[发明专利]一种使用双层非线性优化的双目视觉手眼标定方法

说明书

本发明公开了一种基于双层非线性优化的双目视觉手眼标定法。本方法首先建立手眼矩阵方程，用线性最小二乘法求解手眼矩阵初始值其次，对手眼矩阵中的旋转分量Rsubgt;h2e/subgt;进行欧拉角变换，以保证旋转矩阵R的正交性；然后，构建手眼矩阵的优化模型Hsubgt;1/subgt;，并使用传统的LM非线性优化法对手眼矩阵初始值进行第一次优化，得到第一次优化后的手眼矩阵最后对手眼矩阵的优化模型Hsubgt;1/subgt;进行修正，得到二次优化模型Hsubgt;2/subgt;，再加入样本筛选方法的LM非线性优化法对第一次优化后的手眼矩阵进行第二次优化，得到第二次优化后的手眼矩阵针对传统的手眼标定方法精度不足的问题，本方法可以减小机器人单目视觉系统中存在的随机误差的影响并提高机器人手眼矩阵的标定精度。

技术领域

本发明属于计算机视觉和机器人技术领域，具体涉及一种使用双层非线性优化的双目视觉手眼标定方法。

背景技术

随着工业智能化的发展，视觉技术与工业机器人相结合的案例层出不穷。将视觉系统安装在机器人末端的方法称为眼在手上，这种方法得益于机器人的灵活性。它比固定在一个位置的视觉传感器具有更宽的操作范围。目前广泛应用于各类机器人制造系统，典型应用于机器人焊接、磨削、装配、航空航天、汽车等领域。但是对视觉机器人而言，手眼标定的精度会直接影响到机器人末端的最终定位精度，因此手眼标定的稳定性与精度则显得尤为重要。

目前在手眼标定方法上，主要有三种方法——Tsai的标定法、Dual-Quaternion标定法和张正友标定法。Tsai的标定法通过对多组已知的机器人末端执行器和相机之间的关系进行非线性最小二乘求解，得到标定矩阵。Dual-Quaternion标定法通过将机器人末端执行器和相机之间的运动关系表示为双四元数，然后通过非线性优化求解双四元数的参数，从而得到标定矩阵。张正友标定法是一种基于相机内参和外参的手眼标定方法，该方法通过对相机的内参和外参进行标定，并通过相机测量和机器人运动轨迹之间的优化匹配，从而得到标定矩阵。

目前关于手眼标定的求解，例如公告号为CN115383749A的中国发明专利公开的“带电作业设备的标定方法、装置、控制器及存储介质”，该发明公开了手眼标定的具体流程，机械臂末端固定有双目标定板，控制机械臂移动，以及控制图像采集设备采集双目标定板的第一标定板图像；第一标定板图像对图像采集设备进行双目标定；如果双目标定的标定结果合格，且机械臂末端固定有手眼标定板，则控制机械臂移动，以及控制图像采集设备采集手眼标定板的第二标定板图像；第二标定板图像对图像采集设备和机械臂进行手眼标定，直至手眼标定的标定结果合格。然而，这种方法求解出来的手眼矩阵没有优化，会有误差的干扰导致手眼标定的不准确，并且机器人系统的精度和鲁棒性受到影响。

发明内容

本发明针对机器人视觉系统中存在的随机误差，使用非线性优化的原理设计出双层LM(Levenberg-Marquardt method)优化法，通过对构建好的手眼矩阵优化模型使用传统LM方法进行初次优化后，再使用加入样本点筛选功能的LM优化法进行二次优化，该方法能够在不需要特制靶标的情况下完成标定，所提出的标定方法精度满足视觉机器人在工业领域的工作需求。

为实现上述目标，本发明的主要技术方案如下：

首先，选取棋盘格标定板，固定棋盘格标定板位置，改变机器人末端位置和姿态，使得

棋盘格标定板完整的呈现在双目相机系统视野内；然后，求解视野内棋盘格标定板上特征点P在机器人基坐标1-1下的表达式并获得手眼矩阵的初始值最后，利用LM非线性优化对手眼矩阵初始值进行初次优化，得到第一次优化后的手眼矩阵再结合样本筛选进行二次非线性优化，得到第二次优化后的手眼矩阵在迭代过程中将随机误差较大的点移出样本点集，获得第二次优化后的手眼矩阵即可作为手眼标定的最终结果，具体包括以下步骤：