【技术实现步骤摘要】
本专利技术属于工业机器人标定，尤其涉及一种基于图优化模型的工业机器人参数辨识方法和系统。
技术介绍
1、随着生产技术发展和产业转型升级，工业机器人技术已成为目前科学领域的重要研究方向，在该项技术中，工业机器人视觉是一项重要研究内容，在机械制造、智能驾驶、医疗器械等领域都有着广泛的应用前景。为使工业机器人能在视觉引导下完成拾取、码垛、焊接、装配等功能，需要将视觉系统感知到的目标信息转换到机器人基坐标系下，这一过程称为手眼标定。手眼标定是机器人视觉系统中一项重要的基础工作。
2、传统手眼标定目的在于对手眼转换矩阵的求解，即相机坐标系至机器人基坐标系的转换关系，而往往忽略了机器人定位误差或相机重投影误差，这样标定出的手眼转换矩阵不够精确，导致手眼标定效果较差，达不到部分工业应用领域的精度要求。与此同时，运动学参数的辨识精度也会受手眼标定效果的影响。然而现有的标定校准方法并没有考虑到这些因素对于机器人视觉系统整体精度的影响，也没有对标定校准结果进行优化，因此，亟需一种工业机器人参数辨识方法，能对手眼标定过程涉及到的误差进行修正，以对最终标定结果进行优化，提升参数辨识整体精度。
技术实现思路
1、本专利技术针对现有技术中的不足，提供一种基于图优化模型的工业机器人参数辨识方法和系统。
2、第一方面，本专利技术提供一种基于图优化模型的工业机器人参数辨识方法，包括：
3、采集工业机器人不同位姿下的标定板图像，以完成手眼标定过程；
4、以手眼标定的变量
5、根据相机内参矩阵和标定板的角点集合构建相机的重投影误差函数，作为第一目标函数；
6、根据图优化模型，采用lm算法对第一目标函数进行求解，得到第一目标函数中完成辨识的参数；
7、将以转换矩阵之间的转换关系构成的回环转换矩阵与单位矩阵作差，得到工业机器人视觉系统整体误差函数，作为第二目标函数；
8、将第一目标函数中完成辨识的参数代入至第二目标函数，采用lm算法进行求解，以对工业机器人视觉系统误差进行修正。
9、进一步地，所述采集工业机器人不同位姿下的标定板图像，以完成手眼标定过程，包括：
10、构建手眼标定方程组表达式：
11、
12、其中，a为末端坐标系至机器人基坐标系的转换矩阵；x为相机坐标系至机器人基坐标系的转换矩阵；b为末端坐标系至相机坐标系的转换矩阵；m为手眼标定过程中机器人位姿改变的次数；
13、构建相机坐标系至机器人基坐标系的转换矩阵的表达式：
14、
15、其中，r为3×3矩阵，表示相机坐标系至机器人基坐标系的旋转矩阵；t为3×1矩阵，表示相机坐标系至机器人基坐标系的平移矩阵。
16、进一步地，所述以手眼标定的变量参数为顶点，误差函数为边，构建图优化模型，包括：
17、构建误差函数的表达式：
18、ei＝hi-zi；
19、其中，ei为第i个机器人位姿下的测量函数hi与第i个机器人位姿下的实际观测值zi的差值。
20、进一步地，所述根据相机内参矩阵和标定板的角点集合构建相机的重投影误差函数，作为第一目标函数，包括：
21、根据以下公式将相机坐标系下的目标点转换为像素坐标系下的点：
22、
23、其中，目标点在相机坐标系下的位置为(xc,yc,zc)；目标点在像素坐标系下的位置为(u,v)；k为相机内参矩阵；r为3×3矩阵，表示相机坐标系至机器人基坐标系的旋转矩阵；t为3×1矩阵，表示相机坐标系至机器人基坐标系的平移矩阵；其中：
24、
25、其中，f为相机的镜头焦距；dx和dy分别相机的图像传感器单元的横向和纵向尺寸；图像中心像素点位置为(u0,v0)；
26、构建第一目标函数的表达式：
27、
28、其中，rpjei为工业机器人在第i个位姿下的重投影误差；ψ(·)为含有相机内参矩阵k的投影函数；b为末端坐标系至相机坐标系的转换矩阵；bp为标定板上的角点在标定板坐标系下的坐标；z为标定板上角点的总数；[uj]i为工业机器人第i个位姿下观测到的第j个标定板角点的像素坐标。
29、进一步地，所述根据图优化模型，采用lm算法对第一目标函数进行求解，得到第一目标函数中完成辨识的参数，包括：
30、根据以下公式标量化第一目标函数，得到第三目标函数：
31、
32、f(·)为标量化函数；bm为工业机器人第m个位姿下的末端坐标系至相机坐标系的转换矩阵；rpjei为工业机器人在第i个位姿下的重投影误差；m为手眼标定过程中机器人位姿改变的次数；||·||2为2范数；
33、采用lm算法对第三目标函数进行多次求解，得到多次修正后的末端坐标系至相机坐标系的转换矩阵集合；
34、当第三目标函数值的优化结果小于第一预设阈值时，求解结束，将此时末端坐标系至相机坐标系的转换矩阵集合的值作为重投影误差的最终修正值。
35、进一步地，所述将以转换矩阵之间的转换关系构成的回环转换矩阵与单位矩阵作差，得到工业机器人视觉系统整体误差函数，作为第二目标函数，包括：
36、构建工业机器人视觉系统整体误差函数表达式：
37、chei＝[a]i·x·[b]i·htb-i；
38、其中，chei为第i个位姿下工业机器人视觉系统整体误差；[a]i为在工业机器人第i个位姿下的末端坐标系至机器人基坐标系的转换矩阵；x为相机坐标系至机器人基坐标系的转换矩阵；[b]i为在工业机器人第i个位姿下的末端坐标系至相机坐标系的转换矩阵；htb为标定板坐标系至末端坐标系的转换矩阵；i为单位矩阵。
39、进一步地，所述将第一目标函数中完成辨识的参数代入至第二目标函数，采用lm算法进行求解，以对工业机器人视觉系统误差进行修正，包括：
40、构建工业机器人第k-1个关节至第k个关节的位姿转换矩阵ak的表达式：
41、vk＝rot(zk-1,θk)trans(zk-1,dk)trans(xk,ak)rot(xk,αk)；
42、其中，在工业机器人的多个关节轴处分别建立多个连杆坐标系{xk,yk,zk}；k＝1,2,…,n；n为关节轴的总数量；将第k个关节轴和第k+1个关节轴的公垂线与第k个关节轴的交点作为连杆坐标系{xk,yk,zk}的原点；将第k个关节轴的轴线方向作为连杆坐标系{xk,yk,zk}的z轴，将第k个关节轴与第k+1个关节轴的公垂线方向作为连杆坐标系{xk-1,yk-1,zk-1}的x轴；连杆坐标系{xk,yk,zk}的y轴垂直于x轴和z轴；vk为连杆坐标系{xk,yk,zk}相对于{xk-1,yk-1,zk-1}的理论变换矩阵；rot(·)表示绕目标轴旋转目标角度的旋转变换矩阵；trans(·)表示本文档来自技高网...
【技术保护点】
1.一种基于图优化模型的工业机器人参数辨识方法，其特征在于，包括：
2.根据权利要求1所述的基于图优化模型的工业机器人参数辨识方法，其特征在于，所述采集工业机器人不同位姿下的标定板图像，以完成手眼标定过程，包括：
3.根据权利要求1所述的基于图优化模型的工业机器人参数辨识方法，其特征在于，所述以手眼标定的变量参数为顶点，误差函数为边，构建图优化模型，包括：
4.根据权利要求1所述的基于图优化模型的工业机器人参数辨识方法，其特征在于，所述根据相机内参矩阵和标定板的角点集合构建相机的重投影误差函数，作为第一目标函数，包括：
5.根据权利要求1所述的基于图优化模型的工业机器人参数辨识方法，其特征在于，所述根据图优化模型，采用LM算法对第一目标函数进行求解，得到第一目标函数中完成辨识的参数，包括：
6.根据权利要求1所述的基于图优化模型的工业机器人参数辨识方法，其特征在于，所述将以转换矩阵之间的转换关系构成的回环转换矩阵与单位矩阵作差，得到工业机器人视觉系统整体误差函数，作为第二目标函数，包括：
7.根据权利要求5所
8.一种基于图优化模型的工业机器人参数辨识系统，其特征在于，包括：
9.一种计算机设备，其特征在于，包括处理器和存储器；其中，处理器执行存储器中保存的计算机程序时实现权利要求1-7任一项所述的基于图优化模型的工业机器人参数辨识方法的步骤。
10.一种计算机可读存储介质，其特征在于，用于存储计算机程序；计算机程序被处理器执行时实现权利要求1-7任一项所述的基于图优化模型的工业机器人参数辨识方法的步骤。
...【技术特征摘要】
1.一种基于图优化模型的工业机器人参数辨识方法，其特征在于，包括：
2.根据权利要求1所述的基于图优化模型的工业机器人参数辨识方法，其特征在于，所述采集工业机器人不同位姿下的标定板图像，以完成手眼标定过程，包括：
3.根据权利要求1所述的基于图优化模型的工业机器人参数辨识方法，其特征在于，所述以手眼标定的变量参数为顶点，误差函数为边，构建图优化模型，包括：
4.根据权利要求1所述的基于图优化模型的工业机器人参数辨识方法，其特征在于，所述根据相机内参矩阵和标定板的角点集合构建相机的重投影误差函数，作为第一目标函数，包括：
5.根据权利要求1所述的基于图优化模型的工业机器人参数辨识方法，其特征在于，所述根据图优化模型，采用lm算法对第一目标函数进行求解，得到第一目标函数中完成辨识的参数，包括：
6.根据权利要求1所述的基于图优化模型的工业...
【专利技术属性】
技术研发人员：乔贵方，周霆威，刘娣，付冬梅，杜宝安，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：
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。