申请/专利权人：上海智能制造功能平台有限公司

申请日：2023-09-14

公开（公告）日：2024-06-21

公开（公告）号：CN117197241B

主分类号：G06T7/73

分类号：G06T7/73;G06T7/80;G06T17/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2023.12.26#实质审查的生效;2023.12.08#公开

摘要：本发明公开了一种基于多目视觉的机器人末端绝对位姿高精度跟踪方法，包括以下步骤：获取机器人的低精度位姿信息；对多目相机系统进行标定，获取标定参数；基于所述低精度位姿信息对人工标靶进行自标定，获取靶标点之间的相对位置关系；基于所述低精度位姿信息、所述标定参数和所述相对位置进行位姿跟踪，获取所述机器人的目标位姿，完成基于多目视觉的机器人末端绝对位姿高精度跟踪。本发明提出一种自动化的靶标组标定方法，能够方便地获取靶标组之间的较高精度的相对位置关系，为后续的跟踪过程提供可靠初值；通过在机器人末端加装测量设备，可以利用该方法进行机器人末端位姿补偿，并实现在绝对坐标系下的较高精度特征测量。

主权项：1.一种基于多目视觉的机器人末端绝对位姿高精度跟踪方法，其特征在于，包括以下步骤：获取机器人的低精度位姿信息；对多目相机系统进行标定，获取标定参数；基于所述低精度位姿信息对人工标靶进行自标定，获取靶标点之间的相对位置关系；基于所述低精度位姿信息对人工标靶进行自标定，获取所述靶标点之间的相对位置关系包括：S1、获取所述人工标靶的初始状态，利用所述多目相机系统对所述人工标靶进行拍摄，利用Zernike矩方法确定每个椭圆圆心的亚像素坐标，并利用双目系统的三维重建，获得每个靶标点的三维信息，两两相机组成所述双目系统；S2、基于所述低精度位姿信息和所述每个靶标点的三维信息，利用KD-Tree进行邻点搜索，确定当前靶标点的索引号；S3、所述机器人带动所述人工标靶进行旋转和移动，并利用所述多目相机系统对刚性变换后的人工靶标进行采集，重复S1、S2的三维重建过程，获取每个靶标点的索引号以及深度信息；S4、重复S3，直至每个人工标靶都被拍摄若干次；S5、获取初始图像中点云，并计算每两帧点云前后的位姿变换关系，累乘得到所述初始图像中点云到基准点云的旋转矩阵和平移向量；S6、基于所述旋转矩阵和所述平移向量，获取非线性优化方法LM算法的优化目标，进而获取所述初始图像中点云到基准点云的变换关系；S7、利用所述初始图像中点云到基准点云的变换关系，将每一幅图的部分点云统一至所述基准点云，获取所述靶标点之间的相对位置关系；利用双目系统的三维重建，获得每个靶标点的三维信息包括：构建测量误差模型；根据所述测量误差模型进行三维重建，获取所述每个靶标点的三维信息；所述测量误差模型包括：X方向测量误差概率、Y方向测量误差概率和Z方向测量误差概率；所述X方向测量误差概率为：当D≥v时： 当Dv时： 其中，τx是X方向给定的误差界限，εx用于表示X方向实际误差大小，τy是Y方向给定的误差界限，εy用于表示T方向实际误差大小，v为左相机上像点在垂直方向上的坐标，R为旋转矩阵；所述Y方向测量误差概率为：当0≤h＜D时： 当h＞D时： 其中，h为Jr，Jr为右像素所在的列坐标，R＝fdv，f代表相机焦距，d为视差； 所述Z方向测量误差概率为： 其中，εz用于表示Z方向实际误差大小，τz是Z方向给定的误差界限，D为视差；基于所述低精度位姿信息、所述标定参数和所述相对位置进行位姿跟踪，获取所述机器人的目标位姿，完成基于多目视觉的机器人末端绝对位姿高精度跟踪。

全文数据：

权利要求：

百度查询： 上海智能制造功能平台有限公司 一种基于多目视觉的机器人末端绝对位姿高精度跟踪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD