[发明专利]一种基于双目视觉的机械臂运动学自标定方法

说明书

本发明涉及自适应控制领域，具体涉及一种基于双目视觉的机械臂运动学自标定方法。首先采集数据，通过双目相机获得机械臂末端位置信息、机械臂各关节实际转动角度及理论转动角度。然后将DH理论和手眼标定理论相融合，建立机械臂运动学混合模型。运用多种群自适应差分算法进行模型的训练，求解混合模型参数。最后通过拟合多项式的方法建立起各伺服电机模型，使用最小二乘法进行多项式参数的求解以及补偿预测。本发明所提出的混合模型和伺服电机模型可以极大的降低机械臂所受几何误差的影响，计算出更加实际的模型参数。不需要额外通过示教器建立手眼标定过程中所需的机械臂底座坐标系，可以在保证绝对定位精度的前提下实现标定全程的自动化。

技术领域

本发明涉及自适应控制领域，具体涉及到一种基于双目视觉的机械臂运动学自标定方法。

背景技术

近年来，机械臂控制作为一种极具前景和应用价值的技术在汽车制造、果实采摘、流水线作业、外科手术等领域发挥了重要的作用，对工业、农业、制造业的发展具有重要意义。大多数多自由度机械臂系统本质上是一种半闭环的控制结构，系统只能精确控制关节伺服电机位置，而电机位置与机械臂末端执行器位置之间关系通过运动学确定。目前国内外机械臂厂商生产的机械臂受加工装配的影响，不能保证各个模块绝对的契合，而且机械臂在运行的过程中电机磨损、外部噪声等非几何因素直接影响机械臂的模型参数，造成理论运动学模型与实际模型之间不可避免的存在误差，从而导致末端位置的误差。当前环境下，一套完整的标定技术通常以机械臂建模、手眼标定、计算机视觉辅助相结合的形式出现。机械臂模型方面包括有模型和无模型两大类，前者包括D-H model、MDH model、CPCmodel、POE model等，后者有基于混合模型的前馈控制、实测数据拟合空间圆来构造坐标系的方法。手眼标定方面主要的研究点在提高算法精度和减少对标定物体的依赖上，使用激光跟踪仪、示教器等昂贵的设备采集数据，并用离线或在线的手段进行优化。计算机视觉辅助主要用于物体定位、环境识别、分类问题求解等方面。标定过程繁琐，成本高而且需要人工的参与。为了解决这一问题，本发明在保证机械臂绝对定位精度的前提下，将机械臂模型和手眼转换矩阵相融合，不需要额外进行手眼标定，改善了整个标定系统，以一套低成本的设备实现了标定全程自动化。

发明内容

针对现有机械臂运动学标定过程繁琐、成本过高且需要人工参与的问题，本发明提出一种基于双目视觉的机械臂运动学自标定方法，采用多种群自适应差分算法对所提出的混合模型参数进行参数辨识，降低了非几何因素造成的末端定位精度影响，简化标定系统冗余度，实现标定全程自动化，并且建立伺服电机模型，采用最小二乘法优化模型，进一步提高了机械臂的绝对定位精度。

一种基于双目视觉的机械臂运动学自标定方法，其具体技术方案步骤如下：

步骤一：采集数据：通过双目相机获取机械臂末端位置信息，使用六轴陀螺仪获取机械臂各关节实际转动角度，将随机产生的指令集转换成角度作为理论转动角度；

步骤二：设计机械臂运动学混合模型参数辨识方法：将DH理论和手眼标定理论相融合，建立机械臂运动学混合模型。运用多种群自适应差分算法进行模型的训练，求解混合模型参数；

步骤三：设计伺服电机模型，通过训练获得补偿后的角度：通过拟合多项式的方法建立起各伺服电机模型，使用最小二乘法进行多项式参数的求解以及补偿预测。

进一步的，步骤一具体包括：

随机生成n组指令构成指令集，将指令集中的指令转换为各舵机待转的角度作为理论转动角度；

执行指令集中的指令，同时读取陀螺仪获取的机械臂各关节实际转动角度和双目相机获取的机械臂末端位置信息。

进一步的，步骤二具体包括：

机械臂各关节构建笛卡尔空间坐标系，通过DH模型正向运动学推导获得机械臂底座到末端的转换关系，相邻坐标系i到i-1转换关系如公式(1)所示：

(1)

可推导为：

(2)