[发明专利]一种基于标准圆柱的线激光扫描机器人手眼标定方法

权利要求书

1.一种基于标准圆柱的线激光扫描机器人手眼标定方法，其特征在于，包括以下步骤：

S101：线激光传感器搭载在扫描机器人末端，标准圆柱位于机器人工作空间任意位置；

S102：改变扫描机器人末端位姿，获得线激光传感器在不同机器人位姿下的标准圆柱侧面扫描数据；

S103：由于激光平面与标准圆柱侧面相交得到椭圆截面，步骤S102得到的扫描数据为椭圆形状的点云数据，利用RANSAC算法得到椭圆截面中心点坐标；

S104：利用步骤S103得到的椭圆截面中心点到标准圆柱中轴线的最小距离为目标函数建立约束优化方程；

S105：利用粒子群算法和广义乘子法的融合算法求解约束优化方程，具体为：初始化粒子群算法参数，以广义乘子法的初始值作为粒子群算法的粒子，以步骤S104中优化函数的值作为更新粒子的依据，以粒子群算法中每代的全局最差粒子作为广义乘子法的最优初始值进行计算，得到优化函数的局部最优值；当优化函数的局部最优值小于粒子群算法设定的最小值时停止更新粒子，返回此时优化函数的解，同时得到手眼标定的旋转平移矩阵。

2.如权利要求1所述的基于标准圆柱的线激光扫描机器人手眼标定方法，其特征在于：所述步骤S101中标准圆柱直径应根据线激光传感器的测量范围来选择，标准圆柱直径需要在线激光传感器的测量范围内，并能够获得满足需求的激光数据。

3.如权利要求1所述的基于标准圆柱的线激光扫描机器人手眼标定方法，其特征在于：所述步骤S102具体为：移动机器人，改变线激光传感器在机器人基座标系下的位姿，使线激光传感器的激光平面与圆柱侧面相交，获得线激光传感器不同姿态下的圆柱侧面扫描数据。

4.如权利要求1所述的基于标准圆柱的线激光扫描机器人手眼标定方法，其特征在于：所述步骤S103具体为：

S201：由于激光平面与圆柱侧面相交得到椭圆截面，即线激光传感器得到的扫描数据为椭圆形状的点云数据；

S202：由于RANSAC算法能从含有噪声点的数据中估计出高精度的模型参数，所以利用RANSAC算法对步骤S102中获得的圆柱侧面扫描数据进行数据拟合；由于线激光传感器坐标系的Y轴与激光平面垂直，使线激光传感器得到的点云数据的Y值为0，则根据圆柱侧面扫描数据拟合的椭圆方程为：

Ax²+Bxz+Cz²+Dx+Ez+1＝0

式中，A,B,C,D,E是椭圆方程参数；x，z分别为线激光传感器得到的点云数据的X轴和Z轴坐标值；

则椭圆轮廓的中心点为

式中，x_c、y_c、z_c表示椭圆轮廓的中心点空间坐标。

5.如权利要求4所述的基于标准圆柱的线激光扫描机器人手眼标定方法，其特征在于：所述步骤S104具体为：

S301：根据坐标齐次变换，将椭圆中心点O_j(x_c,0,z_c)转换到机器人基坐标系，得到点O_j(x_b,y_b,z_b)，即

式中，T_BE为机器人末端坐标系到机器人基坐标系的变换矩阵，可根据机器人参数计算得到；T_EC为传感器坐标系到机器人末端坐标系的变换矩阵，即待标定的手眼变换矩阵；

S302：假设在机器人基坐标系下，已知圆柱轴线上一点P(x₀,y₀,z₀)和轴线的方向向量N(m,l,n)，则圆柱轴线的方程为

S303：由于椭圆中心点O_j在传感器坐标系中的Y轴坐标值恒为0，元素a₁₂,a₂₂与a₃₂对求解结果无影响，再加上圆柱轴线的方程的引入，此时待标定参数为

[a₁₁,a₂₁,a₃₁,a₁₃,a₂₃,a₃₃,t₁,t₂,t₃,m,l,n]

其中有单位向量约束

S304：利用椭圆轮廓的中心点到圆柱中轴线的距离建立约束优化方程：

式中，为点O_j到圆柱轴线的距离的平方；k为椭圆轮廓的数量；f(x)为优化函数；x为n维待求解的参数向量。