專利名稱：基于運動選擇的機器人在線手眼標定方法
技術領域：
本發(fā)明涉及一種基于運動選擇的機器人在線手眼標定方法，可廣泛應用于機器人三維視覺測量、視覺伺服和觸覺感知等方面。屬于先進制造與自動化領域。
背景技術：
在計算機視覺應用于機器人時，經常將攝像機固定在機器人手臂的末端執(zhí)行器(機器人手爪)上。機器人手眼標定就是測量相機和機器人手爪之間的相對位置和方向關系，它是機器人學中的一個基本問題。在解決這類問題時，以前大部分方法都是通過迭代優(yōu)化的方式求解齊次變換方程AX＝XB(Y.C.Shiu andS.Ahmad，″Calibration of wrist-mounted robotic sensors by solving homogeneoustransform equations of the form AX＝XB，″IEEE Trans.Robot.Automat.，vol.5，pp.16-29，Feb.1989.)來進行標定的，這里A代表機器人手爪的運動，B代表相應的攝像機運動，X為所要標定的攝像機和機器人手爪之間的空間變換關系。由于迭代優(yōu)化計算過程是非實時的，所以這種情況下手眼標定只能脫機進行。Angeles等(J.Angeles，G.Soucy and F.P.Ferrie，“The online solution of the hand-eyeproblem”，IEEE Trans.Robot.Automat.，vol.16，pp.720-731，Dec.2000.)和Andreff等(N.Andreff，R.Horaud，and B.Espiau，“Robot hand-eye calibration usingstructure-from-motion”，Int.J.Robot.Res.，20(3)228-248，2001.)幾乎同時提出了手眼標定的在線實現技術，這樣就克服了傳統方法不能進行實時標定的缺點。Angeles的方法是基于旋轉矩陣的線性不變量，采用遞歸的線性最小二乘實現的。Andreff則受Sylvester方程的啟發(fā)，直接將手眼運動方程化成線性形式來求解。
無論采用何種方法進行手眼標定，手眼關系的計算都要求機器人至少獨立運動兩次，而且兩次運動的旋轉軸不得平行。因此，當采集到的手眼運動數據存在退化情況時，如純旋轉或純平移等，就無法得到手眼變換關系的完整解。現有方法的不足之處在于機器人在工作過程當中進行在線手眼標定時，機器人的運動是由具體應用確定的而并非為手眼標定而設計，所以此時采集到的用于手眼標定的運動數據就很有可能存在退化情形。另外，采樣運動中旋轉角很小或者平移比較大，或者兩次運動的旋轉軸之間的夾角很小時，會產生比較大的標定誤差。以上情形的出現都會使現有算法不能正常工作或失效。

發(fā)明內容
本發(fā)明的目的在于針對現有技術的不足和缺點，充分利用現有采樣到的手眼運動數據，提出了一種基于運動選擇的在線手眼標定方法，以去除退化手眼運動對手眼變換關系正常計算的影響，同時還可以通過避免小角度旋轉等措施來減小計算誤差，提高機器人手眼標定精度。
本發(fā)明的技術方案首先設定運動選擇的三個閾值，即機器人手爪前后兩次運動的旋轉軸之間夾角的最小閾值α、機器人手爪每次運動的旋轉角的最小閾值β和機器人手爪每次運動的平移分量的模的最大閾值d。然后，從第一次手眼采樣運動開始，依次選擇出兩個符合要求的手眼運動對，最后以選擇出的兩個手眼運動對利用Andreff線性算法計算得到手眼變換關系。繼續(xù)下一次標定時，可將上一次用于標定的第二個運動對作為下一次標定的第一個運動對，并從后續(xù)采樣運動數據中搜索選擇另一個運動對，然后進行新的手眼標定計算。如此循環(huán)往復，可連續(xù)不斷地進行機器人的在線手眼標定操作。
本發(fā)明的在線手眼標定方法主要包括以下幾個步驟1.設定運動選擇的三個閾值機器人手爪前后兩次運動的旋轉軸之間夾角的最小閾值α、機器人手爪每次運動的旋轉角的最小閾值β和機器人手爪每次運動的平移分量的模的最大閾值d。
2.搜索選擇第一個滿足閾值條件的手眼運動對(A′，B′)。首先由第一次和第二次采樣到的手眼姿態(tài)可以計算得到一個手眼運動對(A′，B′)，如果A′的旋轉角大于等于β且A′的平移分量的模小于等于d，則得到第一個滿足閾值條件的運動對(A′，B′)。否則，再由第一次和第三次采樣的手眼姿態(tài)計算手眼運動對(A′，B′)并判斷A′的旋轉角和平移分量的模是否滿足設定條件。如此循環(huán)往復，直至找到符合條件的第一個手眼運動對(A′，B′)，假設該運動對是由第一次和第i+1次采樣的手眼姿態(tài)計算得到的。
3.搜索選擇第二個滿足閾值條件的手眼運動對(A″，B″)。首先由第i+1次和第i+2次采樣到的手眼姿態(tài)可以計算得到一個手眼運動對(A″，B″)，如果A″的旋轉角大于等于β、A″的平移分量的模小于等于d和A′與A″的旋轉軸之間的夾角大于等于α，則得到第二個滿足閾值條件的運動對(A″，B″)。否則，再由第i+1次和第i+3次采樣的手眼姿態(tài)計算手眼運動(A″，B″)并判斷A″的旋轉角、A″的平移分量的模以及A′與A″的旋轉軸之間的夾角是否滿足設定條件。如此循環(huán)往復，直至找到符合條件的第二個手眼運動對(A″，B″)。
4.利用兩個手眼運動對(A′，B′)和(A″，B″)進行手眼標定。即利用手眼運動對(A′，B′)和(A″，B″)列出Andreff的線性方程，求解該線性方程得到手眼變換關系矩陣，完成一次手眼標定。
5.若繼續(xù)下一次手眼標定時，可將上次用于標定的手眼運動對(A″，B″)作為新的手眼運動對(A′，B′)，重復步驟3從后續(xù)采樣數據中繼續(xù)搜索選擇新的手眼運動對(A″，B″)，重復步驟4進行新的手眼標定。
實際應用時，根據事先設定的三個閾值，由軟件自動進行運動選擇和手眼標定計算。本發(fā)明所提出的手眼標定方法，不但可以防止采樣數據中出現的退化運動影響手眼標定的正常求解，而且還可以避免小旋轉角的運動引起較大的標定誤差，因而提高標定精度。
本發(fā)明提出的在線手眼標定方法，可廣泛應用于機器人三維視覺測量、視覺伺服和觸覺感知等方面，具有相當的實用價值。


圖1為本發(fā)明的機器人手眼標定模型示意圖。
圖2為本發(fā)明的用于在線手眼標定的運動選擇算法示意圖。
具體實施例方式
為了更好地講解本發(fā)明的技術方案，以下結合附圖和實施例作進一步的詳細描述。
1.設定運動選擇的三個閾值機器人手爪前后兩次運動的旋轉軸之間夾角的最小閾值α、機器人手爪每次運動的旋轉角的最小閾值β和機器人手爪每次運動的平移分量的模的最大閾值d。一般情況下選α＝β＝30°，d＝100。設第i(i為自然數)次采樣到的攝像機和手爪姿態(tài)的齊次矩陣分別為Pi、Qi，X為所需要求解的手眼變換關系齊次矩陣。
2.搜索選擇第一個滿足條件的手眼運動對(A′，B′)。首先從前兩次的手眼姿態(tài)可以求出第一次手爪運動的齊次矩陣A1和相機運動的齊次矩陣B1，如圖1所示，P1、P2分別為攝像機在第1和第2時刻相對于標定參照物的姿態(tài)齊次矩陣，Q1、Q2分別為機器人手爪在第1和第2時刻在機器人基坐標系下的姿態(tài)齊次矩陣，則有A1=Q1-1Q2,B1=P1-1P2]]>設(A′，B′)＝(A1，B1)。如果A′的旋轉角大于等于β而且A′平移分量的模小于等于d，則當前運動對(A′，B′)滿足給定閾值條件，否則再由第一次和第三次采樣的手眼姿態(tài)計算手眼運動對(A′，B′)并判斷A′的旋轉角和A′的平移的模是否滿足以上條件。如此循環(huán)往復，直至找到符合條件的手眼運動對作為(A′，B′)，設此時(A′，B′)由第一次和第i+1次采樣的手眼姿態(tài)(即經過了i次手眼運動)計算得到的。圖2示出了搜索第一個滿足條件的手眼運動對的完整過程。
3.從第i+1次采樣的手眼姿態(tài)開始(即第i次運動后)搜索選擇第二個滿足條件的手眼運動對(A″，B″)，如圖二所示。首先從第i+1次和第i+2次的手眼姿態(tài)可以求出手爪運動齊次矩陣Ai+1和相機運動齊次矩陣Bi+1，即有Ai+1=Qi+1-1Qi+2,Bi+1=Pi+1-1Pi+2]]>設(A″，B″)＝(Ai+1，Bi+1)。如果A″的旋轉角大于等于β、A″的平移分量的模小于等于d而且A′與A″的旋轉軸之間的夾角大于等于α，則當前運動對(A″，B″)滿足給定閾值條件，否則再由第i+1次和第i+3次采樣的手眼姿態(tài)計算手眼運動對(A″，B″)并判斷A″的旋轉角、A″的平移分量的模和A′與A″的旋轉軸之間的夾角是否滿足以上條件，如此循環(huán)往復，直至找到符合條件的手眼運動對作為(A″，B″)。
4.利用步驟2、3中選擇出的兩個手眼運動對(A′，B′)和(A″，B″)進行手眼標定。根據手眼運動對(A′，B′)和(A″，B″)列出Andreff手眼標定線性方程，求解該方程得到手眼變換關系矩陣X，完成一次手眼標定。
5.如果需要繼續(xù)標定，可將上次用于標定的手眼運動對(A″，B″)作為新的手眼運動對(A′，B′)，重復步驟3從后續(xù)手眼姿態(tài)采樣數據中開始搜索選擇新的手眼運動對(A″，B″)，重復步驟4進行新的手眼標定。
權利要求
1.一種基于運動選擇的機器人在線手眼標定方法，其特征在于包括如下具體步驟1)設定運動選擇的三個閾值設定機器人手爪前后兩次運動的旋轉軸之間夾角的最小閾值α、機器人手爪每次運動的旋轉角的最小閾值β和機器人手爪每次運動的平移分量的模的最大閾值d；2)搜索選擇第一個滿足條件的手眼運動對(A′，B′)由第一次和第二次采樣到的手眼姿態(tài)計算得到一個手眼運動對(A′，B′)，如果A′的旋轉角大于等于β且A′的平移分量的模小于等于d，則認為(A′，B′)找到，否則，再由第一次和第三次采樣的手眼姿態(tài)計算手眼運動對(A′，B′)并判斷A′的旋轉角和平移分量的模是否滿足設定條件，如此循環(huán)往復，直至找到符合條件的手眼運動對作為(A′，B′)，設此時的(A′，B′)由第一次和第i+1次采樣的手眼姿態(tài)計算得到；3)搜索選擇第二個滿足條件的手眼運動對(A″，B″)由第i+1次和第i+2次采樣到的手眼姿態(tài)計算得到一個手眼運動對(A″，B″)，如果A″的旋轉角大于等于β、A″的平移分量的模小于等于d而且A′與A″的旋轉軸之間的夾角大于等于α，則認為(A″，B″)找到，否則，再由第i+1次和第i+3次采樣的手眼姿態(tài)計算手眼運動對(A″，B″)并判斷A″的旋轉角、A″的平移分量的模和A′與A″的旋轉軸之間的夾角是否滿足設定條件，如此循環(huán)往復，直至找到符合條件的手眼運動對(A″，B″)；4)利用兩個手眼運動對(A′，B′)和(A″，B″)進行手眼標定由(A′，B′)和(A″，B″)列出Andreff線性方程，求解該方程得到手眼變換關系矩陣，完成一次手眼標定；5)若繼續(xù)標定時，將上次用于標定的手眼運動對(A″，B″)作為新的手眼運動對(A′，B′)，重復步驟3從后續(xù)采樣數據中繼續(xù)搜索選擇新的手眼運動對(A″，B″)，重復步驟4進行新的手眼標定。
全文摘要
一種基于運動選擇的機器人在線手眼標定方法，首先設定機器人手爪前后兩次運動的旋轉軸之間夾角的最小閾值α、機器人手爪每次運動的旋轉角的最小閾值β和機器人手爪每次運動的平移分量的模的最大閾值d，然后從第一次手眼采樣運動開始，依次選擇出兩個符合要求的手眼運動對，最后以選擇出的兩個手眼運動對利用Andreff線性算法計算得到手眼變換關系矩陣，完成一次手眼標定。繼續(xù)下一次標定時，將上次標定的第二個運動對作為第一個運動對，并從后續(xù)采樣運動數據中搜索選擇另一個運動對，然后進行標定計算。如此循環(huán)往復，可連續(xù)不斷地進行機器人的在線手眼標定操作。本發(fā)明可廣泛應用于機器人三維視覺測量、視覺伺服和觸覺感知等實際工作中。
文檔編號B25J19/00GK1672881SQ20051002525
公開日2005年9月28日 申請日期2005年4月21日 優(yōu)先權日2005年4月21日
發(fā)明者石繁槐, 王建華, 劉允才 申請人:上海交通大學