一种机器人手眼标定方法及系统

摘要: 本发明涉及机器人视觉,尤其涉及一种机器人手眼标定方法及系统。背景技术:1、在工业机器人视觉应用中,手眼标定是建立机器人末端坐标系与传感器坐标系之间刚性变换关系的...
一种机器人手眼标定方法及系统

本发明涉及机器人视觉,尤其涉及一种机器人手眼标定方法及系统。

背景技术:

1、在工业机器人视觉应用中,手眼标定是建立机器人末端坐标系与传感器坐标系之间刚性变换关系的核心环节,标定精度直接决定机器人视觉引导作业的整体精度。

2、目前行业内主流采用二维棋盘格、圆点阵列等平面标定板完成手眼标定,该方式存在明显局限:当传感器需要大倾角扫描工件时,二维标定板会产生严重透视畸变,特征点提取失效,最终导致标定失败;同时传统方案必须现场布置实体标定板,在空间狭小、工件遮挡、高温强振动等无法放置标定板的工况下难以实施。

3、现有无靶标点云配准类手眼标定方案也存在诸多技术缺陷:

4、配准质量评判标准不统一,现有技术普遍采用均方根误差、固定内点率作为配准优劣的判断依据,该类指标无法适配不同点云密度、不同硬件分辨率的传感器,评判结果易受噪声、工件形态干扰,难以客观区分配准效果;粗配准依赖人工调参,粗配准算法的特征半径、匹配阈值等参数需要技术人员根据经验手动设置,参数调试工作量大,且人工经验存在主观性,容易出现参数不合理导致配准失败的问题,同时单一粗配准算法容错率低,初始变换效果差;迭代最近点配准易陷入局部最优,传统迭代最近点算法采用固定体素尺度与固定距离阈值,若初始位姿偏差较大,固定阈值会导致算法无法完成全局收敛,若阈值设置过大,又会引入大量错误匹配点,造成配准精度下降,无法兼顾收敛范围与匹配精度;误差逐级传递放大,点云配准产生的偏差会直接带入手眼矩阵求解环节,且缺少有效的结果校验机制,单帧配准异常会污染整体标定结果,工业现场强噪声、机械抖动环境下标定鲁棒性差。

5、鉴于此,如何提供一种自动化程度高、配准结果可靠、标定精度与鲁棒性强的机器人手眼标定方法,以解决传统方案配准评价标准通用性差、粗配准依赖人工调参、精配准易陷入局部最优且误差易逐级传递的问题,是本领域技术人员亟待解决的技术问题。

技术实现思路

1、本技术的目的为提供一种机器人手眼标定方法及系统;本技术提供的机器人手眼标定方法,解决了传统评价指标无法跨设备、跨点云场景评判配准质量的问题,建立统一、鲁棒的配准质量评价体系;解决了粗配准算法参数依赖人工调试、单一算法配准可靠性低的问题,实现粗配准参数与算法的自动化优选;解决了传统迭代最近点配准固定阈值、固定体素尺度导致的收敛范围窄、易陷入局部最优、精度不足的问题,提升点云精配准的稳定性与精度;解决了点云配准误差直接传递至手眼求解环节、异常数据无法甄别导致标定结果失真的问题,阻断误差传递,提升整体标定鲁棒性。

2、本发明的目的为提供一种机器人手眼标定方法;

3、本发明提供的技术方案如下:

4、一种机器人手眼标定方法,包括:

5、采集机器人末端的多组位姿数据,以及每组位姿下传感器对应的点云数据;

6、将所述点云数据采用多种预设的粗配准算法生成多个候选刚体变换矩阵;

7、以预构造的统一质量评分函数分别对所述多个候选刚体变换矩阵进行评分,得到统一质量评分值,并基于所述统一质量评分值,得到最优粗配准刚体变换矩阵;

8、以所述最优粗配准刚体变换矩阵作为初始变换,采用体素尺度和内点阈值协同收缩的方式进行多阶段渐进配准,得到传感器侧相对运动矩阵;

9、基于所述传感器侧相对运动矩阵和通过所述机器人末端的位姿数据得到的机器人侧相对运动矩阵,得到手眼标定变换矩阵。

10、优选地,所述以预构造的统一质量评分函数分别对所述多个候选刚体变换矩阵进行评分,得到统一质量评分值,包括:

11、从所述点云数据中选取源点云与目标点云,将源点云通过所述候选刚体变换矩阵映射至目标点云坐标系,计算变换后的源点云的各个点到目标点云的最近邻距离集合;

12、根据所述最近邻距离集合的中位数绝对偏差、预设的目标点云内在采样尺度和预获取的传感器的标称分辨率,确定内点判定阈值,并基于所述内点判定阈值统计内点率;

13、根据所述最近邻距离集合的中位数和所述预设的目标点云内在采样尺度的比值,得到几何一致性评分;

14、根据所述内点率和所述几何一致性评分,得到所述统一质量评分值。

15、优选地,所述体素尺度和内点阈值协同收缩,包括:

16、构建体素尺度由大到小依次递减的体素尺度序列,并根据所述体素尺度对源点云和目标点云分别进行体素降采样;

17、并根据预设的停止阈值和预设的阈值倍数确定起始内点阈值,使内点距离阈值逐步衰减至所述停止阈值。

18、优选地,所述以所述最优粗配准刚体变换矩阵作为初始变换,采用体素尺度和内点阈值协同收缩的方式进行多阶段渐进配准,得到传感器侧相对运动矩阵,包括:

19、构建体素尺度由大到小依次递减的体素尺度序列,每个体素尺度对应一个配准阶段;

20、在第一个配准阶段,以所述最优粗配准刚体变换矩阵作为初始变换,根据当前阶段的体素尺度对源点云和目标点云分别进行体素降采样,预设置当前阶段的停止阈值,并根据所述当前阶段的停止阈值和所述阈值倍数确定当前阶段的起始内点阈值;

21、在当前阶段内执行迭代最近点配准,使配准过程中的内点距离阈值逐步衰减至所述当前阶段的停止阈值,并将当前阶段配准结束后输出的刚体变换矩阵作为下一阶段的初始变换;

22、依次进入下一体素尺度对应的配准阶段,重复执行上述体素降采样、预设置当前阶段的停止阈值、确定当前阶段的起始内点阈值以及迭代最近点配准的步骤,其中,各阶段体素尺度逐阶减小,内点阈值随体素尺度同步减小;

23、当完成所有体素尺度对应的配准阶段后,将最后阶段输出的刚体变换矩阵作为所述传感器侧相对运动矩阵。

24、优选地,所述预设置当前阶段的停止阈值,包括:

25、将当前阶段的体素尺度下点云的平均最近邻距离和所述传感器标称分辨率进行对比,将二者中的较大值作为所述当前阶段的停止阈值。

26、优选地,在所述基于所述机器人末端的位姿数据得到的机器人侧相对运动矩阵,和所述传感器侧相对运动矩阵,得到手眼标定变换矩阵之前,还包括:

27、对所述传感器侧相对运动矩阵进行校验,得到目标传感器侧相对运动矩阵;

28、所述基于所述机器人末端的位姿数据得到的机器人侧相对运动矩阵,和所述传感器侧相对运动矩阵,得到手眼标定变换矩阵,具体为:

29、基于所述机器人侧相对运动矩阵和所述目标传感器侧相对运动矩阵,得到手眼标定变换矩阵。

30、优选地,所述将所述点云数据采用多种预设的粗配准算法生成多个候选刚体变换矩阵,包括:

31、预设所述多种粗配准算法的可调参数范围形成参数空间;

32、采用预设搜索策略在所述参数空间内遍历参数组合,并结合多种粗配准算法生成所述多个候选刚体变换矩阵。

33、优选地,所述多种预设的粗配准算法包括随机采样一致性算法、快速全局配准算法、鲁棒估计算法、主成分分析初始化算法中的至少两种。

34、优选地,在所述采集机器人末端的多组位姿数据,以及每组位姿下传感器对应的点云数据之后,还包括:对所述点云数据进行预处理;

35、所述对所述点云数据进行预处理,包括:

36、对所述点云数据进行体素下采样,得到下采样后的点云数据;

37、对所述下采样后的点云数据进行统计离群点滤除和法线估计。

38、本发明的第二个目的为提供一种机器人手眼标定系统;

39、本发明提供的技术方案如下:

40、一种机器人手眼标定系统,包括:

41、数据采集模块,用于采集机器人末端的多组位姿数据,以及每组位姿下传感器对应的点云数据;

42、候选变换生成模块,用于将所述点云数据采用多种预设的粗配准算法生成多个候选刚体变换矩阵;

43、质量评分与筛选模块,用于以预构造的统一质量评分函数分别对所述多个候选刚体变换矩阵进行评分,得到统一质量评分值,并基于所述统一质量评分值,得到最优粗配准刚体变换矩阵;

44、渐进配准模块,用于以所述最优粗配准刚体变换矩阵作为初始值,采用体素尺度和内点阈值协同收缩的方式进行多阶段渐进配准,得到传感器侧相对运动矩阵;

45、手眼标定求解模块,用于基于所述传感器侧相对运动矩阵和通过所述机器人末端的位姿数据得到的机器人侧相对运动矩阵,得到手眼标定变换矩阵。

46、本发明提供的一种机器人手眼标定方法,包括:采集机器人末端的多组位姿数据及对应的点云数据;将点云数据采用多种预设的粗配准算法生成多个候选刚体变换矩阵;以预构造的统一质量评分函数对多个候选刚体变换矩阵进行评分得到的统一质量评分值,确定最优粗配准刚体变换矩阵;以最优粗配准刚体变换矩阵作为初始变换,采用体素尺度和内点阈值协同收缩的方式进行多阶段渐进配准,得到传感器侧相对运动矩阵;基于传感器侧相对运动矩阵和机器人侧相对运动矩阵,得到手眼标定变换矩阵。相比于现有技术,本发明采用统一质量评分对多种粗配准矩阵进行筛选,再进行渐进精配准,自动化程度高,配准收敛性好,有效提升手眼标定的精度与抗干扰能力。

47、本发明还提供了一种机器人手眼标定系统,由于该系统与机器人手眼标定方法解决相同的技术问题,属于相同的技术构思,理应具有相同的有益效果,在此不再赘述。