[发明专利]一种基于球目标的机器人3D视觉手眼标定方法

说明书

本发明公开了一种基于球目标的机器人3D视觉手眼标定方法，该方法包括：获取球目标的三维点云信息和机器人末端法兰盘在基坐标系下的位置信息；基于随机采样一致性算法分割出点云中位于球面上的三维点，对球面上的点做最小二乘球面拟合确定球心在所述相机坐标系下的坐标值；根据相机坐标系下的球心点坐标和机器人末端在基坐标系下坐标值的对应关系，确定相机坐标系到机器人基坐标系的变换矩阵，实现机器人的手眼标定。本发明方法以球目标为标定物，整个标定流程无需人工干预，方法简单易于实现。

技术领域

本发明属于机器人3D视觉标定技术领域，具体涉及一种基于球目标的机器人3D视觉手眼标定方法。

背景技术

伴随着机器人技术的发展，以机械臂为手臂、3D视觉为眼睛的结合赋予了机器人完成更为复杂任务的能力，提升了机器人的应用范围。尤其在工业应用领域，例如装配，抓取工件，物流分拣等一系列重复性高，工作强度大和危险性高的工作，视觉引导下的机器人在工作效率和质量上都有较好的表现。手眼标定方法是为机器人与3D视觉之间建立联系，工业领域中对高精度的追求也就约束着手眼标定方法对标定结果的精度有很高要求。

三维相机获取到空间对象在视觉坐标系下的空间位置，末端执行器在机械臂基座标系下抓取空间对象，空间对象的真实位置固定，由于视觉坐标系与机械臂基坐标系不同导致相同对象存在两组空间坐标。手眼标定的作用就是建立视觉坐标系与机械臂基坐标系的联系，实现空间对象从视觉坐标系下坐标值到机械臂基座标系下坐标值的转换。

手眼标定的两大主要工作是：采集标定数据和计算两个坐标系之间的变换关系，这两步并不是相互独立，而是一种此消彼长的关系。采集到的标定数据精度越高，采用比较简单的数学模型即可获取两个坐标系之间的转换；反之，如果采集到的数据存在较大噪声。解算坐标系之间变换关系时需要考虑误差纠正和抗干扰的问题，而且复杂的解算模型得到的变换关系多数都是局部最优解，不具有通用性。

最早的采集标定数据的方法是利用特制的标定板，从三维相机拍摄得到的标定板图像中获取标定板上标志点信息；然后人工控制示教器移动机械臂末端执行器采集标定板上标志点的位置信息。采用人工参与的手眼标定方式虽然简便且容易实现，但不可避免的会引入人为误差且效率低下；针对这个问题，后续研究人员提出了将标志点贴在机械臂末端执行器上的方法。该类方法引申出两个分支：第一个分支是把末端执行器和标志点之间的位置关系作为求解的未知量，以标志点为媒介获取视觉坐标系与机械臂基坐标系之间的关系，该方法的优点是无需人工参与，不会引入认为误差。缺点是解算模型比较复杂，求解的未知量较多，结果不稳定。第二个分支是采用制作工具坐标系的方式确定末端执行器和标志点之间的位置关系，该方法效率高，但在制作工具坐标系的过程还是需要人为参与。

当前机器人手眼标定方法面临的困境就是完全的自动化标定方法的数据解算过程比较复杂，引入人工辅助的标定方法数据解算比较简单，但会引入人为误差；而且，复杂的解算方法虽然能够摆脱对人的依赖，其在解算过程中往往会引入额外的未知量，进而导致求解的标定结果精度下降。因此，寻求一种完全自动化标定且解算模型简单的手眼标定方法就显得格外的重要。

发明内容

鉴于上述，本发明提供了一种基于球目标的机器人3D视觉手眼标定方法，通过约束机器人在标定过程的运动方式，实现了一种计算简单且无需人工干预的手眼标定方法，提高了标定结果的精度。

一种基于球目标的机器人3D视觉手眼标定方法，包括如下步骤：

(1)将球目标紧固安装在机器人手臂末端法兰盘上，在保持手臂末端关节姿态不变的情况下使法兰盘位置发生平移，获取平移过程中法兰盘中心点在机器人基坐标系中的n组坐标值，同时利用3D传感器采集这n组坐标值所对应时刻球目标的点云数据，n为大于3的自然数；