针对传统六足机器人测量系统存在模式单一的问题,设计出一种基于三维视觉的六足机器人多模式运动测量系统。利用Kinect相机采集图像信息,在VS2010软件开发平台上使用C＋＋编程语言,结合opencv计算机开源视觉库,实现对图像的处理。通过设计六足机器人在多模式下的步态,实现对六足机器人多模式下的运动状态测量功能。对六足机器人各步态下的测量系统进行实验验证,结果表明该系统能够对不同步态下六足机器人进行实时三维位置信息反馈,而且得出六足机器人在双足步态下具有良好的稳定性。

为解决工业机器人在复杂自动化生产线上目标精确定位问题,文章搭建了由史陶比尔工业机器人、Kinect视觉传感器和上位机组成硬件平台,设计了基于三维视觉的工业机器人抓取定位系统。通过棋盘标定法对工业机器人抓取系统进行标定,采用深度边缘分割方法采集图像并提取工作面,根据累计概率Hough变换法提取工作面上不同形状目标的中心点,编写上位机处理程序实现图像分割、目标中心点定位及机器人运动控制等功能。实验结果表明该系统能够对规则形状目标实现定位功能,定位精度满足工业机器人的工作需求。

为了提高串联工业机器人的绝对定位精度,文章提出了基于圆点分析法(CPA)与最小二乘法相结合的机器人几何参数混合优化辨识标定方法。首先利用CPA对机器人模型进行几何参数初辨识,然后以初辨识结果建立机器人几何误差模型,采用最小二乘法优化求解实现精辨识,再通过距离误差来验证标定效果。通过对埃夫特ER10L|C10工业机器人进行辨识标定实验研究,结果表明采用文中方法对机器人几何参数辨识标定后其绝对定位误差的最大值、平均值和标准差明显小于理论模型和CPA辨识模型的结果,证明文中方法可以有效辨识标定机器人模型的几何参数,提高机器人的绝对定位精度。

为提高串联6自由度机器人的绝对定位精度,针对几何参数误差补偿后的工业机器人关节刚度参数展开研究。首先,基于虚拟关节模型建立了工业机器人一维关节刚度误差模型。其次,为提高关节刚度参数的辨识精度与效率,利用BP神经网络对刚度误差模型进行拟合,以优化遗传算法的初始种群适应度。最后,利用激光跟踪仪AT930和ER10L-C10机器人进行实验,验证以上误差模型与关节刚度参数辨识算法。实验结果表明,经过关节刚度误差补偿后,机器人的平均距离误差与最大距离误差分别为0.2485mm与0.3332mm。相比于补偿前的距离误差,机器人定位精度提高了33.7%。因此,通过改进遗传算法辨识得到的机器人关节刚度参数能够有效地提高机器人定位精度。