System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于加工制造领域,具体涉及一种基于手眼矫正的叶片高精度拼接方法。
技术介绍
1、在机器人加工制造领域,自由曲面工件的测量与定位精度通常要求比较高,以航空发动机叶片为例,其最终的加工精度通常要求优于0.1mm。这对机器人测量加工系统而言极具挑战,尤其是机器人手眼系统。这是因为叶片的点云的拼接和重建精度将直接决定后续的加工精度,而手眼矩阵的精度又直接影响机器人手眼系统的拼接精度。然而,在实际应用中现有拼接方法很难摆脱由多种误差源引起的手眼矩阵失真,总会出现点云拼接错位,难以保证工件的高精测量,无法为后续加工提供有效的模型基准。
2、公开号为cn108151668a,专利名称为一种叶片型面全数据测量拼接方法及装置的专利利用旋转台和基于标准球的手眼标定实现手眼拼接,然而其拼接过程中用到的手眼标定方法依然依赖于传统的带有先验信息标定物来实现,必然会引入各种随机误差与人工误差,无法保证拼接的精度。文献“reconstruction based hand-eye calibration usingarbitrary objects”(ieee transactions on industrial informatics,19(2023)6545-6555)提出一种可用于拼接优化的以icp变体为目标函数的手眼标定算法,虽然该方法适用性较强,但其受机器人绝对定位误差影响较大,无法实现高精度拼接,拼接错位问题仍然无法解决。
技术实现思路
1、本专利技术的主要目的在于提供一种基于手
2、本专利技术所采用的技术方案是:
3、一种基于手眼矫正的叶片高精度拼接方法,其包括如下步骤:
4、1)利用机器人手眼系统获取待测叶片的点云数据集并完成手眼粗标定;
5、2)采集用于手眼矫正的任意无先验信息物体的点云数据并将其粗拼接至机器人末端坐标系下;
6、3)根据步骤2)中手眼矩阵失真引起的手眼粗拼接中点云错位问题,利用手眼矫正算法优化出极为接近手眼矩阵真值的最优值;
7、4)将步骤3)中的最优值(最优手眼矩阵)用于步骤1)采集到的待测叶片点云数据集的手眼拼接,实现最优拼接;
8、5)利用dpwvm配准算法逐步完成叶片点云数据的高精对齐。
9、优选的,步骤3)中,手眼矫正算法的具体步骤如下:
10、3.1)通过视觉坐标系到机器人基坐标系的转换矩阵和机器人基坐标系到末端坐标系的转换矩阵将标定物测量点集转换到机器人末端坐标系下,完成粗拼接;
11、3.2)对于机器人重定位运动下完成粗拼接后的标定物点云数据集合sp={sp1,…,spk+1},完成sp1sp2、sp2sp3、sp3sp4、…、spkspk+1的k个配对,将sp1和sp2分别视为源点云p和目标点云q,以此类推;
12、3.3)利用kdtree双向搜索策略完成点对搜索配对,一共获得k组关联点对集合;
13、3.4)求解出误差矢量并完成手眼矩阵更新;
14、3.5)重复步骤3.2)-3.4),直到达到收敛条件:迭代次数m>mmax,其中mmax是个设定的值,m是个变量表示迭代次数,当m大于所设定的最大迭代次数mmax时,算法停止。
15、优选的,步骤3.4)中,求解出误差矢量并完成手眼矩阵更新的步骤为:
16、在理想情况下多次重定位运动下测量点云的关联点集拼接至机器人末端坐标系应保持重合,然而在多种误差源的影响下手眼粗标定矩阵已经失真,此时多次重定位运动下的测量点云拼接至机器人末端坐标系并不重合且满足式(1):
17、
18、其中,ep,sp分别代表位于机器人末端坐标系和视觉坐标系下的测量点集,为视觉坐标系到机器人基坐标系的实际转换矩阵,为误差量,表示测量点云转换到机器人末端坐标系的实际点集,δep代表点集误差量;
19、对称点面度量具有较高的收敛盆地和二阶收敛速度,最终目标函数的建立如公式(7):
20、
21、其中,epij和eqij分别为点集ep和sp中的一个三维坐标点,m表示一对测量点云的点对个数,k表示测量点云的配对个数,i,j表示下标,ξ=sd为6×1的误差向量,eij为点对距离,为中间变量,nnij为对称向量,c,d,b均为中间变量;
22、求解公式(7),得到误差向量求解结果如公式(8):
23、ξ=-d-1bt=sd=[sdt sδt]t (8)
24、求得误差向量ξ之后,实现手眼矩阵补偿更新如式(9):
25、
26、其中,tran(sd)和rot(sδ)表示4×4的微分平移矩阵与旋转矩阵,为更新后的视觉坐标系到机器人基坐标系的转换矩阵。
27、其中,所述视觉坐标系到机器人基坐标系的实际转换矩阵为:
28、
29、其中,j为雅可比矩阵,旋转量较小时满足j=i,i为单位矩阵,exp()为指数映射,转换矩阵r和t分别为t中的旋转矩阵和平移向量;对于sd和sδ为微分误差矩阵和微分误差向量,分别满足式(3)和式(4):
30、
31、
32、向量sd满足sd=(sδ)∨,sδ=[sd]×,()∨表示四维矩阵向六维向量的映射,[]×表示六维向量向四维矩阵的映射,sδ和sd分别为sd中的1×3旋转向量和1×3平移向量,[sδ]×和sd分别为sδ中的3×3旋转矩阵和1×3平移向量。
33、其中,所述点集误差量δep为:
34、
35、其中,表示中间变量,表示视觉坐标系到机器人末端坐标系的转换矩阵,每个转换矩阵r和t分别为t中的旋转矩阵和平移向量。
36、优选的,拼接至机器人末端坐标系的多组测量点云之间由于点集误差量δep的影响而产生拼接错位,错位程度以测量点云之间的点对距离el来量化;
37、所述测量点云之间的点对距离el满足公式(6):
38、
39、其中,对称向量向量和代表末端坐标系下三维点epl和eql处的法向量,为中间变量,l表示下标。
40、优选的,步骤1)中,利用机器人手眼系统获取待测叶片的点云数据集的步骤为:
41、将待测叶片安装在机器人末端,仅旋转机器人第六轴,并利用三维扫描仪采集叶片点云数据,即六轴每旋转20度进行一次数据采集,共旋转360度,完成待测叶片点云数据集pm的采集。
42、优选的,步骤2)中,采集用于手眼矫正的任意无先验信息物体的点云数据并将其粗拼接至机器人末端坐标系下的步骤为:
43、利用任意无先验信息的物体作为标定物,以机器人重定位运动模型采集多个不同位姿的标定物点云数据,并利用手眼粗标定矩阵和机器人正向运动学完成手眼粗拼接。
44、优选的,步骤5)中,利用dpwvm配准算法逐本文档来自技高网...
【技术保护点】
1.一种基于手眼矫正的叶片高精度拼接方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于手眼矫正的叶片高精度拼接方法,其特征在于:
3.根据权利要求2所述的基于手眼矫正的叶片高精度拼接方法,其特征在于:
4.根据权利要求3所述的基于手眼矫正的叶片高精度拼接方法,其特征在于:
5.根据权利要求3所述的基于手眼矫正的叶片高精度拼接方法,其特征在于:
6.根据权利要求5所述的基于手眼矫正的叶片高精度拼接方法,其特征在于:
7.根据权利要求1所述的基于手眼矫正的叶片高精度拼接方法,其特征在于:
8.根据权利要求1所述的基于手眼矫正的叶片高精度拼接方法,其特征在于:
9.根据权利要求1所述的基于手眼矫正的叶片高精度拼接方法,其特征在于:
10.根据权利要求9所述的基于手眼矫正的叶片高精度拼接方法,其特征在于:
【技术特征摘要】
1.一种基于手眼矫正的叶片高精度拼接方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于手眼矫正的叶片高精度拼接方法,其特征在于:
3.根据权利要求2所述的基于手眼矫正的叶片高精度拼接方法,其特征在于:
4.根据权利要求3所述的基于手眼矫正的叶片高精度拼接方法,其特征在于:
5.根据权利要求3所述的基于手眼矫正的叶片高精度拼接方法,其特征在于:
<...
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。