基于学习型三维视觉的机器人手眼标定自动化方法

手眼标定作为基于视觉的机器人系统中的基础任务,旨在估计相机坐标系与机器人法兰坐标系之间的变换矩阵。大多数手眼标定方法依赖外部标记或人工辅助。我们提出了Look at Robot Base Once (LRBO),一种无需外部标定物或人工支持、仅利用机器人基座即可解决手眼标定问题的新方法。利用机器人基座的点云,建立从相机坐标系到机器人基座的变换矩阵I=AXB。为此,我们采用基于学习的三维检测与配准算法来估计机器人基座的位置与朝向。该方法的鲁棒性与精度通过基于真值的评估进行量化,并将精度结果与其他基于三维视觉的标定方法进行比较。为评估方法的可行性,我们使用低成本结构光扫描仪在不同的关节构型与实验组下开展了实验。根据实验结果,所提手眼标定方法的平移偏差为0.930 mm,旋转偏差为0.265度。此外,三维重建实验显示出0.994度的旋转误差与1.697 mm的位置误差。而且,我们的方法有望在1秒内完成,相较于其他三维手眼标定方法是最快的。代码发布于github.com/leihui6/LRBO。