机械臂移动后视觉姿势自动校准技术体系(中)

根据视觉模块部署方式的不同，预标定采用对应的手眼标定算法：对于“眼在手上”模式，需求解相机坐标系相对于机械臂末端坐标系的转换矩阵（X矩阵），通过控制机械臂带动相机在不同姿态下拍摄固定于基座的标定靶标（如棋盘格、AprilTag二维码靶标），采集至少10组不同姿态的图像数据与机械臂末端位姿数据，基于AX=XB数学模型（A为机械臂末端两次运动的位姿变换，B为相机两次拍摄的靶标位姿变换），结合最小二乘法求解转换矩阵；对于“眼在手外”模式，需求解相机坐标系相对于机械臂基座坐标系的转换矩阵，通过机械臂末端夹持标定靶标在不同位置姿态下运动，相机固定拍摄靶标，同样基于手眼标定模型求解坐标映射关系。预标定完成后，需将校准参数（转换矩阵、相机内参等）存储至系统，作为后续自动校准的基准。其次是机械臂移动后感知环节，该环节的核心是实时检测视觉姿势是否偏移。当机械臂完成移动并到达目标作业位后，系统自动触发视觉姿势检测流程：若采用标定靶标校准方案，机械臂带动末端执行器（或固定于场景的靶标）进入相机视场，相机自动采集靶标图像；若采用无靶标校准方案，相机则采集作业场景中的固定特征点（如工件边缘、设备定位孔等）图像。同时，机械臂运动状态采集模块同步获取当前末端理论位姿数据，为后续偏差比对提供依据。视觉感知模块对采集的图像进行预处理，通过图像增强、噪声过滤等算法提升图像质量，再采用特征提取算法（如SIFT、SURF、ORB算法）提取靶标或场景特征点的图像坐标，若为深度相机或双目相机，可直接获取特征点的三维坐标。再次是偏差求解环节，通过比对视觉感知的实际姿势与预标定的基准姿势，计算视觉姿势的偏移量。具体实施中，核心算法处理模块将当前采集的特征点坐标与预标定阶段存储的基准特征点坐标进行匹配，通过最小二乘法、RANSAC算法等消除匹配噪声，求解出相机坐标系相对于基准坐标系的旋转偏移（ΔR）与平移偏移（ΔT）；同时，结合机械臂末端的理论位姿与视觉感知的实际位姿，通过运动学正解与逆解，计算出视觉姿势偏移对应的机械臂关节误差补偿量。对于动态移动场景，还可引入实时姿态估计算法，通过连续采集图像序列，实现姿势偏移的动态追踪与偏差预测，提升校准响应速度。在精密场景中，还需融合温度、振动等环境传感器数据，对偏差量进行环境补偿，避免环境因素导致的校准误差。然后是动态修正环节，根据求解的偏移量，通过两种方式实现视觉姿势校准：一是软件修正，核心算法处理模块更新相机与机械臂、世界坐标系的转换矩阵，将视觉识别的目标坐标基于新的转换矩阵进行坐标转换，间接修正姿势偏移，该方式适用于偏移量较小的场景，无需机械臂额外运动，校准效率高；二是硬件修正，若偏移量较大，系统通过执行修正模块驱动机械臂末端进行微姿态调整，根据偏差计算得到的关节补偿量，控制各关节伺服电机进行精准运动，带动末端视觉模块回归基准姿势，调整完成后重新采集图像验证校准效果。在视觉-力控协同场景中，还可结合力传感器的反馈数据，当视觉校准完成后，通过力控调节确保机械臂末端与目标的接触力稳定，进一步提升协同精度。最后是闭环验证环节，确保校准效果满足作业精度要求。