针对机器人位姿测量立体标靶的单目视觉标定方法

张旭; 魏鹏

doi:10.3788/IRLA201746.1117005

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

针对机器人位姿测量立体标靶的单目视觉标定方法

张旭, 魏鹏

文章导航 > 红外与激光工程 > 2017 > 46(11): 1117005-1117005(9)

张旭, 魏鹏. 针对机器人位姿测量立体标靶的单目视觉标定方法[J]. 红外与激光工程, 2017, 46(11): 1117005-1117005(9). doi: 10.3788/IRLA201746.1117005

引用本文:

张旭, 魏鹏. 针对机器人位姿测量立体标靶的单目视觉标定方法[J]. 红外与激光工程, 2017, 46(11): 1117005-1117005(9). doi: 10.3788/IRLA201746.1117005

Zhang Xu, Wei Peng. Monocular vision calibration method of the stereo target for robot pose measurement[J]. Infrared and Laser Engineering, 2017, 46(11): 1117005-1117005(9). doi: 10.3788/IRLA201746.1117005

Citation:

Zhang Xu, Wei Peng. Monocular vision calibration method of the stereo target for robot pose measurement[J]. Infrared and Laser Engineering, 2017, 46(11): 1117005-1117005(9). doi: 10.3788/IRLA201746.1117005

针对机器人位姿测量立体标靶的单目视觉标定方法

doi: 10.3788/IRLA201746.1117005

张旭,
魏鹏

1.
上海大学机电工程与自动化学院,上海 200072

基金项目:

国家自然科学基金（51575332）;机械系统与振动国家重点实验室课题（MSV2015010）;上海市教育委员会科研创新项目（2014Z10280034）

详细信息

作者简介:
张旭(1982-),男,硕士生导师,博士,主要从事深度信息获取和计算机视觉方面的研究。Email:xuzhang@shu.edu.cn

中图分类号: TP241.2

Monocular vision calibration method of the stereo target for robot pose measurement

Zhang Xu,
Wei Peng

1.
School of Mechatronic Engineering and Automation,Shanghai University,Shanghai 200072,China

摘要: 工业机器人末端位姿测量对机器人装配和机器人标定等工作具有重要价值。针对机器人位姿测量中常用标靶受环境光干扰较大、机器人运动空间有限等缺点设计了一款亮度可调、响应迅速的六面体立体标靶，并提出一种基于单目视觉的立体标靶标定方法。通过初始图像对的选择，解决单目视觉中本质矩阵分解得到的平移向量不精确的问题，并采用光束平差法对初始图像场景进行优化；向场景中添加新图像并使用光束平差法对场景进行全局优化，提高特征点重建精度；以精度为5m的平面标定板上的特征点作为真实点，解决单目视觉重建场景缺乏尺度因子的问题。实验表明：特征点三维重建的平均误差小于0.035 mm，能够有效进行立体标靶的标定；使用该标靶计算的机器人位姿信息，将机器的位置精度提高了37%。
- 立体标靶标定 /
- 立体标靶 /
- 特征面识别 /
- 场景重建
Abstract: The full pose measurement of industrial robot was valuable to robot assembly and robot calibration. In order to decrease the influence of ambient light and expand the target movement space, an active target was designed, and a method of the target calibration based on monocular vision was proposed. The initial pair was selected to enhance the accuracy of the translation vector which was decomposed from essential matrix. Then, images were added one by one and they all were used in the bundle adjustment to compute the high accuracy of 3D structure in the whole scene. Further, the points of the calibration board was adopted as the scale factor, and all the information was transformed into metric. The experimental results demonstrated that the 3D reconstruction precision is less than 0.035 mm, and the method could satisfy the requirement of stereo target calibration. Besides, the robot pose is effectively identified, and the position accuracy is improved by 37%.
- stereo target calibration /
- stereo target /
- feature surface recognition /
- scene reconstruction

[1]	Wang Kun. The key technology for improving the accuracy of the series arm movement[D]. Hefei:University of Science and Technology of China, 2013.
[2]	Zhang Jianzhong, He Yongyi, Li Jun. Application research of vision-location in robotic assembly equipment[J]. Mechanical Electrical Engineering, 2011, 28(8):934-937. (in Chinese)
[3]	Nubiola A. Calibration of a serial robot using laser tracker[D]. Montreal:cole de Technologie, 2011.
[4]	Jie Zexiao, Xin Shaohui, Li Xu, et al. Method of robot calibration based on monocular vision[J]. Journal of Mechanical Enigineering, 2011, 47(5):35-39.
[5]	Bennett D J, Geiger D, Hollerbach J M. Autonomous robot calibration for hand-eye coordination[J]. International Journal of Robotics Research, 1991, 10(5):550-559.
[6]	Ren Yongjie, Zhu Jigui, Yang Xueyou, et al. Method of robot calibration based on laser tracker[J]. Chinese Journal of Mechanical Engineering, 2007, 43(9):155-200. (in Chinese)
[7]	Cha Hongwen. Calibration and measurement plan of measuring robot based on stereo vision[D]. Nanjing:Nanjing University of Aeronautics and Astronautics, 2013. (in Chinese)
[8]	Qin Dahui, Mao Ting, Liu Jianjun. Study on 3D-coordinate measurement technology using handhold light-pen base d on binocular stereoscopicvision system[J]. Manufacturing Technology Machine Tool, 2011(8):133-136. (in Chinese)
[9]	Fu Shuai, Zhang Liyan, Ye Nan, et al. Light pen based on-site vision mm for large workpieces[J]. Chinese Journal of Scientific Instrument, 2015, 36(12):430-438. (in Chinese)
[10]	Fraundorfer F, Scaramuzza D. Visual odometry:Part Ⅱ:matching, robustness, optimization, and applications[J]. IEEE Robotics Automation Magazine, 2012, 19(2):78-90.
[11]	Triggs B, Mclauchlan P F, Hartley R I, et al. Bundle adjustment-A modern synthesis[C]//International Workshop on Vision Algorithms:Theory and Practice, 1999:298-372.
[12]	Enqvist O, Kahl F, Olsson C. Non-sequential structure from motion[C]//IEEE International Conference on Computer Vision Workshops, 2011:264-271.
[13]	David Nistr. An efficient solution to the five-point relative pose problem[J]. IEEE Transactions on Pattern Analysis Machine Intelligence, 2004, 26(6):756-777.
[14]	HC Longuet-Higgins. A computer algorithm for reconstructing a scene from two projections[J]. Nature, 1981, 293(5828):133-135.
[15]	Zhang Xiangsun, Zhang Juliang, Liao Lizhi. An adaptive trust region method and its convergence[J]. Science in China, Science A:Mathematics, 2002, 45(5):620-631.

[1]	张禹茁, 贾璐璐, 高楠, 孟召宗, 张宗华. 基于相位标靶的相位测量轮廓术投影色差建模与校正 . 红外与激光工程, 2023, 52(8): 20230385-1-20230385-11. doi: 10.3788/IRLA20230385
[2]	孙旭旦, 吴清, 赵春艳, 张满囤. 语义增强引导特征重建的遮挡行人检测 . 红外与激光工程, 2022, 51(9): 20210924-1-20210924-10. doi: 10.3788/IRLA20210924
[3]	王晓艳, 徐高魁. 基于立体视觉与特征匹配的点云目标识别算法 . 红外与激光工程, 2022, 51(9): 20210596-1-20210596-7. doi: 10.3788/IRLA20210596
[4]	黄喆, 燕庆德, 李倩, 程二静, 沈小玲, 徐叶倩. 面向直线顶管机的双屏视觉标靶标定方法与精度评价 . 红外与激光工程, 2022, 51(9): 20210933-1-20210933-8. doi: 10.3788/IRLA20210933
[5]	刘松林, 胡俊, 张丽, 巩丹超. 基于证据网络的场景可识别性分析 . 红外与激光工程, 2020, 49(S2): 20200187-20200187. doi: 10.3788/IRLA20200187
[6]	乔玉晶, 贾保明, 姜金刚, 王靖怡. 多视点立体视觉测量网络组网方法 . 红外与激光工程, 2020, 49(7): 20190492-1-20190492-8. doi: 10.3788/IRLA20190492
[7]	王伟, 李铁, 侯亚丽. 典型立体目标等效BRDF测试方法 . 红外与激光工程, 2020, 49(4): 0403011-0403011-6. doi: 10.3788/IRLA202049.0403011
[8]	刘晓利, 何懂, 陈海龙, 蔡泽伟, 殷永凯, 彭翔. 结构光三维传感器测量网相关技术 . 红外与激光工程, 2020, 49(3): 0303007-0303007-10. doi: 10.3378/IRLA202049.0303007
[9]	黄富瑜, 郑喆, 李佩军, 谢大兵, 黄欣鑫. 非相似立体视觉模型构建与验证 . 红外与激光工程, 2019, 48(8): 825003-0825003(7). doi: 10.3788/IRLA201948.0825003
[10]	李鹏, 张洋洋. 采用辅助靶标的移动机器人立体视觉定位 . 红外与激光工程, 2019, 48(S1): 104-113. doi: 10.3788/IRLA201948.S117006
[11]	张国山, 张培崇, 王欣博. 基于多层次特征差异图的视觉场景识别 . 红外与激光工程, 2018, 47(2): 203004-0203004(9). doi: 10.3788/IRLA201847.0203004
[12]	赵敏, 熊召龙, 邢妍, 李小伟, 王琼华. 采用双目立体相机的实时集成成像拍摄系统 . 红外与激光工程, 2017, 46(11): 1103007-1103007(5). doi: 10.3788/IRLA201746.1103007
[13]	孟庆宇, 董吉洪, 王栋, 赵伟国. 轻小型立体相机光学系统研制 . 红外与激光工程, 2016, 45(4): 418002-0418002(8). doi: 10.3788/IRLA201645.0418002
[14]	林丽媛, 侯春萍, 王凯, 周志远. 基于动态随机点立体图的立体视觉深度运动特性分析 . 红外与激光工程, 2015, 44(4): 1365-1369.
[15]	余达, 刘金国, 周怀得, 龙科慧, 徐东, 陈佳豫, 孔德柱. LMCCD立体测绘成像设计 . 红外与激光工程, 2015, 44(11): 3393-3396.
[16]	张宁, 沈湘衡. 采用CCD 相机测量目标靶形心位置精度的方法 . 红外与激光工程, 2015, 44(1): 279-284.
[17]	祁敏, 曹剑中, 周祚峰, 高博, 郭惠楠, 杨磊. 基于Tao 立体匹配框架的全局优化算法 . 红外与激光工程, 2014, 43(9): 3122-3127.
[18]	林丽媛, 侯春萍, 王凯. 立体视觉舒适融合限预测模型的研究 . 红外与激光工程, 2014, 43(S1): 231-237.
[19]	吕相银, 金伟, 杨莉. 地面目标红外立体特征 . 红外与激光工程, 2014, 43(9): 2810-2814.
[20]	王子辰, 戴明, 李刚, 汪永阳, 宋悦铭, 高玉军. 基于虚拟立体靶标的线阵相机标定与分析 . 红外与激光工程, 2014, 43(3): 902-907.

点击查看大图

计量

文章访问数: 524
HTML全文浏览量: 89
PDF下载量: 99
被引次数: 0

针对机器人位姿测量立体标靶的单目视觉标定方法

doi: 10.3788/IRLA201746.1117005

张旭,
魏鹏

1. 上海大学机电工程与自动化学院,上海 200072

作者简介:
张旭(1982-),男,硕士生导师,博士,主要从事深度信息获取和计算机视觉方面的研究。Email:xuzhang@shu.edu.cn

收稿日期: 2017-03-10
修回日期: 2017-04-20
刊出日期: 2017-11-25

基金项目:

国家自然科学基金（51575332）;机械系统与振动国家重点实验室课题（MSV2015010）;上海市教育委员会科研创新项目（2014Z10280034）

中图分类号: TP241.2

关键词:

摘要: 工业机器人末端位姿测量对机器人装配和机器人标定等工作具有重要价值。针对机器人位姿测量中常用标靶受环境光干扰较大、机器人运动空间有限等缺点设计了一款亮度可调、响应迅速的六面体立体标靶，并提出一种基于单目视觉的立体标靶标定方法。通过初始图像对的选择，解决单目视觉中本质矩阵分解得到的平移向量不精确的问题，并采用光束平差法对初始图像场景进行优化；向场景中添加新图像并使用光束平差法对场景进行全局优化，提高特征点重建精度；以精度为5m的平面标定板上的特征点作为真实点，解决单目视觉重建场景缺乏尺度因子的问题。实验表明：特征点三维重建的平均误差小于0.035 mm，能够有效进行立体标靶的标定；使用该标靶计算的机器人位姿信息，将机器的位置精度提高了37%。