[发明专利]对仅有棱边特征工件的视觉定位方法、应用及精度评估方法

权利要求书

1.一种对仅有棱边特征工件的视觉定位方法，所述仅有棱边特征工件表面至少形成有两条不在同一直线上的棱边；其特征在于：

利用多线结构光传感器分别对标准工件的不同测试位置进行检测，测试结果中至少包括三个不在同一直线上的棱边上的点；测试前，标定好各个测试位置的辅助直线方程及测试点的三维坐标，以此为标准数据；

所述各个测试位置所对应的测试点、辅助直线通过以下方法获得：在测试位置，预先标记多线结构光中的一条激光条为基准激光条，其所在的光平面为基准光平面；记所述基准激光条在标准工件上的拐点为测试点；利用多线结构光中的激光条在标准工件上的拐点坐标拟合得到辅助直线；

测试时，与所述标准工件同型号的工件按照预先设定的状态放置在检测工位上，多线结构光传感器分别获取各测试点的三维坐标，记为实测数据；

基于标定过程中记录的各测试点的三维坐标与实测数据中各测试点的三维坐标数据计算旋转平移矩阵；以此为基础，对标准数据中各条辅助直线进行旋转平移，再将其与各自对应的基准光平面之间的交点记入校准点集；

以实测数据中各测试点的三维坐标、对应校准点集中的交点之间的距离为目标函数，利用最优化方法迭代得出满足收敛条件的最优旋转平移矩阵；

将最优旋转平移矩阵补偿到标定过程中各测试点的坐标，得到当前工件的位置，完成定位。

2.如权利要求1所述对仅有棱边特征工件的视觉定位方法，其特征在于，工件按照预先设定的状态放置在检测工位时，其与标定时的标准工件位置横纵方向偏差在30mm以内，角度偏差在5°以内。

3.如权利要求1所述对仅有棱边特征工件的视觉定位方法，其特征在于，所述最优化方法为梯度下降法、LM法或高斯牛顿法。

4.如权利要求1所述对仅有棱边特征工件的视觉定位方法，其特征在于，将目标函数表示为min{S_i-F_i}，i＝1，2……m，m表示测试点个数，S_i表示第i个测试位置实测数据中测试点的三维坐标，F_i表示第i个测试位置校准点集中交点的三维坐标；

收敛条件为：唯一上限值或者对于每个测试位置设置1个目标函数的上限值。

5.如权利要求1所述对仅有棱边特征工件的视觉定位方法，其特征在于，所述多线结构光传感器设有m个，其分别固定在各个测试点的上方；

或者：将单个多线结构光传感器安装在机器人上：根据各个测试点的位置，进行机器人示教；机器人沿示教出的检测路径带动多线结构光传感器分别向各个测试点投射激光条并进行结构光图像获取。

6.一种利用权利要求1～5任一项所述视觉定位方法进行工件抓取的方法，其特征在于，将最优化旋转平移矩阵补偿到机器人的抓件轨迹，引导抓件机器人根据实际位置进行工件抓取。

7.一种利用权利要求1～5中任一项视觉定位方法进行工件加工的方法，其特征在于，将最优化旋转平移矩阵补偿到机器人的加工轨迹，引导抓件机器人根据实际位置进行工件加工。

8.一种对权利要求1～5任一项所述视觉定位方法进行精度评价的方法，其特征在于，进行以下步骤：

S1、利用标准仪器获取标准工件上特定点的三维坐标Q_j，j＝1,2……n，n表示特征点个数；所述标准仪器包括激光跟踪仪、三坐标机和V-Satrs；所述特定点为在标准工件面或棱边上预先作标记的点，至少包括三个不共线的点；

利用多线结构光传感器对标准工件的不同测试位置的进行检测，测试结果中至少包括三个不在同一直线上的棱边上的点；测试前，标定好各个测试位置的辅助直线方程及测试点的三维坐标，以此为标准数据；

各个测试位置所对应的测试点、辅助直线通过以下方法获得：在测试位置，预先标记多线结构光中的一条激光条为基准激光条，其所在的光平面为基准光平面；记所述基准激光条在标准工件上的拐点为测试点；利用多线结构光中的激光条在标准工件上的拐点坐标拟合得到辅助直线；

S2、调整标准工件的位置，使其呈现出与其他放置时的位姿；

利用标准仪器再次获取调整后的标准工件上特定点的三维坐标Q’_j，利用刚体变换求解Q’_j和Q_j之间的旋转平移矩阵RT’；

多线结构光传感器分别获取各测试点的三维坐标，记为实测数据；

基于标定过程中记录的各测试点的三维坐标与实测数据中各测试点的三维坐标数据计算旋转平移矩阵；以此为基础，对标准数据中各条辅助直线进行旋转平移，再将其与各自对应的基准光平面之间的交点记入校准点集；

以实测数据中各测试点的三维坐标、对应校准点集中的交点之间的距离为目标函数，利用最优化方法迭代得出满足收敛条件的最优旋转平移矩阵RT；

S3、对比RT和RT’，判断两者之间各旋转、平移分量之间的差值是否小于预设值，若是，则当前多线结构光传感的精度满足测量要求，若否，则其不能满足测量要求。