帮助中心
帮助中心主页
激光雷达
外部传感器
其他传感器
总线型编码器
电池及充电
喇叭及氛围灯
功能授权
2D 复合机器人综述

前言


图1 复合机器人
复合机器人在移动过程中,由于AGV导航产生的位置偏移,导致机械臂无法准确抓取或放置货物,此时,需要借助计算机视觉技术告诉机械臂准确的抓取点和放置点。建立起机械臂抓取货物的模型如图 2 所示,要想抓取货物,需要知道抓取点到基坐标之间的转换关系,而关系无法直接获取,需要通过间接获取,抓取点到基坐标系的位置关系可由机械臂末端坐标系相对于基坐标系的转换关系、相机坐标系相对于机械臂坐标的转换关系、相机坐标系相对于标定板坐标系的转换关系以及标定板坐标系相对于抓取点坐标系的转换关系得到。具体方案为:在抓取点或放置点旁边一固定位置处放置Marker,由于Marker与抓取点之间的位置相对固定,其位置转换关系可以通过示教计算出来;在机械臂末端安装 2D 相机,Marker在机械臂坐标系下的转换关系可以通过计算机视觉算法求出;由于 2D 相机是固定安装在机械臂末端,可有手眼标定来得到2D相机与机械臂末端坐标系之间的转换关系;而机械臂末端在基坐标系下的转换关系可由示教器获得;基于以上从而得到抓取点在机械臂基坐标下的转换关系

图2 复合机器人抓取位姿变换关系
注:
:机械臂末端坐标系相对于基坐标系的转换关系;
:相机坐标系相对于机械臂坐标的转换关系;
:相机坐标系相对于标定板坐标系的转换关系;
:标定板坐标系相对于抓取点坐标系的转换关系;
:抓取点坐标系相对于基坐标系的转换关系;
2D视觉的复合机器人的技术实现主要有4个方面的内容:系统标定、2D Marker识别、示教、抓取。

一、系统标定

复合机器人视觉抓取过程采用的是“眼在手上”的方式,即相机安装在机械臂末端。通过视觉识别进行抓取的前提是手、眼系统的标定,标定精度对抓取精度起决定性作用,做好手、眼系统的标定是做好后续工作的前提。针对2D相机的系统标定分为两步:内参标定和手眼标定。
1.1 内参标定
相机内参是相机的固有属性,由#card=math&code=%28x%2Cy%29&id=Hn17G)方向上的焦距原#card=math&code=%28f_x%2Cf_y%29&id=AAIXm)点偏移量#card=math&code=%28c_x%2Cc_y%29&id=A6f8K)以及一系列畸变系数组成,当相机的焦距、对焦环固定之后,内参就固定不变了。相机内参标定可以简单的描述为通过标定板,如棋盘格等,可以得到 n 个对应的世界坐标三维点和对应的图像坐标二维点,这些三维点到二维点的转换都可以通过上面提到的相机内参,相机外参 ,以及畸变参数 ,经过一系列的矩阵变换得到,参数请参见2D相机
1.2 手眼标定
手眼标定即计算相机与机械臂末端之间的位置关系,称为手眼矩阵,当相机安装在手抓末端时,称为“眼在手上”。这种关系下,标定板放置固定位置,通过移动机械臂末端位置采集标定板图像,此时,机械臂基座标与标定板的关系固定,则相机与机械臂末端的关系有:

图3 手眼标定变换关系

将其转化为的形式,通过移动机械臂末端位置,得到多组对应关系,使用两步法求得手眼矩阵
注:
:第一次移动时机械臂末端坐标系相对于基坐标系的转换关系;
:第二次移动时机械臂末端坐标系相对于基坐标系的转换关系;
:相机坐标系相对于机械臂坐标的转换关系;
:第一次移动时相机坐标系相对于标定板坐标系的转换关系;
:第二次移动时相机坐标系相对于标定板坐标系的转换关系;

二、2D Marker识别

Marker识别过程分为两步,一是Marker码的识别,二是Marker到相机坐标的转换关系。
2.1 Marker识别
目前常用Marker有棋盘格,AruCo,AprilTag等二维码。其过程都是先进行图像分割、轮廓查找、四边形检测等来识别图像中的Marker。

  • 图像分割,考虑到光照不均和黑暗照明对图像的影响,为了提高分割的准确性,采用的自适应阈值进行图像分割,如图4所示;


图4 图像分割

  • 轮廓查找,通过自适应阈值后,得到一张二值图像,采用union-find算法来求连通域,使得每个连通域都有一个唯一的ID,如图5所示。


图5 轮廓查找

  • 四边形检测,轮廓有了之后,对每一个轮廓进行分割,产生一个残差最小的凸四边形,如图6所示。


图6 四边形检测
2.2 Marker定位
其原理都是将Marker看做一个平面,并在平面上建立空间坐标系(Marker坐标系),然后提取Marker上的角点,得到角点的Marker坐标和像素坐标,通过内参标定获取相机内参,根据SolvePNP算法求取Marker坐标系到相机坐标系的转换关系(包括旋转和平移),如图7所示。

图7 SolvePNP模型

三、示教

当识别到Marker之后,可得到Marker到基座标的转换关系,然后通过示教器将机械臂末端移动到抓取位置,此时机械臂末端的位置即为抓取位置到机械臂基座标的转换关系,由于抓取位置与Marker的关系固定不变,可计算抓取位置到Marker的转换关系

四、抓取

抓取目标物体时,首先将机械臂移动到识别位置,使得Marker在相机视野下。根据识别到的Marker得到,在根据示教得到的,即可得到抓取位置在机械臂基座标下的位姿。

五、说明

  • 坐标系之间转换关系包含旋转和平移,可以对应到机械臂的六个自由度()。
  • Marker和待抓取点的相对位置是固定的,并需要提前计算出。识别到Marker位置后,直接可以计算到起始抓取点(A点)的位置,后续的抓取动作需要在A点位置上进行相对偏移,或者直接用机械臂设定pose点。


图8 Marker、抓取点和货物相对关系示意图

2D Marker可以使用二维码、棋盘格或者其他定制Marker,识别过程会在Marker平面建立3D坐标系,坐标系的XOY平面就是Marker平面,Z轴与Marker平面垂直。

图9 Marker识别示意图

图10 棋盘格Marker

六、使用场景和限制

2D Marker抓取方案有两种:普通工业相机、康耐视智能相机,普通工业相机使用上述方案识别特定的2DMarker,可以计算出Maker的3维坐标系,即的 6 自由度数据,该方案不需要特定限制相机与Maker之间的拍摄角度。康耐视智能相机使用相机内置的识别算法,只能获取Marker的三个维度的偏移量,所以该方案理论上要求Marker平面与相机平面平行。总体而言,相对于3D方案,2DMarker方案具有以下优点:

  • 设备价格低;
  • 设备体积小、重量轻;
  • 数据采集频率高、识别节拍快。

2D Marker的限制如下:

  • Marker和目标物体(待抓取)之间的空间位置关系固定;
  • 实施时候需要示教或测量;
  • Marker(随物体)一起移动的范围有限,取决于相机的视场大小和景深。
  • 必备的光照条件

设置不同的Marker的意义在于稳定性,另外对精度也有一定影响。但总体精度还取决于:

  • 相机部分的性能(分辨率,视场大小,焦距等);
  • 系统的标定精度(TCP标定、内参标定、外参标定);
  • 视觉算法的识别&定位精度;
  • 机器人的定位精度;
  • 抓取工具等等相关设备及设备之间的关系精度;
  • Marker与抓取点之间的距离(随着Marker与抓取点之间的距离变大,误差会增大);

七:参考文献

  1. A New Technique for Fully Autonomous and Efficient 3D Robotics Hand/Eye Calibration
最近更新 2022/12/06
文章内容

前言

一、系统标定

二、2D Marker识别

三、示教

四、抓取

五、说明

六、使用场景和限制

七:参考文献