买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连理工大学申请的专利运动信息与视觉信息融合的机械臂空间位姿自适应估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119228893B 。

龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411367413.3，技术领域涉及：G06T7/73；该发明授权运动信息与视觉信息融合的机械臂空间位姿自适应估计方法是由逯永康;王佳伟;韩磊;宋丽刚;郑研;文科;张洋;刘巍设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本运动信息与视觉信息融合的机械臂空间位姿自适应估计方法在说明书摘要公布了：一种运动信息与视觉信息融合的机械臂空间位姿自适应估计方法，首先结合双目相机的内参矩阵，基于极线约束法实现图像二维特征三维重建；然后，通过激光跟踪仪和双目相机组合测量的方式完成“手眼标定”，基于标定关系，计算机械臂加工末端与工件中心的相对位置关系；最后，提出自适应扩展卡尔曼滤波器，结合已知的双目相机测量噪声协方差矩阵，自适应调整不同位置机械臂末端的状态噪声协方差矩阵，实现对机械臂运动过程中末端位置的平滑估计，最终使机械臂末端精确移动到双目相机的有效视场范围中。该方法解决了复杂工况下机械臂末端位置难以准确估计的问题，无需先验准确的观测与运动噪声协方差矩阵，即可实现机械臂末端位置的自适应准确估计。

本发明授权运动信息与视觉信息融合的机械臂空间位姿自适应估计方法在权利要求书中公布了：1.一种运动信息与视觉信息融合的机械臂空间位姿自适应估计方法，其特征在于，步骤如下： 第一步，相机坐标系内特征点三维坐标获取 首先，标定双目相机的内外参数，得到左右相机的内参矩阵KL和KR以及外参矩阵R和t；然后，在待测局域布置视觉标志点，采用双目相机获取待测区域的图像，进而对图像进行二值化划分图像的前景和背景，再根据边缘检测算法对图像进行边缘检测，最后，采用圆度约束和面积约束筛选图像特征，图像筛选后的结果如式1： 其中，Smin,Smax为设置的面积阈值，TC为设置的圆度阈值，C为每个区域轮廓的周长，S为每个区域轮廓的面积，e表示每个区域轮廓的圆度； 然后，根据双目相机的内参矩阵计算基础矩阵： 其中，为左右相机间平移向量计算得到的反对称矩阵； 其次，对相机拍摄图像中特征区域的视觉标志点采用椭圆拟合法计算出中心坐标[uLvL1]T和[uRvR1]T并构建如下方程： 其中，[abc]T为基础矩阵F与[uRvR1]T的乘积； 将式3转换成直线方程即为极线方程： auL+bvL+c＝04 当像点和对应极线的距离小于设置的约束阈值时便认为其为另一幅图像像点对应的匹配点； 最后，结合各标志点的深度信息Z，实现标志点的三维重建： 其中，XYZ是相机坐标系下标志点的三维坐标，cx和cy是相机主点的像素坐标，f是相机的焦距，d是左右图像的视差，B是左右相机光心之间的距离； 第二步，基于组合测量的机械臂末端在线定位 首先，在标定板上放置n个激光跟踪仪与视觉合作靶标点，分别使用激光跟踪仪和双目相机测量其三维坐标： Pc＝{p1p2p3…pn},Ql＝{q1q2q3…qn}6 其中，Pc和Ql分别为相机坐标系和激光跟踪仪坐标系内的视觉合作靶标点的三维坐标； 然后，基于最小二乘原理求解相机坐标系与激光跟踪仪坐标系之间的转换关系： 其中，分别为两坐标系之间的旋转矩阵和平移向量； 然后，在双目相机的工装上安装三个激光跟踪仪靶座，使用激光跟踪仪测量其坐标，以这三个点建立工装坐标系，并计算这三个点在工装坐标系下坐标： 进而，计算出工装坐标系与激光跟踪仪坐标系之间的转换关系Rfl和tfl，基于上述相机坐标系与激光跟踪仪坐标系之间的关系，计算相机坐标系与工装坐标系之间的关系Rcf和tcf： Rcf＝Rfl-1Rcl,tcf＝Rfl-1tcl-tfl9 然后，通过改变机械臂的位姿，可以获得多个机械臂位姿状态下工装坐标系间的变换位姿及机械臂末端坐标系间的变换位姿表示第j个位姿到第i个位姿状态下工装坐标系的位姿变换关系，表示第j个位姿到第i个位姿状态下机械臂末端坐标系的位姿变换关系，可以得到如下关系： 其中，和分别是第j个位姿和第i个位姿的工装坐标系与机械臂末端坐标系之间的关系，任意位姿下该变换关系都是固定的； 即： 其中，R和t分别表示对应位姿变换关系T的旋转部分和平移部分； 该计算过程可以看作求解典型的非线性优化问题AX＝XB，通过求解上述方程组得到即为工装坐标系与机械臂末端坐标系之间的转换关系结合公式9即可计算相机坐标系与机械臂末端坐标系之间的转换关系Rce、tce，即完成“手眼标定”： 在获得“手眼标定”关系之后，在机械臂末端的法兰盘上的加工末端固定一个激光跟踪仪靶座，将其作为定位的对象，使用激光跟踪仪测量获得其坐标为Plm，基于式7中激光跟踪仪与双目相机之间的转换关系Tlc，可以获得加工末端定位点在相机坐标系下的三维坐标 然后，根据式5获得的待加工工件的中心在相机坐标系下的三维坐标基于机械臂本身获得的位姿信息求解机械臂末端坐标系与机械臂基坐标系之间的转换关系为求解加工末端和工件中心在机械臂基坐标系下的三维坐标和 其中，是相机坐标系与机械臂末端坐标系之间的转换关系 最后，通过计算加工末端和工件中心之间的相对位置，传递到机械臂控制器中控制机械臂末端沿指定路径到达目标区域； 第三步，基于改进的自适应扩展卡尔曼滤波的机械臂末端位置估计 为了使机械臂能够准确的到达目标区域，通过改进的自适应扩展卡尔曼滤波器对机械臂运动过程中末端位置进行动态估计； 首先，计算系统的观测矩阵并对其线性化： Zk＝H·Xk+H·Xk|k-1+vk15 其中，vk为均值为0，协方差矩阵为R的系统观测噪声，H为观测矩阵，Xk是k时刻机械臂末端状态向量，Xk|k-1是基于k-1时刻的信息对k时刻的状态预测； 然后，机械臂末端的运动状态预测方程为： Xk＝A·Xk-1+Buk+wk16 其中，A为状态转移矩阵，B为控制输入矩阵，uk为控制向量，wk为均值为0，协方差矩阵为Q的运动状态噪声； 基于初始化的运动状态噪声协方差矩阵Q，引入调整量ΔQ，观测噪声的协方差矩阵R可通过标定获得，为已知量，则协方差矩阵估计误差来源于ΔQ，实际的误差协方差矩阵的预测方程调整为： 其中，Pk是k时刻的误差协方差矩阵，Pk|k-1是基于k-1时刻的信息对k时刻的预测的误差协方差矩阵，Pk-1和Qk-1分别为k-1时刻的观测和运动状态噪声协方差矩阵，ΔQk-1是k-1时刻调整的运动状态噪声协方差矩阵； 根据卡尔曼滤波的协方差匹配理论，观测残差的协方差期望可以表示为： 其中，是观测残差； 然后，根据观测残差的期望，推导出调整运动状态噪声协方差矩阵的公式： ΔQ＝K·H-1KEεk·εkTKT-Pk|k-1HT·KT·K·H-1T19 其中，K为卡尔曼增益； 最后，基于上述信息，更新运动状态噪声协方差矩阵运动状态矩阵Xk、误差协方差矩阵： 依次处理所有观测数据，动态调整运动状态噪声方差矩阵并根据新的观测值更新系统的状态估计，使机械臂加工末端平滑准确移动到双目相机有效视场范围内。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。