本發(fā)明涉及圖像處理與測量，特別涉及一種機器人手眼標定方法。

背景技術：

1、隨著工業(yè)自動化和智能制造的不斷發(fā)展，機器人視覺系統(tǒng)的應用日益廣泛。機器人通過視覺傳感器感知外界環(huán)境，利用視覺信息完成定位、識別、導航和抓取等任務，這要求機器人能夠在自身坐標系與視覺坐標系之間建立精確的幾何關系，即完成所謂的手眼標定。手眼標定是視覺系統(tǒng)與機械臂系統(tǒng)耦合的基礎，其精度直接決定了機器人在空間定位和操作的準確性。

2、在現有技術中，手眼標定方法多種多樣，可以大致分為基于位姿的手眼標定和基于特征點的手眼標定。典型的基于位姿的方法包括tsai和lenz提出的外參數標定法、park和martin的四元數求解法、dualquaternion法等。這些方法一般利用若干組已知的機器人末端位姿和視覺傳感器相對于標定靶板的位姿，根據關系式直接求解相機到機械臂末端的位姿變換。其中表示機械臂末端執(zhí)行器在世界坐標系中的位姿，表示相機在標定板坐標系中的位姿。這些方法通常通過建立線性方程或非線性優(yōu)化求解。例如tsai-lenz法將旋轉和位移分別求解，通過多組位姿的相對運動解出旋轉矩陣，再用最小二乘法求解平移向量；park-martin法利用四元數將旋轉求解轉換成線性問題，然后同樣利用最小二乘法求得平移。

3、然而，現有基于位姿的手眼標定方法普遍存在以下問題。首先，對運動路徑或姿態(tài)采集的要求較高，通常要求機械臂運動覆蓋足夠多的方向，且相機對標定靶板的視角不能過于接近或平行，否則計算出的姿態(tài)解會存在退化現象。其次，這些算法需要保證姿態(tài)數據之間的嚴格對應關系，在采集過程中機械臂和相機的觸發(fā)必須嚴格同步，否則會引入時間誤差，導致標定結果偏差。第三，傳統(tǒng)方法一般假設相機在機械臂末端固定安裝（手眼一體），對手眼分離場景缺乏統(tǒng)一的處理方式。第四，現有方法通常只利用運動學矩陣求解，而忽略了實際圖像角點的分布和遮擋情況，對于標定靶板部分被遮擋或視覺傳感器視角發(fā)生變化的場景適應性較差。

技術實現思路

1、本發(fā)明的目的是提供一種機器人手眼標定方法，在標定靶板固定后通過硬件觸發(fā)線保證視覺傳感器與機械臂控制器的同步，采用柵格自然順序對角點連續(xù)編號，并按照預設姿態(tài)集采集數據。方法將聯合姿態(tài)序列劃分為四個閉環(huán)，利用對角編號對子進行斜對稱交錯配對，通過閉環(huán)差最小化、鎖鏈消偏和滑動窗口微調求得候選手眼變換關系，再基于閉環(huán)差、邊緣持穩(wěn)度和遮擋恢復度多指標計算一致性評分選出唯一解。該技術既適用于手眼一體和手眼分離場景，又能在角點部分遮擋和視角變化情況下保持高精度，顯著提升了標定準確性和魯棒性。

2、為解決上述技術問題，本發(fā)明提供一種機器人手眼標定方法，包括：

3、一種機器人手眼標定方法，所述方法包括：

4、步驟1：將標定靶板固定在穩(wěn)定支撐面上；在手眼一體場景將視覺傳感器固定于末端執(zhí)行器，在手眼分離場景將視覺傳感器固定于外部支架并保持視軸穩(wěn)定；通過硬件觸發(fā)線建立視覺傳感器與機械臂控制器的一對一觸發(fā)關系；采用單一時間基準記錄圖像采集時刻與機械臂姿態(tài)時刻；對標定靶板采用單一的柵格自然順序進行連續(xù)編號；

5、步驟2：按照預設姿態(tài)集依次驅動機械臂停留并采集圖像；對每一張圖像提取角點并按柵格自然順序編號，形成圖像角點序列；以單一時間基準將每一張圖像與對應的機械臂姿態(tài)進行一一配對，形成聯合姿態(tài)序列；

6、步驟3：在不改變聯合姿態(tài)序列與圖像角點序列的前提下，采用四環(huán)斜對稱交錯回溯算法確定手眼變換關系；通過交替起序與循環(huán)重排獲得多個候選手眼變換關系，依據閉環(huán)差、邊緣持穩(wěn)度與遮擋恢復度進行并列評估，執(zhí)行共識聚合，輸出唯一的手眼變換關系與一致性評分；按照一致性評分超過設定閾值時對應的手眼變換關系進行標定。

7、進一步的，步驟1中，使用硬件觸發(fā)線在視覺傳感器與機械臂控制器之間建立一對一觸發(fā)關系，明確觸發(fā)信號的電平有效邊沿，并在視覺傳感器與機械臂控制器的輸入輸出接口分別登記觸發(fā)端口編號；在標定靶板可視狀態(tài)下確定柵格自然順序的起始位置與方向，以標定靶板左上角為起點，先行后列依次遞增至右側，逐行向下至最下方，形成唯一的柵格自然順序，完成連續(xù)編號。

8、進一步的，步驟2中，從配置文件中加載預設姿態(tài)集，預設姿態(tài)集中包含的姿態(tài)包括：水平轉動、垂直轉動、近距平移和遠距平移；為每個姿態(tài)分配一個對應的姿態(tài)分類標簽；將預設姿態(tài)集按照固定順序展開為停留隊列，明確每一個停留的目標位置與目標姿態(tài)，每一個停留執(zhí)行一次硬件觸發(fā)動作；控制機械臂逐一到達停留隊列中的目標位置與目標姿態(tài)，待機械臂停止后保持靜止狀態(tài)；由機械臂控制器通過硬件觸發(fā)線向視覺傳感器發(fā)出單次觸發(fā)信號，在視覺傳感器端生成單張圖像；在圖像生成時記錄圖像采集時刻，同時在機械臂控制器端記錄機械臂姿態(tài)時刻，二者均以單一時間基準計時。

9、進一步的，步驟2中，形成圖像角點序列的過程包括：在每一張圖像上定位標定靶板的可視區(qū)域，按照標定靶板的實際紋理結構提取圖像角點，圖像角點為標定靶板紋理交叉處的幾何角點；按照確定的柵格自然順序對圖像角點進行編號，該編號以標定靶板左上角為起點，先行后列逐行遞增至最下方；將編號與圖像索引進行綁定，形成該圖像對應的圖像角點序列。

10、進一步的，步驟3具體包括：

11、步驟3.1：將聯合姿態(tài)序列劃分為4段并分別首尾銜接形成4個閉環(huán)，且為每個閉環(huán)綁定對應的圖像角點序列子集；

12、步驟3.2：按照圖像角點序列中的對角編號對子在4個閉環(huán)之間建立斜對稱交錯配對，構建跨環(huán)對應鏈；

13、步驟3.3：沿跨環(huán)對應鏈執(zhí)行正向展開與反向回溯，生成覆蓋4個閉環(huán)的閉合鎖鏈；對閉合鎖鏈執(zhí)行鎖鏈消偏，最小化閉環(huán)差，得到候選手眼變換關系；

14、步驟3.4：通過交替起序與循環(huán)重排獲得多個候選手眼變換關系，依據閉環(huán)差、邊緣持穩(wěn)度與遮擋恢復度進行并列評估，執(zhí)行共識聚合，輸出唯一的手眼變換關系與一致性評分。

15、進一步的，步驟3.1具體包括：按照時間順序將聯合姿態(tài)序列分為4段等勢序列，姿態(tài)分類標簽分別對應水平轉動、垂直轉動、近距平移和遠距平移；對每一段等勢序列執(zhí)行首尾銜接，形成4個獨立閉環(huán)；以聯合姿態(tài)序列的總項數除以4的整數部分作為每段等勢序列的基礎長度，若存在余數，則自第1段等勢序列起按順序逐段各增加1項直至余數分配完畢；對每一閉環(huán)，提取閉環(huán)內各聯合姿態(tài)序列的項所對應圖像索引的圖像角點序列，按閉環(huán)的環(huán)向順序依次排列并拼接，形成與該閉環(huán)一一對應的圖像角點序列子集；子集中每一圖像角點序列內部的角點編號保持確定的柵格自然順序。

16、進一步的，步驟3.2具體包括：保持閉環(huán)的環(huán)向順序與時間順序一致，為每一閉環(huán)分配固定閉環(huán)標識，分別記為第1閉環(huán)、第2閉環(huán)、第3閉環(huán)與第4閉環(huán)；為每一圖像角點序列子集記錄其行數與列數、角點編號起止范圍及柵格自然順序；針對每一圖像角點序列子集，將柵格自然順序下的單一編號一一映射為行索引與列索引，行索引按自上而下遞增，列索引按自左而右遞增；同一圖像內任一角點的行索引與列索引唯一確定其在柵格中的位置；在每一圖像角點序列子集中，按行列索引生成兩類對角編號對子，分別為主對角線編號對子與副對角線編號對子；主對角線編號對子由同一圖像內相鄰兩行且相鄰兩列的角點構成，方向為左上至右下；副對角線編號對子由同一圖像內相鄰兩行且相鄰兩列的角點構成，方向為右上至左下；在第1閉環(huán)至第4閉環(huán)之間建立斜對稱映射關系，第1閉環(huán)與第3閉環(huán)互為斜對稱對，第2閉環(huán)與第4閉環(huán)互為斜對稱對；斜對稱對之間以相同行列位置的對角編號對子作為候選配對單元，確保不同閉環(huán)內的配對以同一類對角線類型與同一行列位置為約束；在斜對稱對的基礎上設置交錯規(guī)則，具體包括：在跨閉環(huán)的連續(xù)配對過程中，主對角線編號對子與副對角線編號對子交替選取，閉環(huán)訪問順序沿斜對稱對交替跳轉；優(yōu)先以第1閉環(huán)中環(huán)向首項對應圖像的主對角線編號對子作為起始錨定對子，隨后依次跳轉至與之斜對稱的第3閉環(huán)并選取相同行列位置的副對角線編號對子，再跳轉至與第3閉環(huán)斜對稱的第1閉環(huán)的相鄰閉環(huán)即第2閉環(huán)選取相同行列位置的主對角線編號對子，再跳轉至與第2閉環(huán)斜對稱的第4閉環(huán)選取相同行列位置的副對角線編號對子；在每一次跨閉環(huán)跳轉時，于目標閉環(huán)的圖像角點序列子集中檢索與源對子行列位置一致且類型一致的對角編號對子；當該閉環(huán)內存在多個圖像滿足條件時，按以下優(yōu)先級選取其一：優(yōu)先選取時間戳最接近源子對應聯合姿態(tài)項時間戳的圖像；若時間戳等距，優(yōu)先選取在目標閉環(huán)中環(huán)向位置最接近上一次已納入鏈路圖像的圖像；若仍存在并列，優(yōu)先選取圖像索引較小者；最后輸出構建跨環(huán)對應鏈。

17、進一步的，步驟3.3具體包括：以跨環(huán)對應鏈的首條條目為鎖鏈起點，沿鏈路正向逐條追加條目，至返回起點時停止，形成覆蓋第1至第4閉環(huán)的初始閉合鎖鏈；計算初始閉合鎖鏈內各閉環(huán)首尾位姿之間的累計變換，得到初始閉環(huán)差；自初始閉合鎖鏈末端反向逐條回溯，每次嘗試剔除一條條目并重新計算閉環(huán)差，若閉環(huán)差模長減小則確認剔除，否則保留；直至閉環(huán)差模長小于0.001或回溯完整條鎖鏈，得到優(yōu)化鎖鏈；對優(yōu)化鎖鏈的閉環(huán)差執(zhí)行均勻分配消偏；隨后以長度為5的滑動窗口逐段執(zhí)行折返微調，每窗口內迭代最小二乘法，直至所有窗口閉環(huán)差模長均小于0.0001，輸出候選手眼變換關系及對應閉環(huán)差。

18、進一步的，步驟3.4具體包括：對優(yōu)化鎖鏈執(zhí)行交替起序，每次以鎖鏈內下一條目為起始項重新生成閉合鎖鏈；對每一新閉合鎖鏈重復步驟3.3，得到一組候選手眼變換關系；對每一候選手眼變換關系進行循環(huán)重排，將候選關系旋轉和平移參數循環(huán)移位重排序，生成額外候選手眼變換關系；計算全部候選手眼變換關系的閉環(huán)差、邊緣持穩(wěn)度和遮擋恢復度，其中邊緣持穩(wěn)度為圖像角點的重投影誤差方差，遮擋恢復度為標定靶板遮擋角點重投影后的有效恢復比例；依據上述三項指標進行標準化處理并加權求和獲得一致性評分，執(zhí)行共識聚合，輸出唯一的手眼變換關系及對應一致性評分。

19、本發(fā)明的一種機器人手眼標定方法，具有以下有益效果：

20、首先，方法通過硬件觸發(fā)線建立視覺傳感器與機械臂控制器之間的一對一觸發(fā)關系，并采用單一時間基準同步記錄圖像采集時刻與機械臂姿態(tài)時刻，避免了傳統(tǒng)方法中常見的時序誤差，使圖像與姿態(tài)配對準確可靠。

21、其次，在標定靶板的角點編號上，采用唯一的柵格自然順序，從左上角依次遞增到最下方，這樣不論拍攝角度如何變化，角點編號始終保持一致，為后續(xù)配對和計算提供了穩(wěn)定基礎。方法將聯合姿態(tài)序列劃分為四個閉環(huán)，并通過斜對稱交錯配對構建跨環(huán)對應鏈，這種設計充分利用了采集數據的結構特征，通過閉環(huán)差的最小化、鎖鏈消偏和滑動窗口微調等技術，顯著提高了手眼變換計算的精度。與傳統(tǒng)只利用少數姿態(tài)的算法相比，該方法在姿態(tài)樣本覆蓋和配對策略上更加全面，既適用于手眼一體場景，也適用于手眼分離場景。

22、最后，方法引入了閉環(huán)差、邊緣持穩(wěn)度和遮擋恢復度等多指標綜合評價機制，通過交替起序和循環(huán)重排生成多個候選解，并采用一致性評分選出唯一的手眼變換關系，確保標定結果不僅誤差小、穩(wěn)定性強，而且在部分角點被遮擋的情況下仍能保持高精度。以上有益效果充分體現出本發(fā)明在提高機器人手眼標定精度、增強算法魯棒性和適應復雜應用場景方面的優(yōu)勢。