一数据集；
[0017]构建所述第一下采样点集合与所述第一邻近点集合之间的第一向量集合，再根据所述第一向量集合对所述第一下采样点集合中的每个数据点进行上采样处理，得到对应的第一上采样点集合；
[0018]将所述第一数据集和所述第一上采样点集合进行合并处理，得到第一标定数据集。
[0019]进一步地，所述获取所述第二数据集对应的第二标定数据集包括：
[0020]根据所述第一下采样点集合中的每个数据点所携带的标记信息，从所述第二数据集中提取出标记信息相同的数据点，形成第二下采样点集合；
[0021]基于Kd
‑
Tree算法对所述第二下采样点集合中的每个数据点进行邻近点搜索，得到对应的第二邻近点集合，所述第二邻近点集合包含于所述第二数据集；
[0022]构建所述第二下采样点集合与所述第二邻近点集合之间的第二向量集合，再根据所述第二向量集合对所述第二下采样点集合中的每个数据点进行上采样处理，得到对应的第二上采样点集合；
[0023]将所述第二数据集和所述第二上采样点集合进行合并处理，得到第二标定数据集。
[0024]进一步地，所述第一向量集合中的任意一个向量的计算公式为：
[0025][0026]所述第一上采样点集合中的任意一个数据点的计算公式为：
[0027][0028]其中，为所述第一下采样点集合中的第i个数据点sa
i
在所述机械臂基坐标系下的坐标信息，为所述第一邻近点集合中的第i个数据点na
i
在所述机械臂基坐标系下的坐标信息，为所述第一向量集合中的第i个向量va
i
在所述机械臂基坐标系下的坐标表示，为所述第一上采样点集合中的第i个数据点ua
i
在所述机械臂基坐标系下的坐标信息，h为上采样次数。
[0029]进一步地，所述基于改进SVD算法对所述手眼标定数据集进行处理，得到手眼转换
矩阵包括：
[0030]计算所述第一标定数据集的第一加权平均中心，再利用所述第一加权平均中心对所述第一标定数据集中的每个数据点进行去中心化，得到预处理后的第一标定数据集；
[0031]计算所述第二标定数据集的第二加权平均中心，再利用所述第二加权平均中心对所述第二标定数据集中的每个数据点进行去中心化，得到预处理后的第二标定数据集；
[0032]计算所述预处理后的第一标定数据集与所述预处理后的第二标定数据集之间的协方差矩阵；
[0033]对所述协方差矩阵进行奇异值分解得到旋转矩阵，进而结合所述第一加权平均中心和所述第二加权平均中心计算出平移矩阵。
[0034]进一步地，所述利用所述手眼转换矩阵对所述手眼标定数据集进行逆向反推与误差计算，进而判断所述手眼转换矩阵是否为最优解包括：
[0035]利用所述手眼转换矩阵将所述第一标定数据集中的每个数据点转换到所述光学系统坐标系下进行表示，得到拟合后的第一标定数据集；
[0036]对所述拟合后的第一标定数据集与所述第二标定数据集进行对应两点间的差值计算，得到差值集合；
[0037]判断所述差值集合中是否存在一个或者多个差值大于预设误差阈值；
[0038]若是，则判断所述手眼转换矩阵并非为最优解；
[0039]若否，则判断所述手眼转换矩阵为最优解。
[0040]进一步地，所述根据误差计算结果对所述手眼标定数据集进行更新包括：
[0041]从所述差值集合中筛选出所有不合格的差值，其中每一个不合格的差值均大于所述预设误差阈值；
[0042]将所述第一标定数据集和所述第二标定数据集中与所述所有不合格的差值相关联的所有数据点进行删除，得到更新后的手眼标定数据集。
[0043]另外，本专利技术实施例还提供一种基于改进SVD算法的机械臂手眼标定系统，所述系统包括：
[0044]至少一个处理器；
[0045]至少一个存储器，用于存储至少一个程序；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进SVD算法的机械臂手眼标定方法，其特征在于，所述方法包括：建立机械臂所对应的机械臂基坐标系和相机所对应的光学系统坐标系；在所述相机的可视范围内设置若干个标定位置，且每一个标定位置携带有唯一的标记信息，同时在所述机械臂的末端设置用于执行标定任务的标定工具；控制所述机械臂的末端在所述若干个标定位置中逐个移动，获取所述标定工具在所述机械臂基坐标系下的若干个坐标信息并形成第一数据集，同时获取所述标定工具在所述光学系统坐标系下的若干个坐标信息并形成第二数据集；基于采样算法，获取所述第一数据集对应的第一标定数据集以及所述第二数据集对应的第二标定数据集，进而形成所述机械臂的手眼标定数据集；基于改进SVD算法对所述手眼标定数据集进行处理，得到手眼转换矩阵；利用所述手眼转换矩阵对所述手眼标定数据集进行逆向反推与误差计算，进而判断所述手眼转换矩阵是否为最优解；若否，则根据误差计算结果对所述手眼标定数据集进行更新，再返回重新计算新的手眼转换矩阵；若是，则直接输出所述手眼转换矩阵。2.根据权利要求1所述的基于改进SVD算法的机械臂手眼标定方法，其特征在于，所述标定工具包括标定球和法兰盘，所述标定球通过螺纹连接方式安装在所述法兰盘的顶部，所述法兰盘的底部通过螺纹连接方式安装在所述机械臂的末端，所述标定球用于执行标定任务，所述法兰盘用于对所述标定球进行固定支撑。3.根据权利要求1所述的基于改进SVD算法的机械臂手眼标定方法，其特征在于，所述基于采样算法，获取所述第一数据集对应的第一标定数据集包括：基于FPS算法对所述第一数据集进行下采样处理，从中提取出既定数量的数据点，形成第一下采样点集合；基于Kd
‑
Tree算法对所述第一下采样点集合中的每个数据点进行邻近点搜索，得到对应的第一邻近点集合，所述第一邻近点集合包含于所述第一数据集；构建所述第一下采样点集合与所述第一邻近点集合之间的第一向量集合，再根据所述第一向量集合对所述第一下采样点集合中的每个数据点进行上采样处理，得到对应的第一上采样点集合；将所述第一数据集和所述第一上采样点集合进行合并处理，得到第一标定数据集。4.根据权利要求3所述的基于改进SVD算法的机械臂手眼标定方法，其特征在于，所述获取所述第二数据集对应的第二标定数据集包括：根据所述第一下采样点集合中的每个数据点所携带的标记信息，从所述第二数据集中提取出标记信息相同的数据点，形成第二下采样点集合；基于Kd
‑
Tree算法对所述第二下采样点集合中的每个数据点进行邻近点搜索，得到对应的第二邻近点集合，所述第二邻近点集合包含于所述第二数据集；构建所述第二下采样点集合与所述第二邻近点集合之间的第二向量集合，再根据所述第二向量集合对所述第二下采样点集合中的每个数据点进行上采样处理，得到对应的第二上采样点集合；将所述第二数据集和所述第二上采样点集合进行合并处理，...

【专利技术属性】
技术研发人员：范衠，陈栩聪，宁为博，朱家祺，蔡泽民，周伟骏，何树星，吴嘉丽，刘京腾，胡军，陈洪江，张志纲，
申请(专利权)人：汕头大学医学院第一附属医院，
类型：发明
国别省市：