基于激光跟踪仪和双目相机的机器人铣削系统工件快速定位方法与流程

本发明涉及机器人加工领域，尤其涉及一种基于激光跟踪仪和双目相机的机器人铣削系统工件快速定位方法。

背景技术：

机器人的离线编程任务大部分定义在工件坐标系下，因此，在机器人加工过程中，获得待加工特征在工件坐标系下的坐标是十分重要的。目前机器人定位工件的方法主要是通过人工示教的方式获得待加工特征在工件坐标系下的坐标值，但是这种手动示教的方法费时费力，效率不高，而且示教点的准确度也不高，因此有必要找出一种能够快速定位工件特征在工件坐标系下位置的方法。尤其在利用机器人进行航空构件铣削加工过程中，往往需要获取很多数量的特征点，手动示教这些特征点是不现实的，因为在航空构件铣削过程中，往往会遇到加工工件种类多，加工位置放置随机的现象，因此找出一种快速定位工件特征的方法显得十分重要。

技术实现要素：

本方法使用机器人、激光跟踪仪、t-mac和双目相机来进行工件特征的快速定位。

本发明的技术方案：

基于激光跟踪仪和双目相机的机器人铣削系统工件快速定位方法，工作台上放置三个靶球，激光跟踪仪能够测出靶球在激光跟踪仪坐标系下的坐标，双目相机用来扫描放置在工作台上的工件和靶球，得到工作台上工件和靶球在相机坐标系下的点云信息。本方法主要包括六步：

(1)标定t-mac；

(2)标定机器人基坐标系和激光跟踪仪坐标系的位姿关系；

(3)获得放置在工作台上三个靶球球心在机器人基坐标系下的位置；

(4)根据获得的三个靶球球心坐标，建立机器人的工件坐标系；

(5)使用双目相机扫描工件，得到工件的点云数据，对工件点云数据进行处理，得到特征点的坐标；

(6)将特征点的坐标从双目相机坐标系转换到工件坐标系。

本发明的有益效果：该方法能够将双目相机扫描得到的点云快速转换到工件坐标系下，通过点云处理，提取出工件坐标系下的特征点，然后基于这些特征点引导机器人移动到特征点位置处。这种方法不仅效率高，而且避免了人工示教的误差，提高了机器人铣削系统工件定位的精确度。

附图说明

图1系统方案流程图。

图2系统布置及坐标系关系图。

图3工作台靶球布置示意图。

具体实施方式

下面将结合附图及实施例对本发明作进一步说明。

本方法的流程图如下图1所示：

第一步：对t-mac进行tcp标定。工件坐标系的建立是依靠放置在工作台上的三个靶球的球心点建立的，由于我们无法通过常规的使用机器人尖端去触碰目标点来获取目标点坐标，因此需要引入激光跟踪仪这一外部测量设备。激光跟踪仪可以直接测出放置在工作台上靶球在激光跟踪仪坐标系下的球心坐标，但是要想获得靶球球心在机器人基坐标系下的坐标，需要对机器人坐标系和激光跟踪仪坐标系之间的位姿关系进行标定，为了标定这两个坐标系的位姿关系，我们首先要对t-mac进行tcp标定。

t-mac是一种可以直接安装在机器人末端的可以被激光跟踪仪跟踪到的靶球，通过对t-mac进行tcp标定可以获得t-mac的靶球球心点在tool0坐标系下的位置，球心点的姿态我们假设和tool0的姿态是一致的，因此针对t-mac进行tcp标定我们主要考虑标定的是t-mac球心点在tool0坐标系下的位置。对t-mac进行tcp标定主要包括以下几步：(1)控制机器人在tool0坐标系下做重定位运动，采集20组t-mac球心点在激光跟踪仪下的坐标；(2)将采集到的坐标拟合出一个球，确定球心在激光跟踪仪下的坐标，该坐标即为tool0在激光跟踪仪下的坐标；(3)记录当前tool0位姿下，t-mac靶球球心在激光跟踪仪下的坐标；(4)将t-mac保持当前姿态沿着tool0的x轴方向移动，记下移动路径中t-mac的坐标点，将其拟合为tool0的x轴；(5)然后将t-mac保持同样的姿态沿着tool0的y轴方向移动，记下移动路径中t-mac的坐标点，将其拟合为tool0的y轴；(6)以拟合的球心点为原点，通过拟合出来的x轴和y轴建立该姿态下的tool0的坐标系，并且求解出来该姿态的tool0的坐标系和激光跟踪仪坐标系之间的位姿关系；(7)将第(3)步得到的靶球球心坐标由激光跟踪仪坐标系转换到该姿态下的tool0坐标系，因为靶球球心坐标在任何一个姿态的tool0坐标系下都是相同的

第二步：标定机器人基坐标系和跟踪仪坐标系之间的关系，我们对t-mac进行tcp标定之后，那么就可以知道t-mac的球心在机器人基坐标系的坐标，同时通过激光跟踪仪我们可以直接测得与之对应的激光跟踪仪坐标系下的坐标，最终我们通过采集较多组这样的“点对”来对机器人基坐标系和激光跟踪仪坐标系之间的位姿关系进行拟合，常用的拟合方法就是svd分解法。

svd分解法的算法思路为：

求解方法如下：

假设有n组点对pi和qi，分别是t-mac球心在机器人基座标系和激光跟踪仪坐标系下的坐标，其中pi、qi如果是用svd分解法来求解这两个点组的矩阵关系，那么前提假设必须是这两个点组质心重合，若分别用来表示点组pi和qi的质心，于是就有：

其中pi、qi、是3行1列的向量，代表某点的x,y,z坐标。

根据质心重合，得到：

其中，r表示旋转矩阵，代表qi点对所在坐标系相对于pi点对所在坐标系之间旋转关系，t表示平移矩阵，代表qi点对所在坐标系的原点在pi点对所在坐标系中的位置；

然后令：

其中pi'为pi点对去质心后的坐标，qi'为qi点对去质心后的坐标

最后构建最小二乘函数求解：

其中，re²表示重投影误差，因此机器人基坐标系和激光跟踪仪坐标系之间的标定问题转换为最小化重投影误差的问题，针对该问题的解决主要有两种方法，一种是利用线性代数求解(svd)，一种是利用非线性优化方式求解(类似于ba)，此处我们采用svd方法进行求解

svd算法流程为：

(1)根据pi、qi计算pi'和qi'

(2)计算3×3矩阵其中pi'和qi'是3行1列的矩阵；

(3)对h进行svd分解

h＝usv^t公式7

其中，s为奇异值组成的对角矩阵，对角线元素从大到小排列，而u和v为对角矩阵，当h满秩时r＝uv^t

在得到旋转矩阵r之后，平移矩阵t可以通过如下公式计算：

第三步：获得放置在工作台上三个靶球在机器人基坐标系下的坐标。首先引导激光跟踪仪跟踪工作台上的三个靶球，获得他们在激光跟踪仪下的坐标值，然后利用第二步中得到的机器人基坐标系和激光跟踪仪坐标系之间的位姿关系，将靶球坐标从激光跟踪仪转移到机器人基坐标系下。

第四步：根据获得的三个靶球球心在机器人基坐标系下的坐标，建立机器人的工件坐标系。此时我们已经建立好了工件坐标系，如果我们能够得到工件特征点在工件坐标系下的坐标，那么我们就完成了机器人对工件的快速定位。

第五步：使用双目结构光相机对工件和工作台上的靶球进行扫描，得到点云数据，然后对点云数据进行处理，提取工件的特征点以及靶球的球心坐标，注意此时提取出来的特征点以及靶球球心的坐标是相机坐标系下的坐标，我们需要在下一步将这些点的坐标从相机坐标系转换到工件坐标系。

三个靶球在相机坐标系下的坐标分别为(xa,ya,za),(xb,yb,zb),(xc,yc,zc)。建立工件坐标系时以b点为圆心，ab为标准参考坐标系的x轴，于是就有：

其中，分别表示工件坐标系的x轴,y轴,z轴；因此以a、b、c三点建立的工件坐标系相对于相机坐标系的位姿关系^ctobj。

其中p＝(xb,yb,zb)。

此处需要特别说明的是工作台上的球形接收器在布置时按照直角的方式布置，而且球形接收器在布置的时候，其余两球形接收器和作为原点的球形接收器之间的距离有差别，这样我们就可以识别原点，x轴方向，从而建立一个固定的工件坐标系。

第六步：将特征点的坐标从相机坐标系转换到工件坐标系。上一步我们扫描了工件的特征点和三个靶球的球心坐标，然后我们以三个靶球的球心坐标建立一个工件坐标系，该工件坐标系与建立的机器人的工件坐标系是相同的，此时利用第五步得到的工件坐标系相对于相机坐标系的位姿关系将相机坐标系下的工件特征点全部转移到工件坐标系下，至此我们就完成了对工件特征点的快速定位，就可以引导机器人进行加工了。