机器人柔性视觉检测系统现场标定技术
工业机器人视觉检测系统的现场标定技术
p i t s d t o e s t i k p r mee s a e r gse e o t e l s r t c e o r i ae b s d o i g l r v u on su e o c mp n a e l a a tr r e i r d t h a e r k r c o d n t a e n sn u a a e n t a l
完成多台机器人基础坐标 系与车身坐标 系的统一 。实验表 明: 方法操作简单 , 够获得 ± . 0 该 能 03 mm的标 定 精度。 关键词 :工业机器人 ;车身检测 ; 距离精度 ; 配准 中图分类号 :T 22 P 4 文献标识码 :B 文章编号 :10 -7 7 2 1 )2- 8 -4 0 09 8 (0 0 0 -03 0 0
( tt yL b rtr f rc inMesrn eh oo ya dIsrme t, ini nv ri , SaeKe a o aoyo eio au igT c n lg n t P s n u ns TajnU ies y t
Ta j 00 2, hn ) ini 3 0 7 C ia n
0 引 言
触 式的外部位姿标定 , 此类方法操作方便存在人 为 瞄准误差 的影响 , 难
基于通用工业机器人 的柔性 在线车身检测系统是机器 视觉在工业质量检测 领域 的重要应 用 , 实现 了对大 型工件
以保证 较高的标 定精 度 和重复 精度 。Hih R L等人 建立 m 了一种同时包含手眼关 系和机 器人外部位姿关系 的齐次变 换 矩阵方程 , 并通 过迭 代 的方 法获 得数 值解 ; 苏剑 波提
d c mp s in T e t n fr t n r m h o o a e fa st h a a r ee i e . x e me tr s l e o o i o . h r so ma i s f t a o o t e r b t s r me o t e c rf me a e d tr n d E p r n e u t b m i s s o h t h t o sp a t a t i l p r t n a d s t f co y p e iin o ±0 3 h w t a e meh d i rc il wi smpe o e ai n a i a tr r c s f t c h o s o . 0 mm. Ke r s id sra r b t a o y i s e t n;d sa c c u a y e itain y wo d : n u t l o o ;c rb d n p c i i o i n e a c r c ;rg srt t o
常见机器人与视觉标定的几种办法
a是旋转标准的角度
Mdx=X1-X0,即旋转后Mark坐标与训练模板 的mark坐标
1.相机非线性校正
2.相机与机器人做9点标定 3.计算机器人的旋转中心 4.相机通过公式计算得出最终的输出结果
旋转中心标定说明
红色框为CCD FOV,黄色为工件
z
五星为Mark点
训练的标准位置
工件发生平移
y 工件发生平移和旋转
x Base Frame
所有 旋转中心方法用于
机器人与视觉配合场景
方法:计算工件实际发生的偏移量和旋转量,结合机器人的旋转中心进行二次补偿后,把补偿量 发送给机器人,然后机器人把补偿量补偿后进行抓取或放置即可;
下面介绍如何求解StDx和StDy
旋转中心标定—计算补偿
• StDx,StDy计算过程,首先Robot在拍照点旋转一定角度a(一定是Robot给出)
X0,Y0
X1,Y1
CDx= cos (a) * (Cx0-X0) - sin (a) * (Cy0-Y0) + X1 – Cx0 = (cos (a) -1) * (Cx0-X0) - sin (a) * (Cy0-Y0) + MDx = (cos (a) -1) * StDx- sin (a) * StDy+ MDx
CDy= cos (a) * (Cy0-Y0) + sin (a) * (Cx0-X0) + Y1 – Cy0
X’= cos (a) * (X0-Cx0) - sin (a) * (Y0-Cy0) + Cx0
(X0, Y0)
Y’= cos (a) * (Y0-Cy0) - sin (a) * (X0-Cx0) + Cy0
机器人视觉伺服系统的图像处理和标定技术
在计算机视觉中, 往往需要对物体进行定量分析或对物体 完成精确定位的处理, 解决这一问题就不仅要了解成像的模型, 还需要知道模型中各种参数的精确值, 确定这一参数值的过程
[ ] ’ 包括摄像机内部参数标定和手眼关系的标定 。如图 ( 所示。
( % # 图像滤波
对于基于位置控制的视觉伺服系统, 从二维图像平面提取 得到三维的目标位置, 必然是带有噪声的。图像的噪声表现为 图像上面出现各种形式的干扰斑点、 条纹等, 这些随机噪声把像 素的真值隐蔽起来, 严重影响对图像的处理和提取图像特征, 所 以系统必须对视觉处理后的信号进行数字滤波。噪声的浓度与 其四周像素的浓度间, 存在着很大的浓度差, 平滑化就是利用噪 声的这种性质除去噪声的方法。但因图像的边界部分也存在着
在线标定将标定技术与控制理论方法结合形成自治系统任何系统冲击震动及外部干扰都被自动考虑能很好地消除离线标定引入的一些误差能够实时准确的标定参数且具有较好力学方程求解逆动力学方程然后采用一种控制理论目前多采用自适应控制对运动轨迹和目标进行控制同时实现了参数在线确定或实时校准完成了摄像机的标定主要区别在于使用的控制理论算法不同
其中: ! 为旋转矩阵; " 和# 分别是相应于! 的用欧拉角表示 !,
1 & ! #
的侧倾角、 俯仰角和旋转角; 1 ’ 为从世界坐标系到摄像机坐
到; 在线估计法可以不进行标定, 但存在雅可比矩阵的初值选择 问题; 学习方法主要有离线示教和神经网络方法等。 标系之间的平移。
" $ 1 .
手眼关系的标定是指机器人坐标系 (世界坐标系) 与摄像机
$ 像机标定
机器人手眼系统的标定包括机器人内部参数标定, 摄像机 内部参数标定以及机器人坐标系与摄像机坐标系 (手眼) 关系的 标定。机器人内部参数的标定主要指应用先进的测量手段和基 于模型的识别方法辨识出机器人本体的主要参数, 在这方面已
机器人视觉传感器的标定方法研究
机器人视觉传感器的标定方法研究第一章绪论随着机器人产业的快速发展,机器人视觉技术已经成为了机器人技术中的重要组成部分。
机器人视觉传感器是机器人视觉技术中的核心组成部分,是机器人获取环境信息的主要手段之一,而标定是机器人使用传感器的前提。
因此,机器人视觉传感器的标定方法研究具有重要意义。
第二章机器人视觉传感器的标定方法介绍2.1传统标定方法机器人视觉传感器的传统标定方法一般采用外部标定与内部标定相结合的处理方式。
外部标定是将机器人视觉传感器与机器人底盘的坐标系进行相互转换,内部标定则是通过对机器人视觉传感器内部参数进行标定,从而获得更加准确的相机参数信息。
2.2 深度学习标定方法近年来,随着深度学习领域的飞速发展,基于深度学习的机器人视觉传感器标定方法也逐渐成为了研究焦点。
深度学习基于数据驱动,通过大量的实验数据进行训练,从而提高机器人视觉传感器的标定精度。
尤其是基于神经网络的标定方法,通过大量的样本训练,可以获得更加准确的标定结果。
第三章机器人视觉传感器标定方法的实验与应用3.1标定板实验标定板实验是机器人视觉传感器标定的一种重要实验方式,通过对标定板的基准点进行标定,可以计算出机器人视觉传感器的内部参数,从而获得较为准确的外参数和内参数。
3.2机器人建图实验机器人建图实验是机器人视觉传感器标定的一种重要应用实验方式。
机器人在运行中通过视觉传感器不断获取环境信息,进而进行建图和定位,通过标定传感器可以得到更加准确的对机器人姿态位置的计算结果,并且对机器人环境感知精度有着重要的影响。
第四章机器人视觉传感器标定方法的应用前景机器人视觉传感器标定技术在机器人应用中具有广泛的应用前景。
基于标定技术,可以实现机器人精确定位、环境建立和感知、目标识别和跟踪等应用场景。
未来,随着深度学习和人工智能技术的不断发展,机器人视觉传感器标定技术将会具有更加广泛的应用前景。
第五章结语本文综述了机器人视觉传感器标定方法的研究现状和应用前景,并详细介绍了传统标定方法和基于深度学习的标定方法。
工业机器人视觉系统的标定方法
工业机器人视觉系统的标定方法在现代工业自动化领域中,工业机器人扮演着至关重要的角色。
这些机器人能够执行一系列复杂的任务,从简单的装配工作到高度精密的制造流程。
而机器人视觉系统,作为工业机器人的“眼睛”,则赋予了机器人感知和理解周围环境的能力。
为了确保机器人视觉系统的准确性和可靠性,必须对其进行精确的标定。
本文将详细探讨工业机器人视觉系统的标定方法,包括其重要性、常见方法以及未来的发展趋势。
一、工业机器人视觉系统标定的重要性工业机器人视觉系统的标定是一个涉及多个步骤的复杂过程,其目标是通过一系列算法和技术手段,确定摄像机内外部参数,以及摄像机与机器人坐标系之间的相对位置关系。
这些参数包括摄像机的焦距、畸变系数、旋转矩阵和平移向量等。
只有经过准确的标定,机器人视觉系统才能精确地识别和定位目标物体,从而实现高效的自动化生产。
标定过程对于提高机器人视觉系统的性能至关重要。
一方面,准确的标定可以显著提高视觉系统的定位精度和稳定性,从而降低生产过程中的误差率。
另一方面,标定过程还有助于优化机器人的运动轨迹和路径规划,提高生产效率。
因此,掌握有效的标定方法对于实现工业自动化生产具有重要意义。
二、工业机器人视觉系统标定的常见方法1. 传统标定方法传统标定方法主要依赖于特定的标定参照物,如标定板、标定块等。
这些参照物具有已知且精确的几何特征,可用于估计摄像机的内外部参数。
传统标定方法的优点在于标定精度高、稳定性好,适用于对精度要求较高的场合。
然而,这种方法也存在一些局限性,如标定过程繁琐、需要专业操作人员以及对标定参照物的依赖性较强等。
2. 自标定方法自标定方法是一种不需要特定标定参照物的标定方法。
它利用摄像机在运动过程中拍摄到的多幅图像之间的对应关系,通过求解一系列方程组来估计摄像机的内外部参数。
自标定方法的优点在于灵活性高、适用范围广,可以应用于各种复杂的场景中。
然而,由于自标定方法依赖于图像之间的对应关系,因此其标定精度相对较低,且容易受到噪声和光照变化等因素的影响。
机器人视觉系统的构建与校准方法
机器人视觉系统的构建与校准方法机器人技术的发展使得机器人在各个领域具备更加广泛的应用前景。
而机器人的视觉系统是其实现智能感知和环境感知的关键技术之一。
机器人视觉系统的构建和校准对实现机器人的自主导航、对象识别和目标跟踪等功能具有重要意义。
本文将介绍机器人视觉系统的构建与校准方法,为机器人在不同环境下实现高效精准的视觉感知提供指导和参考。
一、机器人视觉系统的构建1. 选择合适数量的摄像头:机器人视觉系统的构建首先要确定所需的摄像头数量。
根据具体应用需求,可以选择单个摄像头或多个摄像头,多个摄像头能够提供更多的视角和更全面的视野。
同时,要考虑摄像头的分辨率、帧率和接口类型等因素,以满足对图像质量和数据传输速度的要求。
2. 安装和固定摄像头:在选择合适数量的摄像头后,需要将摄像头正确地安装到机器人上。
首先要确定摄像头的安装位置,通常需要在机器人的头部或身体上选择一个适合的位置,以便摄像头能够获得最佳的视野。
其次,需要使用适当的固定装置将摄像头牢固地安装在机器人上,以避免在移动和操作过程中产生抖动和影响图像质量。
3. 连接和配置摄像头:完成摄像头的安装后,需要将摄像头与机器人的计算系统进行连接。
常见的连接方式是使用USB或网络接口进行连接。
接下来,对摄像头进行配置,包括设置分辨率、帧率和图像格式等参数。
这些参数的设置需要根据具体应用需求来确定,以保证视觉系统能够提供足够清晰和平滑的图像。
4. 编写视觉系统软件:机器人视觉系统的构建还需要编写相应的软件来处理和分析摄像头获取的图像数据。
常见的编程语言和平台包括C++、Python和ROS等。
视觉系统的软件可以用于进行对象检测和识别、运动跟踪和目标定位等功能。
在编写软件时,需要根据具体应用需求选择合适的算法和方法,以提高识别和跟踪的准确性和效率。
二、机器人视觉系统的校准方法1. 相机标定:相机标定是机器人视觉系统校准的基础工作,它主要用于确定相机的内部参数和外部参数。
机器视觉系统的性能评估与校准技巧
机器视觉系统的性能评估与校准技巧机器视觉系统是一种通过计算机和相应的软件实现视觉功能的系统。
它通过使用传感器来捕捉和处理图像,从而模拟人眼的视觉功能,并且能够进行物体检测、识别和测量等任务。
然而,由于各种原因,机器视觉系统的性能可能会受到一些限制,因此评估和校准机器视觉系统的性能非常重要。
性能评估是指对机器视觉系统进行全面的测试,并根据指定的指标对其性能进行评估和衡量。
性能评估可以帮助我们了解机器视觉系统的准确度、稳定性、鲁棒性和速度等方面的表现。
在进行性能评估时,以下几个关键指标是需要考虑的:1. 准确度:准确度是评估机器视觉系统识别和检测功能的重要指标。
准确度可以通过计算系统的正确率、误识率和漏识率等指标来评估。
正确率指的是系统正确识别或检测出的物体的比例,误识率指的是系统错误地识别或检测出的物体的比例,漏识率指的是系统未能正确识别或检测出的物体的比例。
2. 稳定性:稳定性是指机器视觉系统在不同的环境条件下保持一致性的能力。
稳定性可以通过测试系统在不同光照、角度和距离等变化条件下的表现来评估。
稳定性评估可以帮助我们确定机器视觉系统在实际应用中的可靠性。
3. 鲁棒性:鲁棒性是评估机器视觉系统对噪声、遮挡和变形等因素的适应能力。
鲁棒性评估可以帮助我们确定系统在面临不完美条件时的表现,并为系统的改进提供指导。
4. 速度:速度是评估机器视觉系统处理图像的效率的重要指标。
速度可以通过测量系统处理单个图像的时间来评估。
在实际应用中,速度是一个关键因素,特别是在需要实时处理的场景下。
校准技巧是对机器视觉系统进行调整和优化,以提高系统的性能和精度。
以下是一些常用的校准技巧:1. 相机校准:相机校准是通过将相机的内部参数和外部参数进行精确测量和计算,从而提高图像的几何精度和准确性。
相机校准可以通过使用标定板或特定的图案来实现。
2. 光照校准:光照校准是通过调整系统的曝光时间和增益等参数,从而保证不同场景下的图像亮度一致性。
一种基于视觉测量的scara机器人标定方法
一种基于视觉测量的SCARA机器人标定方法
一、引言
SCARA机器人是一种特殊类型的装配机器人,广泛应用于各种制造行业。
为了确保SCARA机器人的准确性和可靠性,我们需要对其进行精确的标定。
本文提出了一种基于视觉测量的SCARA机器人标定方法,以提高其精度和可靠性。
二、标定方法
该标定方法主要包括以下步骤:
准备标定工具和设备:包括相机、标定板、参考坐标系等。
安装标定设备:将相机固定在SCARA机器人的工作区域上方,标定板安装在SCARA机器人的末端执行器上。
采集图像:通过相机拍摄标定板在不同姿态下的图像,并记录每个图像中标记点的位置。
图像处理:对采集的图像进行预处理,包括去噪、二值化、边缘检测等,以提取标记点的位置。
建立坐标系:根据采集的图像和已知的参考坐标系,建立相机的内部坐标系和世界坐标系。
计算参数:通过已知的点和对应的坐标系,计算相机的内部参数和外部参数,如焦距、主点坐标、畸变系数等。
验证标定结果:通过比较标定前后的机器人定位精度,验证该标定方法的有效性和精度。
三、实验结果
实验结果表明,使用该标定方法后,SCARA机器人的定位精度提高了约50%,大大提高了其工作性能和可靠性。
同时,该标定方法操作简单,精度较高,可广泛应用于各种SCARA机器人的标定工作中。
四、结论
本文提出了一种基于视觉测量的SCARA机器人标定方法,该方法可提高SCARA机器人的定位精度和工作性能。
实验结果表明,该方法具有操作简单、精度高等优点,可广泛应用于各种SCARA机器人的标定工作中。
机器人视觉系统中相机标定技术研究
机器人视觉系统中相机标定技术研究一、引言随着科技的不断发展,机器人技术已变得越来越重要,其中视觉系统是机器人技术中的重要一环。
相机标定技术作为视觉系统中的一项关键技术,对于机器人的精度和准确性有着重要的影响。
因此,本文旨在对机器人视觉系统中的相机标定技术进行研究,探讨其技术原理和应用方法。
二、相机标定技术的概念及意义相机标定是指确定摄像机内部和外部参数的过程。
其中,摄像机内部参数包括焦距、主点位置、畸变等;外部参数则包括摄像机相对于世界坐标系的位置和方向等。
相机标定的目的是为了求取摄像机在真实三维世界坐标系下的位置和姿态,从而实现三维物体的准确测量和定位。
相机标定技术在机器人视觉系统中的应用极其重要。
首先,机器人通过视觉系统获得环境中物体的信息,需要通过相机标定来获取准确的世界坐标系信息,从而实现精确的机器人操作。
其次,在机器人操作中,需要对物体进行准确的测量和定位。
相机标定技术通过相机的准确测量和定位,为机器人操作提供了重要的支持。
三、相机内部参数标定方法相机内部标定是指确定摄像机内部参数值的过程,通常采用的方法有以下两种:1、直接法直接法是通过摄像机拍摄一组已知大小的校准板图像,校准板上包含若干个特征点,通过测量特征点在图像中的坐标和在实际校准板上的坐标,可以计算出摄像机内部参数,包括焦距、主点位置和畸变等。
2、间接法间接法是基于多幅图像之间的匹配关系,通过计算每个像素点在不同图像中的反投影误差,来确定摄像机的内部参数。
其中常用的间接法有Tsai等提出的标准模型法和Zhang等提出的张氏标定法。
标准模型法利用多幅图像之间的重合度来计算摄像机的内部参数。
张氏标定法则是在标准模型法的基础上加入了基于角点的校准方法。
四、相机外参标定方法相机外参标定是指确定摄像机相对于世界坐标系的位置和方向的过程。
通常采用的方法有以下两种:1、单目标定方法单目标定方法是指只通过一颗摄像机来确定物体在三维坐标系中的位置和方向。
机器人视觉检测技术的应用
机器人视觉检测技术的应用随着现代科技的不断进步,机器人技术已经逐渐应用于各个领域。
作为机器人的核心技术之一,机器人视觉检测技术在现今社会中得到了广泛的应用。
一、机器人视觉检测技术简介机器人视觉检测技术是指通过利用机器人自身配备的视觉系统,对环境及操作对象进行视觉识别、计算和决策的技术。
通俗来说,就是让机器人像人一样通过视觉识别来完成一系列的操作。
机器人视觉检测技术主要涉及三个方面:图像获取、图像处理和图像分析。
其中,图像获取是指机器人通过自身摄像头或者其他传感器设备获取的外部图像信息,图像处理主要通过对获取到的图像进行处理和优化,以获得更加准确、稳定的结果,而图像分析则是对已处理的图像数据进行分析并进行后续的操作响应。
二、机器人视觉检测技术的应用领域1、工业领域机器人视觉检测技术在工业领域中得到了广泛的应用。
比如,通过机器人视觉检测技术可以有效地实现机器人自主地辨别和采集工业生产中的许多信息,如物品的重量、颜色、大小、形状等,并自动对这些信息进行处理和分类,从而可以有效提高生产的效率和准确性。
2、医疗领域在医疗领域中,机器人视觉检测技术可以用于医学影像的分析和诊断,如CT影像的量化分析、心脏病变的分析及肿瘤的检测等。
这些应用可以大大提高医疗行业的效率和准确性,同时也可以节省医疗资源,缩短患者等待时间,提高患者的满意度。
3、智能家居在现代家庭中,智能家居得到了越来越广泛的应用。
机器人视觉检测技术可以用于智能家居中,通过机器人的视觉系统,能够对人类的动作进行感知,并进行自主的交互和学习。
通过不断学习,机器人可以自动识别家庭成员的需求,并对其进行智能操作,如控制家庭系统的状态、播放音乐等等。
三、机器人视觉检测技术的未来发展随着人工智能的不断发展和机器学习技术的迅猛发展,机器人视觉检测技术在未来必将得到广泛的应用。
未来,随着机器人技术的不断进步,机器人将可以更加广泛和深入地应用于各个领域,并为人类社会带来更为广阔的创新空间。
基于机器人的柔性电子检具测量系统
p o o e oo e c m et es o t o n s o h e ls e i1c e k n i t r sc mm o l s d i n u — r p s d t v ro h h r c mi g ft era p ca h c ig f u e o x n y u e n i d s tilp o u t n wih hg o t ,p o lx bl ya dl w u o ain ra r d ci t i h c s s o rf ii t n o a t m to .A iin s n o sf e n t e o e i vso e s rwa i d o h x
Ti n i ie st a j n Un v riy,Ti n i 0 0 2 h n ) a jn 3 0 7 ,C i a
Co r s o d na t o E- i :i u z u tu e u c r ep n i u h r, ma l j g ih @ j . d . n
实 物 检 具 费 用 高 、 费严 重 、 为 因素 影 响检 测 精 度 的 局 限 。 浪 人 关 键 词 : 密 工业 测 量 ; 性 电子 检 具 ; 业 机 器 人 ; 景摄 影 测 量 ; 光视 觉 测 量 精 柔 工 近 激 文献标识码 : A di1. 7 8 OP . 0 1 9 8 1 8 o:0 3 8 / E 2 1 1 0 .7 7
机器人手眼系统的标定方法分析与比较
机器人手眼系统的标定方法分析与比较摘要:机器人手眼系统的准确标定对于机器人精准操作至关重要。
本文将分析和比较目前常用的机器人手眼系统标定方法,包括基于外部跟踪技术的标定方法、基于视觉特征的标定方法、基于运动约束的标定方法和基于自标定的方法。
通过比较各种方法的优缺点,旨在为机器人手眼系统的标定提供参考。
1. 引言机器人手眼系统即机器人手部和眼部的结合,是实现机器人精准操作的关键。
机器人手眼系统的精确标定对于提高机器人的操作精度至关重要。
标定系统包括标定板、相机、机器人手部和机器人控制系统等多个部分。
因此,针对机器人手眼系统的准确标定方法是一个极其重要且复杂的问题。
2. 基于外部跟踪技术的标定方法基于外部跟踪技术的标定方法使用外部传感器(如激光测距仪或相机)来追踪机器人手部和相机的运动轨迹,并通过计算来确定二者之间的相对关系。
这种方法的优势在于实时性好,定位准确。
然而,它需要额外的外部传感器并且对空间环境要求较高。
3. 基于视觉特征的标定方法基于视觉特征的标定方法是通过找到机器人手部和相机图像中的特征点,并计算它们在空间中的对应关系来进行标定。
这种方法不需要额外的外部传感器,只需利用相机获取图像信息。
优点是简单、灵活,但存在视觉特征提取困难、特征匹配误差的挑战。
4. 基于运动约束的标定方法基于运动约束的标定方法是通过分析机器人手部和相机在运动过程中的约束关系来进行标定。
这种方法充分利用了机器人手部和相机之间的物理关系,减少了外部传感器的需求。
然而,该方法对系统的运动模型要求较高,且计算过程较为复杂。
5. 基于自标定的方法基于自标定的方法是通过让机器人手部和相机自行完成一系列视觉和运动操作,从而实现标定过程。
该方法不需要任何外部帮助,可自适应不同的场景,具有较好的鲁棒性。
但准确性较低,并且需要较长时间的训练。
6. 方法比较与总结通过比较以上四种常用的机器人手眼系统的标定方法,我们可以看出每种方法都有其独特的优缺点。
Cognex机器人与视觉标定原理
目录
• 机器人视觉系统概述 • Cognex机器人视觉技术 • 视觉标定原理与方法 • Cognex机器人与视觉标定实现 • 实验与结果分析 • 总结与展望
01 机器人视觉系统 概述
机器人视觉系统定义
机器人视觉系统是一种集成了图像采集、处理、分析和理解等 功能的智能系统,旨在使机器人能够感知、理解和响应环境中 的视觉信息。
05 实验与结果分析
实验设计
实验目的
验证Cognex机器人与视觉标定系 统的准确性和稳定性。
实验设备
Cognex机器人、视觉传感器、标 定板、相机等。
实验设计
实验步骤
1. 搭建实验环境,包括机器人、视觉传感器、标定板等设备的安装和调 试。
2. 对机器人进行运动学标定,获取机器人运动学参数。
实验设计
Cognex机器人视觉系统软件功能
图像预处理
对采集的图像进行去噪、增强等操作,提 高图像质量。
通信接口
与机器人控制系统进行通信,实现视觉引 导机器人的运动。
特征提取
从图像中提取出与机器人定位、导航等相 关的特征信息。
标定功能
通过视觉标定算法,将图像坐标与实际世 界坐标进行映射。
模式识别
对提取的特征进行识别,如二维码、条形 码等。
视觉标定基于针孔相机模型,通 过几何关系将三维世界坐标映射
到二维图像坐标。
内外参数
内参包括焦距、主点坐标等,描述 相机内部属性;外参包括旋转矩阵 和平移向量,描述相机在世界坐标 系中的位置和方向。
畸变模型
考虑到镜头畸变,引入径向畸变和 切向畸变模型,对图像进行畸变校 正。
视觉标定方法分类
传统标定法
机器人视觉测量中的标定算法研究
机器人视觉测量中的标定算法研究随着科技的不断发展,机器人技术在生产制造和其他领域中应用越来越广泛。
而机器人视觉测量技术作为机器人感知和认知的关键技术之一,为机器人精准运动和高效执行任务提供了可靠的数据支持,被广泛应用于尺寸测量、位移测量、表面形貌测量等领域。
在机器人视觉测量中,标定算法是一项非常重要的技术,其准确性和稳定性直接影响到测量结果的可靠性。
本文将着重探讨机器人视觉测量中的标定算法研究。
一、机器人视觉测量的标定算法概述在机器人视觉测量中,标定算法主要是指通过对机器人测量系统误差进行标定,从而提高测量系统的精度和稳定性的过程。
标定算法的基本原理是通过对机器人测量系统中各不同元素进行几何校正,来达到测量精度的提高。
主要包括相机内参标定、外参标定、手-眼标定等多个方面。
相机内参标定是指对相机本身一些内部参数进行标定,如焦距、像素宽度和高度等。
这是一项相对简单的工作,可通过拍摄标定板等方式来完成。
而相机外参标定则是指确定相机在物体坐标系下的位置和姿态。
在实际应用中,可以通过机械臂移动相机,拍摄标定板等物体角度、位置的组合,从而确定相机位置、姿态和机械臂平移向量等信息。
手-眼标定是指确定机械臂末端相机和机械臂的位姿关系。
通常采用滑动法、SPS法或基于椭圆线拟合的方法。
相比于相机内参和外参标定,手-眼标定更复杂,需要进行更为准确的标定。
二、标定算法的研究现状对于机器人视觉测量中的标定算法,目前国内外已经有了较为成熟的研究成果。
在相机内参标定方面,基于球棒标定板的方法和基于张正友标定法的方法已经得到广泛应用。
实际中,还有一些基于特征点法、基于三维重建法的标定方法与之互补。
在相机外参标定方面,二维模板法、多面体模板法和点法都是基本的相机外参标定方法,此外,还有基于图案标准法的模板法和基于分别放置方法的面积重心法等方法。
在手-眼标定方面,现有的方法主要分为基于运动法的标定、基于估计点法的标定、基于球棒标定法的标定和基于图像几何法的标定等多个方面。
机器人标定方法
机器人标定方法
嘿,你知道机器人标定是啥不?其实就是让机器人更精准地干活儿!那咋标定呢?首先得有标准的测量工具,就像你画画得有把好尺子一样。
然后仔细测量机器人的各个关节角度和位置,这可不能马虎,万一弄错了,机器人就像个瞎跑的小马驹,指不定闯出啥乱子呢!在这个过程中,安全性那是超级重要啊!你想想,要是机器人突然发疯似的乱动,那得多吓人!所以一定要确保电源稳定,别让它抽风。
稳定性也不能忽视,就好比你走路得稳稳当当,不能东倒西歪吧?机器人也一样,标定好了才能稳稳地工作。
那机器人标定都能用在啥场景呢?工厂里那可太常见啦!生产线上的机器人得精准地组装零件,要是不准,那产品不就成了残次品?还有医疗领域,机器人做手术,那精度要求可高了去了,不标定好能行吗?这优势也是杠杠的呀!能大大提高生产效率,减少人为误差,多棒!
给你说个实际案例哈。
有个汽车工厂,以前人工组装汽车,速度慢还容易出错。
后来用了标定好的机器人,哇塞,那速度,蹭蹭的!质量也没得说。
这效果,简直让人惊叹!
所以啊,机器人标定真的超级重要。
一定要认真对待,让机器人更好地为我们服务。
机器人视觉检测技术的研究和应用
机器人视觉检测技术的研究和应用一、前言随着人工智能技术的迅速发展,机器人技术逐渐成为了各个领域的研究热点之一。
机器人视觉检测技术是机器人技术中的重要分支,也是鲜有人探究的领域。
本文将基于机器人视觉检测技术的研究和应用,对其相关知识进行深入探讨。
二、机器人视觉检测技术的概述机器人视觉检测技术是将计算机视觉技术和机器人技术结合起来,通过机器人的感知和判断实现对环境中物体和场景的检测和识别。
具体来说,它是利用机器视觉技术,通过相机、激光雷达等传感器获取物体的图像信息,并对图像进行分析和处理,实现对目标物体或特定场景的检测、识别、测量等功能。
机器人视觉检测技术主要包括以下三个方面:1. 目标检测目标检测是机器人视觉检测技术的主要任务之一。
它是通过处理传感器获取的图像信息,对目标物体进行定位和识别。
常见的目标检测算法包括Haar级联分类器、HOG特征检测、卷积神经网络等。
2. 姿态估计姿态估计是机器人视觉检测技术中的一个重要环节。
它是通过对目标物体的图像信息进行分析和处理,获取目标物体的位置、旋转和缩放等信息。
姿态估计常用的算法包括基于特征点的方法、基于模型拟合的方法等。
3. 特征提取特征提取是机器人视觉检测技术中的另一个重要环节。
它是通过对目标物体的图像信息进行特征提取,实现对目标物体的分类和识别。
常用的特征提取方法包括SIFT、SURF、HOG等。
三、机器人视觉检测技术的应用机器人视觉检测技术具有广泛的应用领域,主要包括以下几个方面:1. 工业制造在工业制造领域,机器人视觉检测技术主要应用于零件检测、装配、质量控制等方面。
利用机器人视觉检测技术,可以对零件进行检测、识别、分类,以及检测产品的质量和缺陷等。
2. 自动驾驶在自动驾驶领域,机器人视觉检测技术主要应用于障碍物检测、事故预测等方面。
机器人视觉检测技术可以通过检测路面情况、前车的位置和状态,以及周边环境的情况等,实现对车辆的自动控制和安全预警等功能。
机器人柔性在线自动测量方法技术及应用
研 究 开 发 新 型 在 线 测 量 方 法 及 其 测 量 设 备 ,前 期 成 功研 发 了 基 于 计 算 机 视 觉 理 论 的在 线 测 量 方 法 和 技 术 设 备 ,解 决 了 常 规 的单 品种 、 批 量 流水 线 制 造 过 程 中 的 在 线测 量 问题 。但 现 大 阶 段 , 品种 、 多 高效 率 的 混 流 共 线 流 水 线 制 造 模 式 , 其 快 速 因
提 高 测 量 精 度 。利 用 工 业机 器人 可编 程 的特 性 , 以实 现 多 种 可
对 柔性 在 线 测 量 提 出 了 新 需 求 : 度 柔 性 、 艺 匹 配 性 和 自动 高 工 化 程度 。课 题 组 较 为 准确 地 把 握 了 这 一技 术 发 展 动 态 , 理 而 合
刨新技术
21 0 1年 第 2期
3 5
TI ANJ N SCI C E TECHN L I EN & O OGY
任 永 杰 ( 天津 大学精 密测试 技术 及仪 器 国家重 点实 验室
天 津 30 7 ) 00 2
机器 人
柔性在线 自动测 量方法技术及应 用
【 摘 要 】 出 面 向制 造 现 场 的 在 线 自动化 测 量是 当前 精 密 测 量 技 术 研 究的 一 个重 要 方 向 , 是 现 代 指 也
结果 的不 可靠 。
1 0 的 测 量 和监 控 , 确 保 工 艺 过 程 的稳 定 、 控 、 预 测 。 0% 以 可 可 对 于 大批 量 、 杂 、 工 序 的 流 水 线 制 造 , 线 自动 测 量 与 控 复 多 在
制 更 是 决 定 制造 水平 的关 键 技 术之 一 。 课 题 组 一 直 结 合 国家 先 进 制 造 领 域 内 的 重 点 产 业 规 划 ,
机器人视觉检测系统的设计与实现
机器人视觉检测系统的设计与实现一、引言近年来,随着科技的不断进步,机器人技术越来越成熟。
机器人的应用范围越来越广泛,机器人视觉检测系统也迅速发展。
本文将阐述机器人视觉检测系统的设计与实现。
二、机器人视觉检测系统的基本原理机器人视觉检测系统是通过图像采集与传输系统、图像处理系统和指令输出三大模块的相互配合完成对目标物体的检测与定位。
1. 图像采集与传输系统图像采集与传输系统是机器人视觉检测系统的基础,它将目标物体的图像采集并传输给图像处理系统。
目前常见的图像采集方式有两种,一种是使用CCD相机采集图像,另一种则是使用3D激光扫描仪进行采集。
2. 图像处理系统图像处理系统将采集到的图像进行处理,提取出目标物体的轮廓、形状、颜色等特征信息,然后再对比与数据库中保存的目标物体信息,以确定目标物体的种类、位置和数量等信息。
3. 指令输出指令输出是机器人视觉检测系统的重要环节。
根据图像处理系统的判断结果,机器人需要执行不同的动作,例如对目标物体进行抓取、分拣或切割等操作。
三、机器人视觉检测系统的设计与实现机器人视觉检测系统的设计包括硬件和软件两大方面。
1. 硬件设计硬件设计主要包括图像采集与传输系统的设计和机械手臂的设计。
图像采集与传输系统的设计决定了图像采集的效果和传输速度。
为了提高效率,图像采集与传输系统需要选用高效的硬件设备和合理的设备布局。
此外,应该保证设备间的数据传输稳定可靠。
机械手臂的设计要考虑机械手臂的工作空间、载荷能力和精度等因素。
机械手臂的工作空间需要根据目标工件的大小和数量来决定。
载荷能力则需要根据目标工件的重量来确定,精度则应该满足机器人视觉检测系统的要求。
2. 软件设计机器人视觉检测系统的软件设计主要包括图像处理算法的设计和指令输出程序的编写。
图像处理算法包括图像预处理、特征提取和目标识别等功能。
在设计图像处理算法时需要考虑图像噪声、光照不均等问题,通过合理的预处理方法,使得图像处理效果更加准确。
机器人视觉系统组成及定位算法
机器⼈视觉系统组成及定位算法1.机器⼈视觉机器⼈研究的核⼼就是:导航定位、路径规划、避障、多传感器融合。
定位技术有⼏种,不关⼼,只关⼼视觉的。
视觉技术⽤到“眼睛”可以分为:单⽬,双⽬,多⽬、RGB-D,后三种可以使图像有深度,这些眼睛亦可称为VO(视觉⾥程计:单⽬or⽴体),维基百科给出的介绍:在机器⼈和计算机视觉问题中,视觉⾥程计就是⼀个通过分析处理相关图像序列来确定机器⼈的位置和姿态。
当今,由于数字图像处理和计算机视觉技术的迅速发展,越来越多的研究者采⽤摄像机作为全⾃主⽤移动机器⼈的感知传感器。
这主要是因为原来的超声或红外传感器感知信息量有限,鲁棒性差,⽽视觉系统则可以弥补这些缺点。
⽽现实世界是三维的,⽽投射于摄像镜头(CCD/CMOS)上的图像则是⼆维的,视觉处理的最终⽬的就是要从感知到的⼆维图像中提取有关的三维世界信息。
2.系统基本组成: CCD、PCI、PC及其外设等。
2.1 CCD/CMOS⼀⾏硅成像元素,在⼀个衬底上配置光敏元件和电荷转移器件,通过电荷的依次转移,将多个象素的视频信号分时、顺序地取出来,如⾯阵CCD传感器采集的图像的分辨率可以从32×32到1024×1024像素等。
2.2视频数字信号处理器图像信号⼀般是⼆维信号,⼀幅图像通常由512×512个像素组成(当然有时也有256×256,或者1024×1024个像素),每个像素有256级灰度,或者是3×8bit,红黄兰16M种颜⾊,⼀幅图像就有256KB或者768KB(对于彩⾊)个数据。
为了完成视觉处理的传感、预处理、分割、描述、识别和解释,上述前⼏项主要完成的数学运算可归纳为:(1)点处理常⽤于对⽐度增强、密度⾮线性较正、阈值处理、伪彩⾊处理等。
每个像素的输⼊数据经过⼀定关系映射成像素的输出数据,例如对数变换可实现暗区对⽐度扩张。
(2)⼆维卷积的运算常⽤于图像平滑、尖锐化、轮廓增强、空间滤波、标准模板匹配计算等。
机器人视觉检测技术及其应用
机器人视觉检测技术及其应用机器人在工业领域中的应用越来越广泛,而视觉检测技术则成为了机器人的重要组成部分之一。
通过视觉检测系统,机器人可以将其所处的环境快速获取信息并进行识别,从而提高处理速度、减少错误率以及实现一定的自主操作。
本文将就机器人视觉检测技术及其应用展开一些阐述。
一、机器人视觉检测技术简介机器人视觉检测技术基于视觉传感器的测量和分析,主要包含两个部分:图像处理和图像分析。
其中,图像处理主要通过预处理、滤波、分割等手段使得图像更好的适用于后续的识别操作。
而图像分析则是指机器人通过获取的图像信息进行特征检测、目标检测和空间姿态估计等分析工作。
这两个方面的结合将有助于机器人更好地识别环境,分析目标物体信息并完成一定的操作。
二、机器人视觉检测技术应用1. 智能制造智能制造是根据行业需求和细分市场的需求来设计生产机器人工程师的最终目标。
机器人视觉检测技术在智能制造领域中的应用主要体现在工厂的自动化生产线、物流包装和无人车等方面。
机器人视觉检测技术可以帮助机器人更好地理解可操作环境、精确感知物体、减少误判率和提高操作速度。
2. 智能家居智能家居系统也是机器人视觉检测技术应用的一个重要领域。
机器人可以掌握家庭的布局、物品的摆放等信息,从而实现家电设备的自动控制和操作。
例如,在浴室中,机器人可以识别镜头前的人脸识别,自动引导洗涤,控制水温,还可根据个人喜好播放音乐和视频。
3. 医疗护理机器人视觉检测技术在医疗护理领域的应用主要是用于帮助医护人员提高医疗过程的效率和安全性,例如可自动进行对病人皮肤颜色、温度进行检测,检查病人体内状况等。
三、机器人视觉检测技术的进一步发展除了进一步完善细节和操作功能外,未来还可以探索更广泛的发展领域。
例如,加强机器人的语音交互能力、实现与人类进行更为贴近的合作关系,将为未来人工智能的应用开辟更加广阔的发展前景。
总之,机器人视觉检测技术将为各领域提供更好的信息分析手段、帮助提高操作效率和安全性。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
器人关节末端的立体视觉传感器对工件被测特征点
进行三维测量时能够获取的仅仅是该点在视觉传感
器坐标系_卜-的坐标值,而不是被测量点在-[件坐标
系下的坐标值.然而,利用通用测量机器人进行空
间三维位置测量的目的是获取被测量特征点住丁件
坐标系卜.的三维坐标值,这就必须建立视觉传感器
坐标系与T件坐标系的坐标变换关系[4】.图l是坐
工业机器人、立体视觉传感器(或其他类型的传感 器)、测量和控制软件、测量计算机及图像处理系统 等部分构成【2'3】.本系统针对江淮轿乍厂成车车身的 关键尺寸如挡风玻璃窗尺寸、底盘安装定位孔、车 门棱边、发动机舱等关键部位尺寸进行测量.本测 量系统由两台对角布置的KUKA机器人及安装在 末端的视觉传感器构成,工业机器人作为立体视觉 传感器的运动载体,不仅极人地拓展了视觉传感器 的-T作空间,还保留了视觉检测技术非接触、快速
3现场标定技术(On.1ine calibration tech.
nique) 3.1标定原理
机器人柔性在线测量方面有两个关键技术:测 量点的标定技术及机器人的温度补偿技术.其中机 器人的温度补偿技术涉及到更多的机器人运动学方 面的知识,本实验室已经对此进行了深入研究并取 得了显著成果,具体可参考我们实验室此方面的文 献资料,在此不再赘述.
第31卷第l期 2009年1月
‘=—============:======!========================2==
文章编号:100243446(2009)一Ol·0082-06
机器人 ROBOT
V01.31.No.1 Jan..2009
机器人柔性视觉检测系统现场标定技术
任永杰,邾继贵,杨学友,叶声华
基金项目:国家自然科学基金资助项目(50805105):国家863计划资助项目(2008AA042407). 收稿口期:2008-07.03
万方数据
第3l卷第l期
任永杰等:机器人柔件视觉榆测系统现场标定技术
的特点.通过控制机器人在空间的位姿变换,视觉
传感器能够依次剑达空间指定测趋f={)=置采集空间特
征点的图像信息,并通过数据处理获得该点的三维
坐标数据.
。
机器人视觉检测系统的r=作过程是:白车身在
滑撬上运动到检测.I:作站停F并精确定位,主线控
制器给检测站控制器发“到位”信号一站控制器给
机器人发“车型”及“启动”信号一机器人接到信 号后开始上作,机器人在每个测量点向测量控制器
发“测量请求”和“测点ID”信号,等待测量控制器
标系示意图.
图1测量机器人系统坐标系示意图
Fig.1 Coordinate system of the measurement robot
系统中存在4个坐标系,安装机器人时确定 的基坐标系DR碾yRzR和机器人末端关节坐标系 DHxHyHzH,车身在生产线上由定位系统确定的 车身坐标OwXwYwZw和视觉传感器测量坐标系 OcXcyczc.测量结果即确定被测点尸在车身坐标系
的采集及计算,取得了较好的测量效果.该系统柔性好、测量无死角,能适应生产线多车型检测的需要.
关键词:一体视觉;经纬仪;柔件测鞋;整体标定;虚拟传感器
中图分类号:TP24
文献标识码:B
On-line Calibration Technique of Robot Flexible Visual Inspection System
发同的“测量完成信号”一测量系统接剑信号后开
始测量并记录数据,然后传递到测量分析软件进行
处理,测鼍结束后向机器人发“测量完成”信号.÷
机器人收到“测量完成信号”后开始向下一测量点
运动,由此完成全部待测点的测量.
系统预先对机器人的运动轨迹进行规划,使每
个被测量特征点处r视觉传感器的最佳视场范阐
内,然后逐点测量空间特征点三维位置.安装于机
、 、 、
h. .
图3经纬仪坐标系示意图 Fig.3 Theodolite coordinate system
设坐标系OlXl y】zl到坐标系D2恐踢汤之间的 变换关系为
x2
,.1 r2 r3
而
兜
r4 r5 r6
yl
+
(4)
z2
r7 r8 r9
Zl
图2利用中间工具坐标系进行机器人视觉测量系统的标定
测量点的标定技术分为3种:整体标定、同时 标定和分步标定.前者借用其他三维坐标测量工具 直接获取在某一特定点时视觉传感器坐标系与T件 坐标系之伺的位置关系,而同时标定方法则是利用 数学方法同时求解出系统的未知坐标变换环节.最 后一种分步方法分别确定各相邻坐标系之间的位置 关系,然后通过坐标变换,最终确定视觉传感器坐 标系与工件坐标系之间的位置关系.由于第一种方 法的精度较高,原理较成熟,故现场使用第一种标 定技术,其余两种方法的原理请参考我们实验室的 相关文献. 3.2机器人视觉检测系统的标定技术
Keywords:stereovision;theodolite;fiexible measurement;whole calibration;dummy sensor
1引言(Introduction)
立体视觉测试技术是建立在计算机视觉研究基 础上的一门新兴的测试技术.它重点研究物体的几 何尺寸及空间位置测量,尤其适用了:对大型丁件的 非接触测量,如汽车白车身总成、各种车身覆盖件、 车架和无缝钢管等.纵观国内外的激光视觉测量系 统,它们人多是同定框架式结构(以美国Perception 公司开发的视觉检测系统为代表).系统一旦组建完 成,所有的传感器都I古l定不动,因此,它的专用性 强,自动化程度高,适于安装在大批量生产的自动 化生产线上,实现对产品百分之百在线测量.但是 这些技术特点作为优点的同时也暴露了固定式的视 觉检测系统潜在的缺陷:通用性差,无法适用丁现 今人量存在的汽车混流或小批量生产线.而机器人 视觉检测系统正是在立体视觉技术的基础上,为适 应新的测量环境、满足新的测量要求而发展起来的 新研究领域.这种测量系统不仅能够充分发抨机器
Fig.2
Calibration of robot visual measurement system using middle tool coordinate
3.3车身坐标系的建立和统一 (1)标准坐标系16f7l 本系统中,由于视觉传感器测量对象是特定棱
孔、特定孔,所以需通过全局标定来确定视觉传感 器的空间位置,即建立视觉传感器的空间坐标系. 同时待测白车身自身也有其车身坐标系,因此,需 要将这些不同的坐标系统一到一个标准坐标系中. 我们采用两台经纬仪建立的光学三坐标系统作为此 标准坐标系.
REN Yong-jie,ZHU Ji·gui,YANG Xue·you,YE Sheng—hua
(State Key Laboratory ofPrecision Measuring Technology and Instruments,T'mnjin University,Thmjin 300072,China)
Abstract:A flexible visual inspection system based on industrial rohot iS designed for the cal"bodies of Jianghuai Au-
tomobile Corporation.By controlling pose transformation of the robot in space,the stereovision sensor can arrive at the
人运动灵活、占地面积小的特点,而且随时变换程 序即能够满足产品多品种、多系列的测量需求,尤 其适合在混流生产线上对大型异型零部件进行非接 触、快速、精确测量Il】.
2柔性视觉检测系统的构成(Composition of flexible visual inspection system) 一般情况下,机器人视觉检测系统由高精度
OwXwYwZw下的坐标凡.从图l可以看出
Pw=Z×丑×X×户e
(1)
式中:凡为被测点P在视觉传感器测量坐标系下的
坐标值;X为机器人手眼关系,即机器人末端关:霄坐 标系与视觉传感器测量坐标系之间的变换关系;丑 为机器人末端关节坐标系与机器人基坐标系之间的 坐标变换关系,它可以由机器人的正向运动学模型 及各个关悔变量值获得;Z为机器人基坐标系。与白 车身坐标系之间的位置变换关系.(1)式中,X祠J Z 为未知量,由于视觉传感器与机器人末端关+1了刚性 连接,测量过程中两者相对位置不变,所以X在测 量中恒定.同样,机器人基坐标系相对丁白乍身坐 标系的位置关系也是不变的,即Z值恒定.冈此,X 和Z都可以在测量前计算出来.只要得到P点在视 觉传感器测量坐标系卜-的坐标Pc,根据式(1),可计 算出P点在车身坐标系下的坐标Pw.然而,在使剧 (1)式的过程中,如果使用机器人的理论运动学模型 口进行解算,由丁.机器入存在很人的绝对定位误差, 将导致最后的测量结果错误.为此,这里采朋整体 标定的方案.
02X2Y222中的坐标为沁,妮,z2),经纬仪测得P点的 水平角和竖直角分别为0clpl、a2口2,由空间关系可
知
∞ 工 = Z l
t
(2)
锄 y = Z
∞肪 1■ / S n ∞来自∞ 着 = Z1,‘t
(3)
,I_J‘-【,_IJ‘l【 y = Z2 眦1 眈尾 / S n 屹
,
P
, , , ,
,
本系统采用整体标定方法,当机器人带动视觉 传感器到达每一个有效测量位置时,只能采集一个 被测量特征点的相关信息,换句话说,所有被测量 点与机器人的某一空间位姿一一对应.由前面的介 绍可知:为了获得被测点在工件坐标系下的坐标值,
万方数据
机器入
2009年1月
必须建立在每个位置时视觉传感器局部坐标系与工 件坐标系之间的变换关系.它的实现可以采用双经 纬仪(或激光跟踪仪)组成的移动式高精度空间坐 标测量装置和一块事先经过标定的精密靶标作为中 介工具,建立一个中间工具坐标系(见图2).对每 一个测量位置进行标定时,首先将靶标放置在被标 定视觉传感器的视场范围内固定,用视觉传感器测 量靶标上的标准圆孔族,可以得到传感器坐标系与 靶标坐标系之间的位置关系;其次,用经纬仪观测 靶标在空间的位置,得到靶标与经纬仪测量装置之 间的位置关系;然后用经纬仪观测工件坐标系,得 N-=者之间的关系.最后由变换链:传感器坐标系 一>靶标坐标系一>经纬仪坐标系二>工件坐标 系,实现某一测量位置下视觉传感器坐标系与-L件 坐标系之间的统一.对每个测量位置依次重复上面 的步骤,则可以最终实现通用测量机器人的全局标 定【5】'不同于固定式测量系统,这里也将每个位置 下的传感器叫做虚拟传感器.