阅读说明：本技术 一种基于标准球阵的零件特征机器人快速视觉定位方法 (Part feature robot rapid visual positioning method based on standard ball array ) 是由 李文龙 田亚明 王刚 陈颖茂 于 2020-05-13 设计创作，主要内容包括：本发明属于自动化测量相关技术领域,其公开了一种基于标准球阵的零件特征机器人快速视觉定位方法,所述零件特征机器人快速视觉定位方法基于在位置1处扫描标准球阵及零件计算得到的零件特征在标准球阵局部坐标系下的坐标和通过扫描位置2处的标准球阵创建的局部坐标系,可以快速定位零件特征在空间中的坐标,并指导机器人完成零件的安装和拆卸；其中,基于得到的变换矩阵将位置1处的零件特征在标准球阵点云局部坐标系下的坐标通过坐标变换计算得到位置2处的零件特征在机器人基坐标系下的坐标,由此完成快速视觉定位。本发明的适用性较强,且极大地提高了精度,适用范围广。(The invention belongs to the technical field related to automatic measurement, and discloses a part feature robot rapid visual positioning method based on a standard ball array, which is based on the coordinate of a part feature obtained by scanning the standard ball array at a position 1 and calculating the part in a standard ball array local coordinate system and the local coordinate system created by scanning the standard ball array at a position 2, can rapidly position the coordinate of the part feature in the space and guide a robot to complete the installation and the disassembly of the part; and calculating the coordinates of the part feature at the position 1 under the standard spherical array point cloud local coordinate system through coordinate transformation based on the obtained transformation matrix to obtain the coordinates of the part feature at the position 2 under the robot base coordinate system, thereby completing the quick visual positioning. The invention has strong applicability, greatly improves the precision and has wide application range.)

一种基于标准球阵的零件特征机器人快速视觉定位方法

技术领域

本发明属于自动化测量相关技术领域，更具体地，涉及一种基于标准球阵的零件特征机器人快速视觉定位方法。

背景技术

零件特征位姿的确定是零件定位安装和拆卸的重要前提，在以机器人为主要载体的智能制造和装备领域，集成传感器、操作软件，以视觉定位代替传统人工肉眼识别定位，进而分析计算得到零件特征在空间中的位姿，已成为目前智能制造及自动化测量领域的研究方向之一。

零件的服役条件往往受到周边环境的约束，但零件服役在高温、高粉尘等极其恶劣的环境中时，零件的安装拆卸变得十分困难。传统的零件安装和拆卸采用人工肉眼识别定位法，这种方法依赖人工操作、效率低，随意性大、主观意识强、定位不准确，导致零件的安装和拆卸不可靠，且容易发生安全事故。相应地，本领域存在着发展一种定位准确性较好的基于标准球阵的零件特征机器人快速视觉定位方法的技术需求。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于标准球阵的零件特征机器人快速视觉定位方法，所述方法采用非接触式测量技术，基于环境友好下的标准球阵对零件特征进行快速定位。其中，非接触式测量具体为六自由度工业机器人带动光栅式双目面阵扫描仪完成自动测量，标准球阵中的标准球均为标准哑光陶瓷球，基于在位置1处扫描标准球阵及零件计算得到零件特征在标准球阵局部坐标系下的坐标和通过扫描位置2处的标准球阵创建的局部坐标系，可以快速定位零件特征在空间中的坐标，并指导机器人完成零件的安装和拆卸。同时，所述方法利用六自由度工业机器人带动光栅式双目面阵扫描仪在环境友好的情况下对标准球阵及零件进行扫描测量的方式确定零件特征在标准球阵局部坐标系的空间坐标，在环境恶劣的其他位置仅通过扫描标准球阵并以同样的方式创建局部坐标系即可快速定位零件特征在空间中的位姿，且本发明可以对服役环境恶劣的零件特征进行快速视觉定位，解决了人工肉眼识别定位零件特征存在的问题，具有实用性强，定位精度高，适用范围广等优点。

为实现上述目的，本发明提供了一种基于标准球阵的零件特征机器人快速视觉定位方法，所述方法包括以下步骤：

(1)位于零件周围的位置1处的机器人带动扫描仪分别扫描测量至少含有三个不同直径大小标准球的标准球原始点云1及需定位零件原始点云；

(2)对标准球原始点云1执行点云分割以得到标准球阵点云；

(3)基于分割得到的标准球阵点云构建局部坐标系并计算得到局部坐标系到测量坐标系的变换矩阵；

(4)对需定位零件原始点云执行点云分割以得到零件测量点云；

(5)将所述零件测量点云作为测试模型，与作为参考模型的零件标准模型进行匹配，并计算得到零件特征位姿；

(6)基于得到的变换矩阵所组成的坐标变换矩阵组来计算零件特征在标准球阵点云局部坐标系下的坐标；

(7)位置2处的机器人带动扫描仪扫描测量至少含有三个不同直径大小标准球的标准球原始点云2；

(8)对标准球原始点云2执行点云分割以得到标准球阵点云2；

(9)基于所述标准球点云2构建局部坐标系并计算该局部坐标系到对应的测量坐标系的变换矩阵；

(10)基于得到的变换矩阵将位置1处的零件特征在标准球阵点云局部坐标系下的坐标通过坐标变换计算得到位置2处的零件特征在机器人基坐标系下的坐标，由此完成快速视觉定位。

进一步地，至少含有三个不同直径大小标准球的标准球原始点云1与标准球原始点云2的标准球阵模型是同一实体模型，且与需定位零件原始点云的实体模型在空间中的相对位置保持不变。

进一步地，采用随机采样一致性及欧氏聚类的方式对标准球原始点云和零件原始点云执行点云分割。

进一步地，步骤(3)和步骤(9)中，通过最小二乘拟合计算分割的标准球阵点云中标准球的直径和球心坐标，并按照直径大小对标准球阵进行升序或降序排列，取排列最靠前的三个标准球，分别编号为1、2、3，以1号标准球的球心为原点，分别计算该原点到2号标准球和3号标准球的球心距矢量，以1号标准球到2号标准球的球心距矢量为X轴，1号标准球到3号标准球的球心距矢量为Y轴，根据右手定则计算Z轴，再根据右手定则，基于X轴和Z轴重新计算Y轴，最后采用标准化和Schmidt正交化对X、Y、Z轴向量进行处理，进而创建局部坐标系，并结合1号标准球的球心在测量坐标系下的坐标计算局部坐标系到测量坐标系的变换矩阵。

进一步地，步骤(5)采用ADF算法进行匹配，基于已创建好的零件标准模型中的位姿信息，通过求解逆变换矩阵计算零件特征位姿。

进一步地，步骤(6)和步骤(10)均是在位置1和位置2处的标准球阵局部坐标系与零件特征在空间中的相对位置保持不变的情况下，分别计算零件特征在标准球阵局部坐标系和机器人基坐标系下的坐标。

进一步地，所述机器人为六自由度工业机器人，所述扫描仪为光栅式双目面阵扫描仪。

进一步地，保持标准球阵实体模型与零件特征实体模型在空间中的相对位置不变，将其从位置1移动到位置2；其次，在位置2处控制机器人带动扫描仪多姿态扫描测量标准球阵，并记录每一位置相对应机器人的位姿，基于AX＝XB理论模型计算手眼关系，即测量坐标系到机器人末端坐标系的变换矩阵，记为

进一步地，步骤(6)中，首先，基于机器人1的位姿Pose1计算位置1处的机器人1测量标准球阵时末端坐标系到基坐标系的变换矩阵，记为

其次，基于机器人1的位姿Pose2计算位置1处的机器人1测量零件特征时末端坐标系到基坐标系的变换矩阵，记为

最后，基于位置1处的坐标变换矩阵组，计算零件特征在标准球阵点云局部坐标系下的坐标为其中手眼矩阵故

总体而言，通过本发明所构思的以上技术方案与现有技术相比，本发明提供的基于标准球阵的零件特征机器人快速视觉定位方法主要具有以下有益效果：

1.本发明利用六自由度工业机器人带动光栅式双目面阵扫描仪在环境友好处扫描标准球阵及零件以确定零件与标准球阵之间的位置关系，然后在零件服役环境恶劣处仅扫描标准球即可实现对零件特征的快速视觉定位。

2.本发明只需对标准球阵进行单幅扫描测量即可实现点云分割及标准球阵坐标系的创建，不需要进行点云拼接，易于实施且测量效率高。

3.本发明基于包含三个不同直径大小标准球的标准球阵实现零件特征定位，创建局部坐标系的方式简单灵活，且定位准确。

4.本发明采用ADF算法进行点云匹配，并基于匹配变换矩阵计算零件特征在测量坐标系下的位姿，计算效率高且适用范围广。

附图说明

图1是本发明较佳实施方式提供的基于标准球阵的零件特征机器人快速视觉定位方法的流程示意图；

图2是本发明实施例提供的基于标准球阵完成零件特征快速定位的系统某位置处的示意图；其中，{B}为机器人基坐标系，{E}为机器人末端坐标系，{T}为测量坐标系，{W₁}为标准球阵局部坐标系，{W₂}为零件局部坐标系；

图3是本发明提供的含有三个标准球的标准球阵三维特征示意图；

图4是本发明提供的需定位零件三维特征示意图；

图5是本发明实施例提供的基于标准球阵完成零件特征快速定位的系统位置1处的示意图；

图6是本发明实施例提供的基于标准球阵完成零件特征快速定位的系统位置2处的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

请参阅图1、图2、图3、图4、图5及图6，本发明提供的基于标准球阵的零件特征机器人快速视觉定位方法，所述方法适用于大多数零件特征的快速定位，其采用机器人三维测量技术，基于环境友好下的标准球阵对零件特征进行快速定位；通过某位置的标准球阵及零件特征扫描测量结果分析计算零件特征在标准球阵局部坐标系下的位姿，基于该位姿保持不变的前提，在其它位置仅需扫描测量标准球阵就可以实现对零件特征的快速定位。所述方法主要包括以下步骤：

步骤一，位于零件周围的位置1处的机器人带动扫描仪分别扫描测量至少含有三个不同直径大小标准球的标准球原始点云1及需定位零件原始点云。

具体地，在位置1处控制机器人1带动扫描仪1多姿态扫描测量标准球阵并记录每一个位置相对应机器人的位姿，基于AX＝XB理论模型计算手眼关系，即测量坐标系到机器人末端坐标系的变换矩阵，记为本实施方式中，位置1位于零件友好工作环境中。

其次，在位置1处控制机器人1带动扫描仪1单幅扫描测量标准球阵，记机器人1当前位姿为Pose1，测量点云为Array1；

最后，在位置1处控制机器人1带动扫描仪1单幅扫描测量零件特征，记机器人1当前位姿为Pose2，测量点云为OriginPart。

步骤二，对标准球原始点云1执行点云分割以得到标准球阵点云。

具体地，通过标准球点云分割模块对测量点云Array1进行分割，得到含有三个标准球的标准球阵点云，记为Spheres1。

步骤三，基于分割得到的标准球阵点云构建局部坐标系并计算得到局部坐标系到测量坐标系的变换矩阵。

具体地，首先，采用最小二乘拟合分别计算标准球阵点云Spheres1中三个标准球的直径和球心坐标；

其次，按照直径大小对三个标准球降序排列，并分别编号为1、2、3；

最后，以1号标准球的球心为原点，分别计算该原点到2号标准球和3号标准球的球心距矢量，以1号标准球到2号标准球的球心距矢量为X轴，1号标准球到3号标准球的球心距矢量为Y轴，根据右手定则计算Z轴，为了防止X轴和Y轴共线，再根据右手定则，基于X轴和Z轴重新计算Y轴；最后采用标准化和Schmidt正交化对X、Y、Z轴向量进行处理，进而创建局部坐标系，并结合1号标准球的球心在测量坐标系下的坐标计算局部坐标系到测量坐标系的变换矩阵，记为

步骤四，对需定位零件原始点云执行点云分割以得到零件测量点云。

具体地，通过零件特征点云分割模块对需定位零件原始测量点云OriginPart进行分割，得到零件特征点云，记为FeaturePart。

步骤五，将所述零件测量点云作为测试模型，与作为参考模型的零件标准模型进行匹配，并计算得到零件特征位姿。

具体地，将零件测量点云FeaturePart作为测试模型，零件标准stl模型作为参考模型，进行ADF匹配，分析计算得到零件特征在测量坐标系下的坐标，记为

步骤六，基于得到的变换矩阵所组成的坐标变换矩阵组来计算零件特征在标准球阵点云局部坐标系下的坐标。

具体地，如图5所示，首先，基于机器人1的位姿Pose1计算位置1处的机器人1测量标准球阵时末端坐标系到基坐标系的变换矩阵，记为

其次，基于机器人1的位姿Pose2计算位置1处的机器人1测量零件特征时末端坐标系到基坐标系的变换矩阵，记为

最后，基于位置1处的坐标变换矩阵组，计算零件特征在标准球阵点云局部坐标系下的坐标为其中手眼矩阵故

步骤七，位置2处的机器人带动扫描仪扫描测量至少含有三个不同直径大小标准球的标准球原始点云2。

具体地，首先，保持标准球阵实体模型与零件特征实体模型在空间中的相对位置不变，将其从位置1移动到位置2；本实施方式中，位置2位于零件服役的恶劣环境处。

其次，在位置2处控制机器人2带动扫描仪2多姿态扫描测量标准球阵并记录每一位置相对应机器人的位姿，基于AX＝XB理论模型计算手眼关系，即测量坐标系到机器人末端坐标系的变换矩阵，记为

最后，在位置2处控制机器人2带动扫描仪2单幅扫描测量标准球阵，记机器人2当前位姿为Pose，测量点云为Array。

步骤八，对标准球原始点云2执行点云分割以得到标准球阵点云2。

具体地，通过标准球点云分割模块对测量点云Array进行分割，得到含有三个标准球的标准球阵点云，记为Spheres2。

步骤九，基于所述标准球点云2构建局部坐标系并计算该局部坐标系到对应的测量坐标系的变换矩阵。

具体地，针对标准球阵点云Spheres2，采用同步骤三一样的操作，最终分析计算得到标准球阵局部坐标系到测量坐标系的变换矩阵，记为

步骤十，基于得到的变换矩阵将位置1处的零件特征在标准球阵点云局部坐标系下的坐标通过坐标变换计算得到位置2处的零件特征在机器人基坐标系下的坐标，由此完成快速视觉定位。

具体地，如图6所示，首先，基于机器人2的位姿Pose计算位置2处的机器人2测量标准球阵时末端坐标系到基坐标系的变换矩阵，记为

其次，记位置2处的零件特征在标准球阵局部坐标系下的坐标为

最后，基于位置2处的坐标变换矩阵组，计算零件特征在机器人2基坐标系下的坐标为其中手眼矩阵由于标准球阵实体模型与零件特征实体模型在空间中的相对位置保持不变，即位置1和位置2处的零件特征在标准球阵局部坐标系下的坐标相同，所以坐标至此就完成了零件特征定位。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。