为了满足视觉系统对于玩具小车的识别、定位和抓取,使用HALCON对相机进行系统标定,以消除相机畸变的影响。视觉系统创新性的使用了三相机进行图像采集,其中一个彩色相机用于识别,配套8mm镜头,两个黑白相机用于定位,配套12mm镜头。基于双目立体视觉系统和手眼标定系统,进行双目标定和手眼标定,得到对应的标定结果和标定误差。然后,通过得到的参数实现玩具小车的识别、定位和抓取,实验测试定位误差可以控制在0.3mm以内,能很好的实现玩具小车的抓取,满足工业生产的需求。

基于机器视觉在工业上的广泛应用,对用于气阀装配的机器人视觉系统进行了标定研究,包括基于主动非线性的相机标定和基于Eye-in-hand方法的手眼标定,经实验证明,标定后的视觉系统对气阀的定位精度误差为0.52 mm,达到了气阀的定位与装配精度要求,实现了基于视觉的气阀与气缸间的定位与装配,对其他机器人视觉定位研究与设计具有重要的实用价值和意义。

为能够高效、高精度的获取大型自由曲面物体的形貌，研究了基于通用工业机器人和激光线扫描传感器的测量方法。论述了激光线扫式形貌测量系统的原理与结构，利用标准球及优化算法实现了机器人和激光扫描传感器位姿关系的精确解算，并针对机器人运动学误差对系统测量影响较大，通过对机器人运动学参数的修正有效减小了机器人的绝对定位误差。实验和分析结果表明，经标定和运动学参数校正后的测量系统对标准球的测量能达到较高精度，为采集高精度三维点云提供了保证。

线激光视觉测量传感器与工业机器人组成三维测量系统时,法兰盘坐标系与摄像机坐标系之间变换关系求解较复杂。为解决此问题,提出一种基于固定参考点的手眼标定算法。该算法以标定球为靶标,根据标定球球心在机器人基坐标系中坐标不变原则,结合机器人运动学位置约束关系建立了矩阵变换方程,并在旋转矩阵求解中引入四元数,简化计算过程,实现机器人手眼标定。通过试验量化分析测头光平面与标定球相交位置对测量结果的影响,验证了该算法的有效性和实用性。

在视觉引导机器人完成抓取的过程中,最重要的步骤是手眼标定,手眼标定的精度将直接影响后续工作的精度。充分考虑相机畸变对手眼标定的影响,在Halcon环境下,设计一种高精度的固定视点手眼标定方法,该方法在确定了机器人基础坐标系与相机图像坐标系之间关系的同时也标定了相机的内外参数,并通过实验进行验证。结果表明:该标定方法具有较高的精度,可广泛应用于视觉机器人的定位抓取工作。

为了解决传统工业机器人无法对多个不定位姿的工件进行分拣抓取的问题,搭建一套基于机器视觉的零件分拣及上下料系统。所搭建系统能够较准确地对铝件和有机玻璃件进行分拣,并对工件的位姿进行识别,最后将结果换算到机器人的世界坐标系下,对工件进行准确抓取和上下料。其中针对工件的分拣,提出了通过条形码进行识别分拣的方法,此方法简单有效,快速便捷。对与背景对比度不高的透明有机玻璃件的位姿识别,提出一种自适应调参线性变换方法,从而准确识别出透明件的位姿信息。经实验测试,所搭建系统具有较高的准确性。

针对相机标定误差和机器人正运动学求解的误差对手眼标定精度的影响以及传统对偶四元数法用奇异值分解求解手眼标定时易受到外界干扰产生较大误差的问题,提出一种基于LMI优化的对偶四元数手眼标定算法。该方法以对偶四元数的形式将手眼标定方程分解成两部分,简化问题模型,分别估计旋转矩阵和平移向量。该方法先用线性矩阵不等式优化的方法替代传统奇异值分解法求得精确度更高的旋转矩阵,再通过改写平移向量的标定方程,建立新的目标函数,然后用线性矩阵不等式优化的方法求得平移向量。最后,通过开源数据集实验和手眼标定平台上的实测实验结果分析,证明了该算法在求解精度和稳定性上都优于传统对偶四元数(CDQ)算法、经典算法Tsai法和Navy法,并验证了该算法在实际应用中的可行性。

在智能制造领域,视觉机器人应用前景十分广阔。视觉机器人的手眼标定精度直接关系到机器人的后续作业精度。为了进一步提高机器人的手眼标定精度,现提出一种基于Adam优化算法的双目Eye-to-Hand型机器人的手眼标定方法。根据多体运动学理论,建立了6DOF机器人手眼标定数学模型,以Halcon输出的手眼标定矩阵为初始值,采用Adam优化算法对目标函数进行迭代求解,将由优化前后手眼矩阵得到的两组机器人末端坐标系的位姿分别与从示教器得到的位姿作差值,并取Frobenius范数。结果表明:相机标定误差为0.089个像素,优化后的Frobenius范数平均值小于优化前,且一致性好。

机器人的手眼关系是建立机器人与视觉传感器之间联系的桥梁,手眼标定问题是工业机器人自动化程度的重要衡量标准之一。为了能让固定在6-DOF机器人末端3D扫描仪完成复杂工件的扫描工作,对工业机器人与3D激光扫描仪进行标定,提出高效易操作的＂246＂标定方法,标定过程利用标定球,通过齐次坐标变换和工业机器人位置变化配合,完成手眼标定。使用未经优化得到的标定结果进行扫描工件,发现得到的点云有错位、异常点现象,分析标定过程可能产生标定误差的因素,提出若干避免误差的方法,并通过实验验证,从而提高标定精度,达到自动化加工精度要求。

现有的手眼标定方法无法自动生成机械臂的标定姿态,因此在标定过程中所有的机械臂运动都由标定人员根据经验来控制。由于手眼标定的结果对获取的数据十分敏感,若获取的数据不理想,即使采用优秀的算法,也会导致标定结果具有较大的标定误差。为此,提出了一种根据初始标定结果自动生成机械臂标定姿态,并结合K-means聚类算法筛选有利于提高结果精度的机械臂姿态的手眼标定方法。通过仿真实验和真实机器人手眼标定实验,比较了文中方法和传统的手眼标定方法,结果表明新算法在精度和对噪声的稳定性上得到提升,并且消除了获取手眼标定数据时的不确定性因素。