[发明专利]一种用于协作机器人位姿估计的图像数据集快速构建方法

说明书

本发明公开了一种用于协作机器人位姿估计的图像数据集快速构建方法，包含步骤：在机器人基座与相机相对固定的情况下，保证机器人的运动范围处于相机的视野范围内，将标定板与机器人的末端固定连接，保证标定板的坐标系的唯一性，同时保存每张标定板的图片对应的机器人的末端的工具中心点位姿数据；根据所得到的多组标定板的图片与对应的机器人的末端的工具中心点位姿数据，设计标定算法以求解机器人的基座坐标系到相机的坐标系的第一变换矩阵及相机内参，根据机器人的DH参数及构型完成机器人的关键点图像像素点的映射，并进一步生成相关的数据信息。该种方法具有自动化程度高、速度快、准确率高、信息丰富等优势，保证了后续工作的可靠性。

技术领域

本发明涉及机器人领域，尤其涉及一种用于协作机器人位姿估计的图像数据集快速构建方法。

背景技术

近年来，随着深度学习等新型机器学习算法在图像领域取得重大突破，如何将深度学习等新型算法迁移到机器人领域也逐渐成为该领域的研究热点，目前机器人领域结合深度学习算法最为成功的案例是Bin-Picking，即散乱物体的位姿识别与抓取，其中使用到的通常是二维图像或三维点云的数据集，虽然在其他任务中诸如机器人避障运动规划中不一定使用图像等视觉信息，并取得了一定的进展，但通常都是在实验环境或仿真环境下实现，难以应用于实际生产工作中，因此，采用视觉信息构建数据集是深度学习算法的主流方向。

深度学习等机器学习算法往往要求大规模的数据集才能取得较为理想的结果，如果使用图像领域中的手工标注数据集的方法过于费时费力，难以短时间构建规模较大的数据集。机器人领域使用图像信息作为数据集的优势在于，机器人可以使用本体的DH等关键参数进行精确建模，获得机器人本身任意位置的详细信息，同时结合张正友提出的一种简单的相机标定方法，通过拍摄多张标定板图像，经过图像处理，可以获得精确的相机内外参数，再结合机器人末端位姿数据，可以标定出机器人基座和相机坐标系的变换关系，由此完成机器人基座坐标系到相机坐标系再到图像像素坐标系的精确映射。

协作机器人是近年来机器人领域的热点，为了保证它的本质安全性，它在设计、结构与传感器的使用上区别于传统工业机器人，由此可以实现同一工作区中的人机协作任务。但是现阶段由于机器人内部传感器数据的单一性，例如往往只能根据检测所受的外力矩大小来判断是否碰撞，难以保证整个任务的安全性，因此在真正的人机协作场景中需要加入外部传感器结合安全检测算法来实时监测协作机器人的位姿，作为整个系统安全的另一层保障。

因此，本领域的技术人员致力于开发一种用于协作机器人位姿估计的图像数据集快速构建方法，该种方法相对于图像领域的手工标注方法具有速度快、准确率高、信息丰富等优势，对使用的协作机器人种类没有特定要求，可以快速应用于不同的协作机器人场景。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是如何解决使用机器学习算法进行协作机器人位姿估计的数据集采集问题，可以大幅度的提高数据集采集效率，并确保数据集的准确性和稳定性。

为实现上述目的，本发明提供了一种用于协作机器人位姿估计的图像数据集快速构建方法，包含如下步骤：

步骤1：在机器人基座与相机相对固定的情况下，保证所述机器人的运动范围处于所述相机的视野范围内，将标定板与所述机器人的末端固定连接，保证所述标定板的坐标系的唯一性，同时保存每张所述标定板的图片对应的所述机器人的末端的工具中心点位姿数据；

步骤2：根据步骤1中所得到的多组所述标定板的图片与对应的所述机器人的末端的工具中心点位姿数据，基于张正友棋盘格标定法标定相机内外参数，设计标定算法以求解所述机器人的基座坐标系到所述相机的坐标系的第一变换矩阵；

步骤3：根据所述机器人的关节-轴参数及构型解算出所述机器人的关键点在机器人基座坐标系下的位置，同时结合步骤2中得到的所述第一变换矩阵与所述相机内参矩阵，完成所述机器人的关键点在图像像素点的映射。