[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN116476046A - 基于粒子群算法优化的机械臂标定与控制装置及方法 - Google Patents

基于粒子群算法优化的机械臂标定与控制装置及方法 Download PDF

Info

Publication number
CN116476046A
CN116476046A CN202310302560.1A CN202310302560A CN116476046A CN 116476046 A CN116476046 A CN 116476046A CN 202310302560 A CN202310302560 A CN 202310302560A CN 116476046 A CN116476046 A CN 116476046A
Authority
CN
China
Prior art keywords
arm
light source
end position
pixel coordinates
pixel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310302560.1A
Other languages
English (en)
Inventor
陈勇
邹家华
谢凌波
蒋勉
何宽芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan University
Original Assignee
Foshan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Foshan University filed Critical Foshan University
Priority to CN202310302560.1A priority Critical patent/CN116476046A/zh
Publication of CN116476046A publication Critical patent/CN116476046A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1679—Programme controls characterised by the tasks executed
    • B25J9/1692—Calibration of manipulator
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种基于粒子群算法优化的机械臂标定与控制装置及方法，该方法包括：获取第二臂末端位置相片；对第二臂末端位置相片进行处理，并提取光源反射器像素坐标；提取光源反射器的光源边缘，计算第二臂末端位置的像素坐标，得到第一臂末端位置的像素坐标序列；将第二臂末端位置的像素坐标序列转换为相机坐标系下对应坐标序列；获取激光跟踪仪坐标系下的光源反射器坐标，并计算第二臂末端位置的像素坐标序列，得到第二臂末端位置的像素坐标序列；利用粒子群优化算法将第一臂末端位置的像素坐标序列与第二臂末端位置的像素坐标序列之间的误差降低到预设范围，实现机械臂标定和控制。可实现标定精度更高的机械臂控制。

Description

基于粒子群算法优化的机械臂标定与控制装置及方法
技术领域
本发明涉及旋转重载机械臂末端轨迹检测及控制研究领域，尤其是涉及一种基于粒子群算法优化的机械臂标定与控制装置及方法。
背景技术
重载机械臂结构类似人类的手臂，负载能力强，响应速度比普通关节式机械臂快数倍，适用于平面定位，流水线工作等。随着对机械臂运动精度的要求越来越高，以及视觉检测技术的进步，目前机械臂在不断地向视觉检测与控制方向发展。但是，一方面受机械臂设计、制造、装配误差等因素的影响，机械臂本体存在运动误差；另一方面，由于视觉检测与方法存在像素大小限制、数值处理失真的原因，导致检测误差产生。因此，设计一种运用工业相机对旋转重载第二臂末端位置进行精确检测与控制具有重要的研究意义和实用价值。
发明内容
为了解决上述技术问题，本发明的目的是提供一种基于粒子群算法优化的机械臂标定与控制装置及方法，能够通过粒子群优化算法训练相机与激光跟踪球获取的第二臂末端位置运动误差，得到控制误差补偿量，实现标定精度更高的机械臂控制。
本发明所采用的第一技术方案是：一种基于粒子群算法优化的机械臂标定与控制方法，包括以下步骤：
获取第二臂末端位置相片，对第二臂末端位置相片进行处理，得到光源反射器像素坐标；
利用光源反射器像素坐标提取光源反射器的光源边缘，并计算第二臂末端位置的像素坐标，得到第二臂末端位置的像素坐标第一序列；
将第二臂末端位置的像素坐标第一序列转换为相机坐标系下对应坐标序列，并求解对应角度序列；
获取激光跟踪仪坐标系下的机械臂末端像素坐标，得到第二臂末端位置的像素坐标第二序列；
利用粒子群算法将相机坐标系下第二臂末端位置的像素坐标第一序列与第二臂末端位置的像素坐标第二序列之间的误差降低到预设范围，得到控制误差补偿量，实现机械臂标定和控制。
在本方法中，通过相机实时获取机械臂末端的运动数据，并将其与激光跟踪仪获取的机械臂末端的运动数据进行比对，通过粒子群算法进行优化，减小误差，实现标定精度更高的机械臂控制。
进一步，所述获取第二臂末端位置相片，对第二臂末端位置相片进行处理，得到光源反射器像素坐标这一步骤之后还包括：
对光源反射器像素坐标进行透视畸变矫正，得到理想的光源反射器像素坐标。
进一步，所述透视畸变包括径向畸变和切向畸变，其具体表示为；
径向畸变的数学模型：
W＝w(1+k1r2+k2r4+k3r6)
H＝h(1+k1r2+k2r4+k3r6)
其中，(W，H)表示畸变像素，(w，h)表示理想像素，r2＝w2+h2，k1、k2、k3表示畸变向量；
切向畸变的数学模型：
U＝u+[2p1v+p2(r2+2u2)]
V＝v+[2p1(r2+2v2)+p2u]
其中，(U，V)表示畸变像素，(u，v)表示理想像素，r2＝w2+h2，P1、P2表示畸变向量。
在本技术方案中，通过透视畸变矫正可以克服相机自身光源特性不完美和相机在生产制造过程中未能使其图像传感器和其光轴垂直安装带来的误差，使得机械臂标定更加精确。
进一步，所述利用光源反射器像素坐标提取光源反射器的光源边缘，并计算第二臂末端位置的像素坐标，得到第二臂末端位置的像素坐标第一序列这一步骤，其具体包括：
基于光源反射器像素坐标利用边缘提取算子计算图像梯度幅值和方向，寻找图像的梯度，得到光源反射器的光源边缘；
分离并拟合光源反射器的光源边缘，计算拟合后的光源反射器的光源边缘的圆心坐标；
对拟合后的光源反射器的光源边缘的圆心坐标取平均，得到第二臂末端位置的像素坐标；
第二臂末端位置的像素坐标加入队列中，得到第二臂末端位置的像素坐标第一序列。
进一步，所述对拟合后的光源反射器的光源边缘的圆心坐标取平均，得到第二臂末端位置的像素坐标这一步骤，具体为：
依据相片大小和相片像素大小计算相片像素实际大小尺寸；
采用平均值算法依据相片像素实际大小尺寸、光源反射器像素坐标和光源反射器的圆心像素坐标计算第二臂末端位置的像素坐标。
进一步，所述平均值算法具体计算公式为：
其中，(xci，yci)表示第i次拍摄时第二臂末端位置的像素坐标，(x1i，y1i)和(x2i，y2i)分别表示第i次拍摄时第一、第二个光源反射器的像素坐标，(x3i，y3i)和(x4i，y4i)表示分别第i次拍摄时第一、第二个光源反射器的圆心像素坐标，x表示相片的尺度，N表示相片像素大小。
进一步，所述求解对应角度序列所使用的理想运动学模型为：
其中，(x，y)表示第二臂末端位置的像素坐标，(θ1，θ2)表示机械臂角度，l1表示第一臂长度，l2表示第二臂长度。
进一步，所述误差表示为：
其中，ei表示相机坐标系下第二臂末端位置的像素坐标第一序列中第i个像素坐标与第二臂末端位置的像素坐标第二序列中第i个像素坐标之间的误差，(xci，yci)是相机检测到机械部末端位置的像素坐标，(xgi，ygi)是激光跟踪仪检测第二臂末端位置的像素坐标。
本发明所采用的第二技术方案是：一种基于粒子群算法优化的机械臂标定与控制装置，包括重载机械臂本体单元、末端位置检测与标定单元和控制单元：
所述重载机械臂本体单元包括隔振台、铝型材支架、底座、电滑环、第一臂、第二臂、肘关节伺服电机、肩关节伺服电机、肘关节减速器和肩关节减速器；
所述隔振台通过螺栓连接底座，底座对第一臂进行固定；
所述铝型材支架用于固定工业相机；
所述电滑环安置在铝型材支架顶部中央，用于给肩关节伺服电机提供电力；
所述肘关节伺服电机和所述肘关节减速器安装在第一臂处，用于驱动第一臂运动；
所述肩关节伺服电机和肩关节减速器安装在第二臂处，用于驱动第二臂运动；
所述末端位置检测与标定单元包括工业相机、激光跟踪仪和两个光源反射器；
所述两个光源反射器安装在第二臂末端顶部；
所述工业相机安装在铝型材支架上，与PC端网络连接，用于传输第二臂末端位置的图像，并提取两个光源反射器像素进而得到第二臂实际末端位置，再结合激光跟踪仪检测数据进行粒子群优化计算，得到控制误差补偿量；
所述控制单元包括肩关节伺服驱动器、肘关节伺服驱动器、控制卡和PC端；
所述关节伺服驱动器和肘关节伺服驱动器分别与肩关节伺服电机、肘关节伺服电机及运动控制卡连接，用于驱动肩关节伺服电机和肘关节伺服电机运动，实现第二臂末端运动；
所述控制卡用于接收PC端信号，结合控制误差补偿量进行运动学逆解，经处理后传输给肩关节伺服驱动器和肘关节伺服驱动器。
本发明基于粒子群算法优化的机械臂标定与控制装置及方法的有益效果是：本发明通过相机实时获取机械臂末端的运动数据，并将其与激光跟踪仪获取的机械臂末端的运动数据进行比对，通过粒子群算法进行优化，得到运动误差补偿量，实现标定精度更高的机械臂控制。
附图说明
图1是本发明基于粒子群算法优化的机械臂标定与控制方法的步骤流程图；
图2是本发明基于粒子群算法优化的机械臂标定与控制装置的结构图；
图3是本发明提供的光源反射器的光源边缘的拟合图；
图4是本发明提供的粒子群分布与迭代优化过程图；
附图标记：1、隔振台；2、底座；3、肘关节伺服电机；4、肘关节减速器；5、第一臂；6、激光跟踪球；7、铝型材支架；8、工业相机；9、电滑环；10、肩关节伺服电机；11、肩关节减速器；12、光源反射器；3、第二臂；14、激光探测头。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
实施例1
如图1所示，本发明提供了一种基于粒子群算法优化的机械臂标定与控制方法，该方法包括以下步骤：
101、获取第二臂末端位置相片，对第二臂末端位置相片进行处理，得到光源反射器像素坐标。
在本实施例中，所述相机采用工业相机，比如面阵相机或线阵相机等，并将其与计算机端连接，连接方式可以采用有线连接，比如RJ45网络连接、FC光纤线、同轴电缆线和电力载波线等，连接方式还可采用无线连接，比如WIFI、4G或5G网络等，所述工业相机与计算机之间可进行数据传输。首先计算机发送指令给所述工业相机，接收到该计算机指令的所述工业相机开启进入工作状态，实时采集运行中的机械臂末端的运动相片，并将该运动相片传回计算机端。计算机接收到机械臂末端的运动相片之后，对机械臂末端相片进行处理，提取出两个光源反射器像素坐标。
102、利用光源反射器像素坐标提取光源反射器的光源边缘，并计算第二臂末端位置的像素坐标，得到第二臂末端位置的像素坐标第一序列。
在本实施例中，优选的，采用Sobel算子提取光源反射器的光源边缘。首先将卷积模板分别作用域x和y方向，再计算图像梯度幅值和方向，寻找图像梯度，得到光源反射器的光源边缘，其计算公式表示为：
其中，dx是水平变化将图像I与奇数大小的模版进行卷积结果，dy垂直变化将图像I与奇数大小的模板进行卷积，I是待处理的图像，S是通过图像的每一个像素的横向及纵向灰度值结合公式计算该点灰度的大小，θ是梯度方向。
如图3所示，由于提取的光源反射器的光源边缘具有不规则的形状，再对光源边缘进行拟合得到规则的光源反射器的光源边缘，在此基础上，求出光源边缘的中心坐标，利用取两光源反射器的光源边缘的中心坐标的平均值计算出第二臂末端位置的像素坐标，取平均值的计算过程如下：
其中，(xci，yci)表示第i次拍摄第二臂末端位置的像素坐标，(x1i，y1i)和(x2i，y2i)分别表示第i次拍摄时第一、第二个光源反射器的像素坐标，(x3i，y3i)和(x4i，y4i)分别表示第i次拍摄时第一、第二个光源反射器的圆心像素坐标，x表示相片的尺度，N表示相片像素大小。
最后将所有的第二臂末端位置的像素坐标加入序列中得到第二臂末端位置的像素坐标第一序列。
103、将第二臂末端位置的像素坐标第一序列转换为相机坐标系下对应坐标序列，并求解对应角度序列。
在本实施例中，利用图像坐标系与相机坐标系的转换关系矩阵将上述得到的第二臂末端位置的像素坐标第一序列均转换为相机坐标系下的坐标序列，所述转换关系矩阵表示为：
其中，(xc，yc，zc)表示相机坐标系中的坐标，(x，y)表示图像坐标系中的坐标，f表示相机焦距，zc是光源反射器距离相机镜头的垂直距离。
在得到第二臂末端位置的像素坐标序列在相机坐标系下的坐标序列之后，利用理想运动学模型求解对应的角度序列，求解公式具体为：
其中，(xc，yc)表示相机坐标系下的像素坐标，(θ1，θ2)表示机械臂角度，l1表示第一臂长度，l2表示第二臂长度。
定义(xc，yc)＝f(θ1，θ2)，则利用(θ1，θ2)＝f-1(xc，yc)求解出机械臂角度。将所有的像素坐标对应的机械臂角度加入序列得到对应的角度序列。
104、获取激光跟踪仪坐标系下的机械臂末端像素坐标，得到第二臂末端位置的像素坐标第二序列。
在本实施例中，所述激光跟踪仪中建立激光跟踪仪坐标系，以激光探头中心为原点，以度盘上的0读数方向为X轴，以度盘平面的法线向上方向为Z轴，以右手坐标系规则确定Y轴。在此基础上，获取激光跟踪球相对于坐标原点的坐标，以及获取在跟踪转镜和目标靶镜都不动时的激光跟踪球测量的机械臂末端像素坐标，并将激光跟踪球测量的机械臂末端像素坐标加入序列中，得到第二臂末端位置的像素坐标第二序列。
105、利用粒子群优化算法将相机坐标系下第二臂末端位置的像素坐标第一序列与第二臂末端位置的像素坐标第二序列之间的误差降低到预设范围，得到控制误差补偿量，实现机械臂标定和控制。
在本实施例中，首先建立相机坐标系下第二臂末端位置的像素坐标第一序列与第二臂末端位置的像素坐标第二序列之间的误差公式，作为粒子群自适应度函数，表示如下：
其中，ei表示相机坐标系下第二臂末端位置的像素坐标第一序列中第i个像素坐标与第二臂末端位置的像素坐标第二序列中的第i个像素坐标之间的误差，(xci，yci)是相机检测到机械部末端位置的像素坐标，(xgi，ygi)是激光跟踪仪检测第二臂末端位置的像素坐标。
在此基础上，进行粒子群算法优化优化。首先定义粒子群落中的每一个二维粒子表示为速度为V＝(V1，V2…VN)；
其中，(xci，yci)是相机检测到转化为相机坐标系下第二臂末端位置的像素坐标，(xgi，ygi)是激光跟踪仪检测第二臂末端位置的像素坐标，表示第i个粒子的位置，Vi表示第i个粒子的速度，i＝1、2、…、N，N表示粒子总个数。
接着将迄今为止搜索到最优位置的粒子个体极值记为：Pbest＝(P1，P2.....PN)，将整个粒子群迄今为止搜索到的最优位置的全局极值记为：Gbest＝(G1，G2.....GN)。找到Gbest和Pbest后，通过以下方程更新粒子群的速度和位置；
粒子群的更新过程为：
V(t+1)＝wVi(t)+c1r1(t)[Pi(t)-Xi(t)]+c2r2(t)[Gi(t)-xi(t)]
xi(t+1)＝Xi(t)+Vi(t+1)
其中，W是惯性权数，c1和c2为学习因子，r1和r2为[0，1]范围内的均匀随机数，Vi是粒子的速度。通过迭代多次，更新粒子群位置，寻找到达到允许误差范围的位置。
如图4所示，当粒子寻找到最优位置时，对应误差在预设范围内时，结束迭代，得到控制误差补偿量，根据控制误差补偿量进行逆运动学求解，得到对应第二臂末端位置的角度补偿量，从而实现精准标定控制。
实施例2
在实施例1的基础上，由于工业相机无法精确垂直安装于被测目标，因而采集的第二臂末端位置相片存在透视畸变，包括径向畸变和切向畸变。所述径向畸变是由于其自身的光学特性不完美造成的，数学模型为：
W＝w(1+k1r2+k2r4+k3r6)
H＝h(1+k1r2+k24+k3r6)
其中，(W，H)表示畸变像素，(w，h)表示理想像素，r2＝w2+h2，k1、k2、k3表示畸变向量。
所述切向畸变是由于相机在生产制造过程中未能使其图像传感器与光轴垂直安装而造成的，其数学模型为：
U＝u+[2p1v+p2(r2+2u2)]
V＝v+[2p1(r2+2v2)+p2u]
其中，(U，V)表示畸变像素，(u，v)表示理想像素，r2＝w2+h2，P1、P2表示畸变向量。
根据径向畸变和切向畸变模型反解出第二臂末端位置的理想像素坐标，再进行光源反射器的光源边缘提取及其它运算，可实现更加精准的机械臂标定与控制。
如图2所示，一种基于粒子群算法优化的机械臂标定与控制装置，包括重载机械臂本体单元、末端位置检测、标定单元和控制单元，其中
重载机械臂本体单元包括隔振台1、底座2、肘关节伺服电机3、肘关节减速器4、第一臂5、铝型架7、电滑环9、肩关节伺服电机10、肩关节减速器11以及第二臂13。隔振台1呈方形，通过螺栓与底座2连接对机器臂进行固定，并具有减震效果；铝型材支架7起支撑与固定工业相机8作用；电滑环9被安置在铝型材支架7顶部中央，便于对肩关节伺服电机10提供电力；肩关节伺服电机10安装在第二臂13处，肘关节伺服电机3安装在第一臂5处，肘关节伺服电机3和肘关节减速器4驱动第一臂5，肩关节伺服电机10和肩关节减速器11驱动第二臂6运动，使第二臂13末端运动到预期位置；
末端位置检测与标定单元包括工业相机8、激光跟踪仪和第二臂13末端顶部的光源反射器12。两个光源反射器安装在第二臂13末端顶部；激光跟踪仪由激光跟踪球6和激光探测头14组成，激光跟踪球6安装在两个光源反射器正中心即末端位置的实际中心点；工业相机8安装在铝型材7上，与PC端网络连接，传输第二臂13末端位置的图像，并提取光源反射器像素而得到第二臂实际末端位置，再结合激光跟踪仪检测数据进行粒子群优化计算，得到控制误差补偿量；
控制单元包括肘关节伺服驱动器B、肩关节伺服驱动器A、控制卡以及PC。肩关节伺服驱动器A和肘关节伺服驱动器B分别与肩关节伺服电机10和肘关节伺服电机3及运动控制卡连接；运动控制卡接收PC信号，结合控制误差补偿量进行运动学逆解，经处理后传输给肩关节伺服驱动器A和肘关节伺服驱动器B。肩关节伺服驱动器A和肘关节伺服驱动器B分别驱动肩关节伺服电机10和肘关节伺服电机3运动，实现第二臂13末端运动。
上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (9)

1.一种基于粒子群算法优化的机械臂标定与控制方法，其特征在于，包括以下步骤：
获取第二臂末端位置相片，对第二臂末端位置相片进行处理，得到光源反射器像素坐标；
利用光源反射器像素坐标提取光源反射器的光源边缘，并计算第二臂末端位置的像素坐标，得到第二臂末端位置的像素坐标第一序列；
将第二臂末端位置的像素坐标第一序列转换为相机坐标系下对应坐标序列，并求解对应角度序列；
获取激光跟踪仪坐标系下的机械臂末端像素坐标，得到第二臂末端位置的像素坐标第二序列；
利用粒子群算法将相机坐标系下第二臂末端位置的像素坐标第一序列与第二臂末端位置的像素坐标第二序列之间的误差降低到预设范围，得到控制误差补偿量，实现机械臂标定和控制。
2.根据权利要求1所述一种基于粒子群算法优化的机械臂标定与控制方法，其特征在于，所述获取第二臂末端位置相片，对第二臂末端位置相片进行处理，得到光源反射器像素坐标这一步骤之后还包括：
对光源反射器像素坐标进行透视畸变矫正，得到理想的光源反射器像素坐标。
3.根据权利要求2所述一种基于粒子群算法优化的机械臂标定与控制方法，其特征在于，所述透视畸变包括径向畸变和切向畸变，其具体表示为；
径向畸变的数学模型：
W＝w(1+k1r2+k2r4+k3r6)
H＝h(1+k1r2+k2r4+k3r6)
其中，(W，H)表示畸变像素，(w，h)表示理想像素，r2＝w2+h2，k1、k2、k3表示畸变向量；
切向畸变的数学模型：
U＝u+[2p1v+p2(r2+2u2)]
V＝v+[2p1(r2+2v2)+p2u]
其中，(U，V)表示畸变像素，(u，v)表示理想像素，r2＝w2+h2，P1、P2表示畸变向量。
4.根据权利要求1所述一种基于粒子群算法优化的机械臂标定与控制方法，其特征在于，所述利用光源反射器像素坐标提取光源反射器的光源边缘，并计算第二臂末端位置的像素坐标，得到第二臂末端位置的像素坐标第一序列这一步骤，其具体包括：
基于光源反射器像素坐标利用边缘提取算子计算图像梯度幅值和方向，寻找图像的梯度，得到光源反射器的光源边缘；
分离并拟合光源反射器的光源边缘，计算拟合后的光源反射器的光源边缘的圆心坐标；
对拟合后的光源反射器的光源边缘的圆心坐标取平均，得到第二臂末端位置的像素坐标；
将第二臂末端位置的像素坐标加入队列中，得到第二臂末端位置的像素坐标第一序列。
5.根据权利要求4所述一种基于粒子群算法优化的机械臂标定与控制方法，其特征在于，所述对拟合后的光源反射器的光源边缘的圆心坐标取平均，得到第二臂末端位置的像素坐标这一步骤，具体为：
依据相片尺度和相片像素大小计算相片像素实际大小尺寸；
采用平均值算法根据相片像素实际大小尺寸、光源反射器像素坐标及光源反射器的圆心像素坐标计算第二臂末端位置的像素坐标。
6.根据权利要求5所述一种基于粒子群算法优化的机械臂标定与控制方法，其特征在于，所述平均值算法具体计算公式为：
其中，(xci，yci)表示第i次拍摄时第二臂末端位置的像素坐标，(x1i，y1i)和(x2i，y2i)分别表示第i次拍摄时第一、第二个光源反射器像素坐标，(x3i，y3i)和(x4i，y4i)分别表示第i次拍摄时第一、第二个光源反射器的圆心像素坐标，x表示相片的尺度，N表示相片像素大小。
7.根据权利要求6所述一种基于粒子群算法优化的机械臂标定与控制方法，其特征在于，所述求解对应角度序列所使用的理想运动学模型为：
其中，(x，y)表示第二臂末端位置的像素坐标，(θ1，θ2)表示机械臂角度，l1表示第一臂长度，l2表示第二臂长度。
8.根据权利要求1所述一种基于粒子群算法优化的机械臂标定与控制方法，其特征在于，所述误差表示为：
其中，ei表示相机坐标系下第二臂末端位置的像素坐标第一序列中第i个像素坐标与第二臂末端位置的像素坐标第二序列中的第i个像素坐标之间的误差，(xci,yci)是相机检测到机械部末端位置的像素坐标，(xgi,ygi)是激光跟踪仪检测第二臂末端位置的像素坐标。
9.一种基于粒子群算法优化的机械臂标定与控制装置，包括重载机械臂本体单元、末端位置检测与标定单元和控制单元，其特征在于：
所述重载机械臂本体单元包括隔振台、铝型材支架、底座、电滑环、第一臂、第二臂、肘关节伺服电机、肩关节伺服电机、肘关节减速器和肩关节减速器；
所述隔振台通过螺栓连接底座，底座对第一臂进行固定；
所述铝型材支架用于固定工业相机；
所述电滑环安置在铝型材支架顶部中央，用于给肩关节伺服电机提供电力；
所述肘关节伺服电机和所述肘关节减速器安装在第一臂处，用于驱动第一臂运动；
所述肩关节伺服电机和肩关节减速器安装在第二臂处，用于驱动第二臂运动；
所述末端位置检测与标定单元包括工业相机、激光跟踪仪和两个光源反射器；
所述两个光源反射器安装在第二臂末端顶部；
所述工业相机安装在铝型材支架上，与PC端网络连接，用于传输第二臂末端位置的图像，并提取两个光源反射器像素进而得到第二臂实际末端位置，再结合激光跟踪仪检测数据进行粒子群优化计算，得到控制误差补偿量；
所述控制单元包括肩关节伺服驱动器、肘关节伺服驱动器、控制卡和PC端；
所述关节伺服驱动器和肘关节伺服驱动器分别与肩关节伺服电机、肘关节伺服电机及运动控制卡连接，用于驱动肩关节伺服电机和肘关节伺服电机运动，实现第二臂末端运动；
所述控制卡用于接收PC端信号，结合控制误差补偿量进行运动学逆解，经处理后传输给肩关节伺服驱动器和肘关节伺服驱动器。
CN202310302560.1A 2023-03-27 2023-03-27 基于粒子群算法优化的机械臂标定与控制装置及方法 Pending CN116476046A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310302560.1A CN116476046A (zh) 2023-03-27 2023-03-27 基于粒子群算法优化的机械臂标定与控制装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310302560.1A CN116476046A (zh) 2023-03-27 2023-03-27 基于粒子群算法优化的机械臂标定与控制装置及方法

Publications (1)

Publication Number Publication Date
CN116476046A true CN116476046A (zh) 2023-07-25

Family

ID=87218604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310302560.1A Pending CN116476046A (zh) 2023-03-27 2023-03-27 基于粒子群算法优化的机械臂标定与控制装置及方法

Country Status (1)

Country Link
CN (1) CN116476046A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118544360A (zh) * 2024-07-25 2024-08-27 佛山大学 基于激光补偿的机器人视觉检测方法、系统、终端及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118544360A (zh) * 2024-07-25 2024-08-27 佛山大学 基于激光补偿的机器人视觉检测方法、系统、终端及介质

Similar Documents

Publication Publication Date Title
CN110421562B (zh) 基于四目立体视觉的机械臂标定系统和标定方法
CN110500990B (zh) 一种六自由度测量系统及方法
CN110238845B (zh) 最优标定点选取和误差自测量的自动手眼标定方法及装置
CN111486802B (zh) 基于自适应距离加权的旋转轴标定方法
CN110774294B (zh) 一种gis检测机器人超声局放探头定位贴合系统及方法
CN111801198B (zh) 一种手眼标定方法、系统及计算机存储介质
CN102607457B (zh) 基于惯性导航技术的大尺寸三维形貌测量装置及方法
CN108582076A (zh) 一种基于标准球的机器人手眼标定方法及装置
WO2023193362A1 (zh) 一种复合机器人和三维视觉的大型结构件自动焊接系统及方法
CN105627948B (zh) 一种大型复杂曲面测量系统进行复杂曲面采样的方法
CN112325796A (zh) 基于辅助定位多视角点云拼接的大型工件型面测量方法
CN106767913B (zh) 一种基于单led发光点和二维转台的复眼系统标定装置及标定方法
CN110017852B (zh) 一种导航定位误差测量方法
CN105318838B (zh) 激光测距仪和机械臂末端关系的单平面标定方法
CN114993608B (zh) 一种风洞模型三维姿态角测量方法
CN111383272A (zh) 一种双目视觉水果分拣并联机器人视觉盲区末端位姿检测方法
CN109781068B (zh) 面向空间应用的视觉测量系统地面模拟评估系统及方法
CN115546289A (zh) 一种基于机器人的复杂结构件三维形貌测量方法
CN116476046A (zh) 基于粒子群算法优化的机械臂标定与控制装置及方法
CN113858217A (zh) 多机器人交互的三维视觉位姿感知方法及系统
CN110568866B (zh) 一种三维立体曲面视觉引导对位系统及对位方法
CN113781581B (zh) 基于靶标松姿态约束的景深畸变模型标定方法
CN111551126B (zh) 非规则管道内壁移动测量机器人及三维重建方法和系统
CN114998422B (zh) 一种基于误差补偿模型的高精快速三维定位系统
CN114459353B (zh) 一种管道位姿测量装置及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Country or region after: China

Address after: No.33, Guangyun Road, Shishan town, Nanhai District, Foshan City, Guangdong Province 528225

Applicant after: Foshan University

Address before: No.33, Guangyun Road, Shishan town, Nanhai District, Foshan City, Guangdong Province 528225

Applicant before: FOSHAN University

Country or region before: China

CB02 Change of applicant information