全自动机器人手眼标定方法.pdf

《全自动机器人手眼标定方法.pdf》由会员分享，可在线阅读，更多相关《全自动机器人手眼标定方法.pdf（8页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010022816.X (22)申请日 2020.01.09 (71)申请人 埃夫特智能装备股份有限公司 地址 241000 安徽省芜湖市鸠江经济开发 区万春东路96号 (72)发明人 翟昱马英代夷帆姜宇帆 易廷昊张云涛 (74)专利代理机构 北京汇信合知识产权代理有 限公司 11335 代理人 夏静洁 (51)Int.Cl. B25J 9/16(2006.01) G06T 7/80(2017.01) (54)发明名称 一种全自动机器人手眼标定方法 (57)摘要 本发明涉及。

2、自动化机器人领域， 具体是一种 全自动机器人手眼标定方法， 包括机器人的系 统， 其具体步骤如下： S1： 数据采集； S2： 模式选 择； S3： 人工安装放置标定板； S4： 记录数据； S5： 判断是否有足够的标定数据； S6： 标定： S7： 将机 械臂末端姿态转换为末端到机械臂底座的转换 矩阵； S8： 随机抽取80的数据， 根据公式计算手 眼标定矩阵； S9： 计算标定结果在所有数据上的 误差； S10： 重复步骤8和步骤9， 记录误差最小的 手眼标定矩阵； S11： 保存手眼标定结果到文件 内， 方便其他程序读取和使用； 相较于之前人工 示教的标定方式动辄半小时的时间花费相比， 。

3、自 动标定可以将标定时间节省到十几分钟甚至更 少， 节省了大量的时间。 权利要求书2页 说明书4页 附图1页 CN 111152223 A 2020.05.15 CN 111152223 A 1.一种全自动机器人手眼标定方法， 包括机器人的系统， 其特征在于： 其具体步骤如 下： S1： 数据采集； S2： 模式选择： 系统在启动后可选择需要的标定模式， 分为相机挂在机械臂上和相机固 定在机械臂外两种； S3： 人工安装放置标定板： a： 相机在机械臂上模式， 需将标定板放在机器人视野内； b： 相机在机械臂外模式， 需要将标定板安装到机械臂末端， 同时保证标定板在相机视 野内， 输入标定板的。

4、规格， 尺寸信息； S4： 记录数据： 利用视觉自动对齐标定板中心和图像中心进行数据采集和记录； S5： 判断是否有足够的标定数据： 利用角点检测算法计算当前相机图像上内角点数量 和输入的标定板尺寸是否匹配来判断图像标定板是否完整： a： 图像完整， 记录当前图像和机械臂位姿， 再根据初始姿态通过高斯分布随机采样生 成下一步机械臂需要移动的位移量， 让机械臂按照上一过程的位移量移动； b： 图像不完整， 则直接根据初始姿态通过高斯分布随机采样生成下一步机械臂需要移 动的位移量而不记录图像和机械臂位姿信息， 重复以上步骤直到获取足够数量的位姿和图 像； S6： 标定： 利用张正友标定法计算不同图。

5、像中相机与标定板的外参， 通过标定板输入信 息和图像上标定板角点的位置转换； S7： 将机械臂末端姿态转换为末端到机械臂底座的转换矩阵； S8： 随机抽取80的数据， 根据公式计算手眼标定矩阵； S9： 计算标定结果在所有数据上的误差； S10： 重复步骤8和步骤9， 记录误差最小的手眼标定矩阵； S11： 保存手眼标定结果到文件内， 方便其他程序读取和使用。 2.根据权利要求1所述的一种全自动机器人手眼标定方法， 其特征在于： 所述的步骤S4 中利用角点检测算法计算图像中标定板所有内角点的位置， 所有角点的均值记为标定板中 心点Pb， 再根据图像的尺寸计算图像中心点Pa， 由Pa-Pb计算从。

6、标定板到画面中心的位移向 量控制机械臂移动以1mm为步长， 移动X， Y， Z向着减小的方向移动， 长度小于设定 阈值时认为标定板和画面对齐， 记录当前机械臂位置为起始位姿。 3.根据权利要求1所述的一种全自动机器人手眼标定方法， 其特征在于： 所述的步骤S6 根据下方公式计算对应图像下相机的外参并转化成标定板到相机的转换矩阵： 。 4.根据权利要求1所述的一种全自动机器人手眼标定方法， 其特征在于： 所述的步骤S8 的公式为navy算法中的公式。 5.根据权利要求1所述的一种全自动机器人手眼标定方法， 其特征在于： 所述的步骤S9 权利要求书 1/2 页 2 CN 111152223 A 2。

7、 中对于相机在机械臂末端的误差的公式为： TboardToBaseTflangeTobase*TcameraToflange*TboardTocamera 。 6.根据权利要求1所述的一种全自动机器人手眼标定方法， 其特征在于： 所述的步骤S9 中对于相机在机械臂外的误差的公式为： TboardToBaseTcameraTobase*TboardTocamera 。 权利要求书 2/2 页 3 CN 111152223 A 3 一种全自动机器人手眼标定方法 技术领域 0001 本发明涉及自动化机器人领域， 具体是一种全自动机器人手眼标定方法。 背景技术 0002 现有的手眼标定技术中， 大多依。

8、靠人工采集标定数据， 如中国专利申请号为 201910386656.4的工业机器人手眼标定方法以及专利申请号为201810541740.4的一种机 器人手眼标定方法及系统所述， 相较于机器自动化而言更加的费时费力， 同时由于人工的 参与， 在数据的采集中难免会对数据造成影响， 进而影响标定结果的精度， 而现有的自动标 定， 如专利申请号为201910479456.3的全自动手眼标定、 工作平面标定方法及装置所述， 进 行全自动化标定， 但是过度依赖于固定的工作平面， 限制了相机和机械臂的使用方式和操 控空间。 发明内容 0003 为了解决上述问题， 本发明提出一种全自动机器人手眼标定方法。 0。

9、004 一种全自动机器人手眼标定方法， 包括机器人的系统， 其具体步骤如下： 0005 S1： 数据采集； 0006 S2： 模式选择： 系统在启动后可选择需要的标定模式， 分为相机挂在机械臂上和相 机固定在机械臂外两种； 0007 S3： 人工安装放置标定板： 0008 a： 相机在机械臂上模式， 需将标定板放在机器人视野内； 0009 b： 相机在机械臂外模式， 需要将标定板安装到机械臂末端， 同时保证标定板在相 机视野内， 输入标定板的规格， 尺寸信息； 0010 S4： 记录数据： 利用视觉自动对齐标定板中心和图像中心进行数据采集和记录； 0011 S5： 判断是否有足够的标定数据： 。

10、利用角点检测算法计算当前相机图像上内角点 数量和输入的标定板尺寸是否匹配来判断图像标定板是否完整： 0012 a： 图像完整， 记录当前图像和机械臂位姿， 再根据初始姿态通过高斯分布随机采 样生成下一步机械臂需要移动的位移量， 让机械臂按照上一过程的位移量移动； 0013 b： 图像不完整， 则直接根据初始姿态通过高斯分布随机采样生成下一步机械臂需 要移动的位移量而不记录图像和机械臂位姿信息， 重复以上步骤直到获取足够数量的位姿 和图像； 0014 S6： 标定： 利用张正友标定法计算不同图像中相机与标定板的外参， 通过标定板输 入信息和图像上标定板角点的位置转换； 0015 S7： 将机械臂。

11、末端姿态转换为末端到机械臂底座的转换矩阵； 0016 S8： 随机抽取80的数据， 根据公式计算手眼标定矩阵； 0017 S9： 计算标定结果在所有数据上的误差； 0018 S10： 重复步骤8和步骤9， 记录误差最小的手眼标定矩阵； 说明书 1/4 页 4 CN 111152223 A 4 0019 S11： 保存手眼标定结果到文件内， 方便其他程序读取和使用。 0020 所述的步骤S4中利用角点检测算法计算图像中标定板所有内角点的位置， 所有角 点的均值记为标定板中心点Pb， 再根据图像的尺寸计算图像中心点Pa， 由Pa-Pb计算从标定 板到画面中心的位移向量控制机械臂移动以1mm为步长，。

12、 移动X， Y， Z向着减小的方向 移动， 长度小于设定阈值时认为标定板和画面对齐， 记录当前机械臂位置为起始位姿。 0021 所述的步骤S6根据下方公式计算对应图像下相机的外参并转化成标定板到相机 的转换矩阵：。 0022 所述的步骤S8的公式为navy算法中的公式。 0023 所述的步骤S9中对于相机在机械臂末端的误差的公式为： 0024 TboardToBaseTflangeTobase*TcameraToflange*TboardTocamera 0025。 0026 所述的步骤S9中对于相机在机械臂外的误差的公式为： 0027 TboardToBaseTcameraTobase*Tb。

13、oardTocamera 0028。 0029 本发明的有益效果是： 相较于之前人工示教的标定方式动辄半小时的时间花费相 比， 自动标定可以将标定时间节省到十几分钟甚至更少， 节省了大量的时间， 同时由于算法 中对机器人和相机采集的数据利用爬山法进行优化， 使得本方法在不稳定的工作环境下， 能获得相对较好的标定结果， 不需要固定的工作平台和设备， 在工业环境下限制少， 更容易 在工业环境中部署和使用， 同时节省费用。 附图说明 0030 下面结合附图和实施例对本发明进一步说明。 0031 图1为本发明的流程结构示意图。 具体实施方式 0032 为了使本发明实现的技术手段、 创作特征、 达成目的。

14、与功效易于明白了解， 下面对 本发明进一步阐述。 0033 如图1所示， 一种全自动机器人手眼标定方法， 包括机器人的系统， 其具体步骤如 下： 0034 S1： 数据采集； 0035 S2： 模式选择： 系统在启动后可选择需要的标定模式， 分为相机挂在机械臂上和相 机固定在机械臂外两种； 说明书 2/4 页 5 CN 111152223 A 5 0036 S3： 人工安装放置标定板： 0037 a： 相机在机械臂上模式， 需将标定板放在机器人视野内； 0038 b： 相机在机械臂外模式， 需要将标定板安装到机械臂末端， 同时保证标定板在相 机视野内， 输入标定板的规格， 尺寸信息； 0039。

15、 S4： 记录数据： 利用视觉自动对齐标定板中心和图像中心进行数据采集和记录； 0040 S5： 判断是否有足够的标定数据： 利用角点检测算法计算当前相机图像上内角点 数量和输入的标定板尺寸是否匹配来判断图像标定板是否完整： 0041 a： 图像完整， 记录当前图像和机械臂位姿， 再根据初始姿态通过高斯分布随机采 样生成下一步机械臂需要移动的位移量， 让机械臂按照上一过程的位移量移动； 0042 b： 图像不完整， 则直接根据初始姿态通过高斯分布随机采样生成下一步机械臂需 要移动的位移量而不记录图像和机械臂位姿信息， 重复以上步骤直到获取足够数量的位姿 和图像； 0043 S6： 标定： 利用。

16、张正友标定法计算不同图像中相机与标定板的外参， 通过标定板输 入信息和图像上标定板角点的位置转换； 0044 S7： 将机械臂末端姿态转换为末端到机械臂底座的转换矩阵； 0045 S8： 随机抽取80的数据， 根据公式计算手眼标定矩阵； 0046 S9： 计算标定结果在所有数据上的误差； 0047 S10： 重复步骤8和步骤9， 记录误差最小的手眼标定矩阵； 0048 S11： 保存手眼标定结果到文件内， 方便其他程序读取和使用。 0049 所述的步骤S4中利用角点检测算法计算图像中标定板所有内角点的位置， 所有角 点的均值记为标定板中心点Pb， 再根据图像的尺寸计算图像中心点Pa， 由Pa-。

17、Pb计算从标定 板到画面中心的位移向量控制机械臂移动以1mm为步长， 移动X， Y， Z向着减小的方向 移动， 长度小于设定阈值时认为标定板和画面对齐， 记录当前机械臂位置为起始位姿。 0050 通过步骤S1中将相机挂在机械臂上和相机固定在机械臂外， 无需固定的工作台， 对标定算法的稳定性较高， 结合不同的标定算法可以针对不同的使用环境进行选择， 限制 少。 0051 根据初始姿态通过高斯分布随机采样生成下一步机械臂需要移动的位移量， 高效 快速的自动标定以节省人力和时间， 同时保证标定的结果的准确性。 0052 所述的步骤S6根据下方公式计算对应图像下相机的外参并转化成标定板到相机 的转换矩。

18、阵：。 0053 所述的步骤S8的公式为navy算法中的公式。 0054 相较于之前人工示教的标定方式动辄半小时的时间花费相比， 自动标定可以将标 定时间节省到十几分钟甚至更少， 节省了大量的时间， 同时由于算法中对机器人和相机采 集的数据利用爬山法进行优化， 使得本方法在不稳定的工作环境下， 能获得相对较好的标 定结果， 不需要固定的工作平台和设备， 在工业环境下限制少， 更容易在工业环境中部署和 说明书 3/4 页 6 CN 111152223 A 6 使用， 同时节省费用。 0055 所述的步骤S9中对于相机在机械臂末端的误差的公式为： 0056 TboardToBaseTflangeT。

19、obase*TcameraToflange*TboardTocamera 0057。 0058 所述的步骤S9中对于相机在机械臂外的误差的公式为： 0059 TboardToBaseTcameraTobase*TboardTocamera 0060。 0061 以上显示和描述了本发明的基本原理、 主要特征和本发明的优点。 本行业的技术 人员应该了解， 本发明不受上述实施例的限制， 上述实施例和说明书中描述的只是本发明 的原理， 在不脱离本发明精神和范围的前提下， 本发明还会有各种变化和改进， 这些变化和 改进都落入要求保护的本发明范围内。 本发明要求保护范围由所附的权利要求书及其等效 物界定。 说明书 4/4 页 7 CN 111152223 A 7 图1 说明书附图 1/1 页 8 CN 111152223 A 8 。