[发明专利]校准移动机械手的方法

说明书

本发明提供了一种校准机械手和外部传感器的方法。所述方法包括：使用深度信息生成第一点云图，所述深度信息是使用深度传感器收集的；和使用接触信息生成第二点云图，所述接触信息是使用接触传感器收集的，所述接触传感器耦合在所述机械手的末端执行器上。之后，使用迭代最近点算法对准所述第一云图和所述第二云图来恢复外部参数。所述深度传感器相对于所述机械手的基座框架是固定的，并且对应于刚性结构的深度信息是通过对所述机械手导航，捕捉来自多个有利点的深度信息而收集的。所述接触信息是通过使所述机械手的末端执行器在所述刚性结构上移动而收集的。

技术领域

本专利公开的主旨主要涉及机器人机械手。更具体但非排他地，主旨涉及校准外部传感器关于机器人机械手的基座和末端执行器的相对位置与方向。

背景技术

如果解决了某些挑战，则协作移动机械手有可能在工厂环境之外变得无处不在。这些挑战之一就是校准。取决于平台，校准可能涉及确定固有的(例如，相机焦距)和外在的(即，相对姿势)传感器参数，以及机械手臂的运动学参数(例如，关节偏置和连杆长度偏移)。

当前，人身安全的机器人机械手，无论是固定基座单元还是移动式的，无论它们所依赖的视觉传感器如何，在安装时都需要繁琐的手动校准。必须确保这种机械手可以按指定精度水平执行任务，并希望保持这种精度。已知手动校准和/或在预定的校准区域中执行的校准可以实现精确操作；然而，它们的成本很高。这些选项需要额外的人员、设备和时间。因此，它们总体上较为昂贵，并且降低了机器人系统的灵活性。

此外，大多数校准参数可能会在机器人的整个寿命周期内发生变化。例如，这种变化可能是由于一般磨损造成的。因此，需要以定期间隔进行校准以执行具有所需精度水平的任务。有效补偿这些变化的一种方法是采用自校准技术，其中机器人机械手仅使用其机载硬件独立地进行校准。

已经针对某些传感器组合，包括激光雷达、相机和惯性测量单元，证明了可靠的自校准。参考，Nicholas Roy和Sebastian Thrun的“Online Self-Calibration for MobileRobots”，Proc.IEEE Int.Conf.Robotics and Automation,1998；J.Kelly等人的“Visual-Inertial Sensor Fusion:Localization,Mapping and Sensor-to-Sensor Self-Calibration”，Int.J.Rob.Res.,vol.30,no.1,pp.56–79,2011；M.Sheehan等人的“Self-Calibration for a 3D Laser”，Int.J.Rob.Res.,vol.31,no.5,pp.675–687,2011；以及J.Lambert等人的“Entropy-Based Sim(3)Calibration of 2D lidars to EgomotionSensors”，Proc.IEEE Int.Conf.Multisensor Fusion and Integration forIntelligent Systems,2016,pp.455-461。

尽管针对感测应用的自校准取得了成功，但针对移动平台的组合式传感器-执行器自校准工作却相对较少。传统的机械手的固有校正或运动学模型校正在工业环境中具有悠久的历史，如B.W.Mooring,Z.S.Roth等人在下列文献中公开的，“Fundamentals ofManipulator Calibration”，Wiley-Interscience,1991，所有这些方法都需要专门的外部测量装置和训练有素的人类操作者。