【正文】 人的絕對精度，但是也要付出降低機器人性能中其它特性的代價，因此建模時要綜合考慮各方面的因素。概率模型用隨機變量描述誤差源，建立機器人機構(gòu)運動模型。常規(guī)模型則是根據(jù)誤差源本身所遵循的物理規(guī)律和機器人運動方程，直接或者間接地求解出機器人末端的誤差模型。在機器人靜態(tài)建模方面，一般是把靜態(tài)誤差因素作為相應變量的微小量，利用機構(gòu)運動學分析方法，推導出機器人靜態(tài)誤差的數(shù)學模型。Jose Mauricio ，建立手部位姿誤差數(shù)學模型的微小位移合成法。但是，這種建模方法有一個嚴重的缺點就是當機器人本體含有兩個連續(xù)的平行連桿時，微小誤差模型就不再適用了，因此Hayati等人又提出了一種改進的DH建模方法，通過引進另外一個旋轉(zhuǎn)變量解決了這個問題。在機器人動態(tài)誤差分析方面，通常的作法是針對機器人桿件的彈性變形因素，通過建立微幅震動的微分方程來建立數(shù)學模型。陳明哲等人將機器人各個DH參數(shù)視為時間變量，通過對相鄰桿件坐標的44齊次變換矩陣求微分運算，得到機器人末端動態(tài)位姿誤差的數(shù)學模型，同時避開了復雜的動力學分析。視覺一直是一個很熱門的課題，到了20世紀70年代末，80年代初，Mrr的馬爾(D．Marr)教授創(chuàng)立了視覺計算理論，使視覺的研究前進了一大步。從計算理論這個層次來看，馬爾教授提出視覺信息處理必須用三級內(nèi)部表象加以描述。對于機器人視覺技術(shù)，其主要任務是為機器人建造視覺系統(tǒng)。由于對機器人系統(tǒng)應用領(lǐng)域不斷提出更高的要求，機器人視覺將越來越復雜。70年代，機器人大量研究工作的重點是使用外部傳感器以改善機器人的各種操作，例如配有視覺、觸覺的機器人可以用于鑄件、泵體的識別和檢查，也可用于集成電路的裝配、焊接等。80年代，在國際市場上作為商品出售的一個通用機器人系統(tǒng)PUMA/VC100，具有識別物體，確定物體位置坐標的能力，其所使用的視覺算法允許在材料加工或裝配系統(tǒng)中對工件進行檢測，不過視覺系統(tǒng)是通過示教訓練得到的。日本發(fā)那科數(shù)控系統(tǒng)公司研發(fā)的IR Vision視覺系統(tǒng)，其中2D系統(tǒng)由一個安裝于手抓上的2D攝像頭完成視覺數(shù)據(jù)采集，該視覺系統(tǒng)作為待加工工件準確抓取的定位方式，具有很高的柔性，此外其最新產(chǎn)品R2000iA系列多功能智能機器人，具有獨特的視覺和壓力傳感器功能，可以將隨意堆放的工件檢起，并完成裝配。美國在機器人視覺技術(shù)有著豐富的經(jīng)驗，已經(jīng)開發(fā)出多款成熟產(chǎn)品，廣泛應用在微裝配、空間和軍事領(lǐng)域。我國的對工業(yè)機器人的研究起步于80年代，從90年代初期起，在國家“863”計劃支持下，我國工業(yè)機器人又在實踐中邁進一大步，具有自主知識產(chǎn)權(quán)的點焊、弧焊、裝配、噴漆、切割、搬運、包裝碼垛等7種工業(yè)機器人產(chǎn)品相繼問世，還實施了100多項機器人應用工程、建立了20余個機器人產(chǎn)業(yè)化基地。接著，這個“光電眼”連接PLC或者直接連到機器人控制器中。國內(nèi)基于視覺引導的工業(yè)機器人產(chǎn)品較罕見，中國機器視覺領(lǐng)航者視覺龍科技有限公司研發(fā)的視覺引導6軸工業(yè)機器人運動平臺，用于機器視覺引導工業(yè)機器人進行搬運、裝配、包裝或軌跡運動的科研和教學。中汽工程公司機械工業(yè)第四設計研究院的黎海等人設計了一套發(fā)動機生產(chǎn)線機器人視覺搬運系統(tǒng)，基本實現(xiàn)了對碼放在生產(chǎn)線端頭托盤上的毛坯件上線口成品下線的位置偏移測量及自動搬運功能。西安工程大學王曉華等采用單目基于SIFT算法零件識別和雙目三維定位對零件識別定位和抓取研究。四川大學尹湘云等人提出一種將基于模型控制方法和基于智能計算方法相結(jié)合的方法，提高了機器人的視覺定位精度。華中科技大學李明富等提出一種出一種基于雙目視差和主動輪廓的機器人手眼協(xié)調(diào)技術(shù)，并實驗分析了在雜亂的背景環(huán)境和復雜的紋理條件下執(zhí)行視覺引導的跟蹤和抓取任務，具有較強的魯棒性。它對穩(wěn)定提高產(chǎn)品品質(zhì)、提高生產(chǎn)效率和改善勞動條件起著十分重要的作用。目前全世界已擁有100多萬臺工業(yè)機器人應用在各個生產(chǎn)領(lǐng)域。作為老工業(yè)基地，沈陽的制造業(yè)更顯示其在地區(qū)經(jīng)濟中的重要地位，而制造業(yè)的復蘇很大程度上決定于生產(chǎn)設備的自動化程度，而自動化程度又在很大程度上依賴于智能機器—機器人的數(shù)量與智能。因此從市場前景分析，智能化的工業(yè)機器人的應用領(lǐng)域是廣闊的，應用數(shù)量是巨大的。項目申請人在讀博士期間以主要研究人員身份參與了中國科學院沈陽自動化研究所沈陽新松機器人自動化股份有限公司“工業(yè)機器人標定技術(shù)研究”、“雙機器人協(xié)調(diào)”、“機器人控制器研制”等項目。項目申請人還主持了2009年市科技局項目“駕駛員疲勞檢測系統(tǒng)研究”工作，并已經(jīng)順利結(jié)題。同時，本課題還依托沈陽工業(yè)大學視覺檢測技術(shù)研究所，近年來先后承擔國家自然科學基金2項（其中1項驗收結(jié)果為優(yōu)秀），遼寧省自然科學基金3項，教育部春暉計劃1項，中國博士后科學基金1項，沈陽市自然科學基金2項，遼寧省教育廳科研項目5項，遼寧省優(yōu)秀人才計劃項目1項。、考核指標、主要研究內(nèi)容、實施進度安排。2）、通過單目或者雙目視覺采集圖像，并從圖像中獲取工件位置及特征信息，然后以這些信息作為機器人的驅(qū)動輸入來調(diào)整機器人末端執(zhí)行器動作，最終完成對工件的精確操作。1）最終機器人工作空間的絕對誤差5mm；2）發(fā)表論文2～4篇；3）培養(yǎng)碩士研究生2名；4）申請發(fā)明專利2項。1)基于運動學的機器人本體標定方法研究；2)攝像機標定技術(shù)研究；3) 圖像特征與機器人關(guān)節(jié)運動模型建立方法的研究；。6．技術(shù)創(chuàng)新點、關(guān)鍵技術(shù)內(nèi)容。2) 提出離線編程與視覺伺服融合方案，提高工業(yè)機器人對環(huán)境及工件的識別與操作精度。文獻57為科技論文，文獻4為專利。 本文首先結(jié)合某打磨機器人的實際幾何結(jié)構(gòu)，建立了該機器人的誤差模型，利用單點法來辨識幾何參數(shù)誤差值；提出了誤差分類補償?shù)姆椒ǎ⒘藱C器人的理想和實際運動學模型，獲得了運動學正解和逆解。Wets算法對遺傳算法進行有益的補充，通過對機器人的關(guān)節(jié)誤差進行補償可以部分提高機器人的位姿精度。在此基礎(chǔ)上，考慮到機器人的部分幾何參數(shù)在工作空間中產(chǎn)生的位姿誤差幾乎相同而無法區(qū)分，推導了非冗余幾何參數(shù)集，并與完整集的標定結(jié)果進行了比較分析。考慮到機器人的使用由逆運動學控制，利用前饋神經(jīng)網(wǎng)絡對機器人進行了逆運動學標定。 為驗證誤差模型和單點測量的誤差參數(shù)辯識方法的實際效果，在打磨機器人工作空間內(nèi)選取多個位姿進行了實際標定，用六維激光跟蹤儀為測量工具，利用單點法來辯識幾何誤差參數(shù)，經(jīng)補償后的單軸位置誤差不超過5μm，部分指標達到了用戶的要求。 作 者： 王東署 學科專業(yè)： 控制理論與控制工程 授予學位： 博士 學位授予單位： 東北大學 導師姓名： 徐心和 學位年度： 2006 語 種： chi 分類號： 關(guān)鍵詞： 機器人 位姿誤差 遺傳算法 標定技術(shù) 2.基于PUMA560機器人的視覺伺服系統(tǒng)及算法研究該文基于PUMA560機器人,包括PUMA機器人及其軟件系統(tǒng),CCD相機,（單目視覺伺服）.：,能夠求解出物體坐標系與相機坐標系的相對變換,以像點理想位置與實際位置的差為指標函數(shù),通過不斷調(diào)整相機位置與姿態(tài),（雙目視覺伺服）.,從而省去了傳統(tǒng)的標定和位姿估計。基于一個帶有車載計算機的可移動車體和攝像機,其特征在于,在可移動車體上分布著10～30個位置固定的特征點,在機器人前方放置有一面平面反射鏡靶標M,標定的步驟如下:。本發(fā)明解決了移動機器人系統(tǒng)的足目標定問題,不需要簡化待標定參數(shù),對攝像機固聯(lián)平臺的運動自由度沒有要求,也可用于手眼定標。 申請人： 北京航空航天大學 地址： 100083北京市海淀區(qū)學院路37號 發(fā)明(設計)人： 張廣軍 李秀智 魏振忠 周富強 主分類號： B25J9/16()I 分類號： B25J9/16()I B25J13/00()I 20080806 授權(quán) 20080227 實質(zhì)審查的生效 20080102 公開 主權(quán)項 機器人足目標定方法,基于以下的標定裝置,一個帶有車載計算機的可移動車體,在該可移動車體上固定著攝像機,其特征在于,在可移動車體上分布著10～30個位置固定的特征點,這些特征點是車體棱邊的交點或者固定在車體上的機械構(gòu)件棱邊的交點或者固定在車體上的攝像機支架棱邊的交點,上述特征點在機器人坐標系下的坐標是已知的,構(gòu)成特征點集Θ。標定的步驟如下: 、建立坐標