本发明涉及多源信息融合技术和图像处理技术,具体地说是一种单目相机-imu-机械臂的空间联合标定方法。
背景技术:
智能化的机械臂通常配有多模态感知单元,比如视觉传感器、惯性传感器,触觉传感器、力觉传感器等,通过多模态信息采集与处理来实现机械臂对自身和周围环境的感知功能。虽然市场上已有的感知模块,比如深度相机、激光雷达和双目相机能够有效做出载体的运动估计和深度估计,但由于其感知空间受限、反射敏感、感知单元尺寸过大等原因而无法适用于机械臂随动感知系统。
而单目相机、imu在感知精度和响应速度方面具有互补的优势。单目相机能够采集丰富的场景信息,在定位和导航领域应用广泛。imu是测量物体三轴角速度和加速度的装置,它提供了类似于人类内部前庭系统一样的自身惯性信息,在导航中有着重要的应用价值。所以将单目相机和imu固定在机械臂末端,可以有效地协助机械臂进行运动估计和场景感知。单目相机、imu和机械臂之间可靠、准确的标定是实现随动感知的前提,因此,本发明提出一种单目相机-imu-机械臂的联合标定方法。
技术实现要素:
本发明提出了一种单目相机-imu-机械臂的空间联合标定方法,该方法能够实现三者的有效融合。
所采用的技术方案是:一种单目相机-imu-机械臂的空间联合标定方法,包括以下步骤:
步骤1:单目相机和imu单元固定在机械臂末端,设定机械臂运动轨迹,即机械臂末端执行器坐标系{r}下的位置变化:
步骤2:对单目相机、imu、机械臂两两之间进行分别标定,获取单目相机坐标系{c}、imu坐标系{i}、机械臂末端执行器坐标系{r}两两之间的空间变换关系;
步骤3:根据上述三个坐标系之间的变换关系获取统一框架下的联合标定模型,判断模型是否收敛,若不收敛则返回步骤1按照设定的机械臂运动轨迹控制机械臂末端执行器再次运动执行建模步骤直到模型收敛结束;从而获取优化的单目相机-imu-机械臂的空间联合标定模型。
所述分别标定包括三个步骤:
步骤2.1:通过最小化imu旋转和单目相机旋转之间的差异值来计算偏差,在迭代过程中计算角速度偏差估计用于估计单目相机-imu旋转矩阵
步骤2.2:通过单目相机跟随机械臂运动的位姿,获取单目相机-机械臂联合标定;
步骤2.3:通过imu跟随机械臂运动的位姿,获取imu-机械臂联合标定。
包括:步骤2.1.1:角速度偏差估计:
单目相机在时刻t到t+1之间的旋转可以由下式给出:
其中
其中
该式通过levenberg-marquart非线性优化计算得到。
包括:步骤2.1.2:单目相机-imu旋转矩阵估计:
旋转矩阵通过将时刻t到t+1之间的单目相机旋转与预积分处理后的imu旋转对齐得到;
假设在时间间隔[t,t+1]之间,单目相机与imu的姿态变化分别为
其中
然后将公式(1.6)得到的最佳四元数
包括:步骤2.1.3:加速度偏差估计:
在时间间隔[i,j]内,单目相机平移和imu预积分平移之间的关系为:
其中,
最佳的加速度偏差
其中
包括:步骤2.1.4:单目相机-imu平移向量估计:
此处给定加速度偏差和角速度偏差
其中
步骤2.2:单目相机-机械臂联合标定具体实现为:
假设机械臂从位置
其中xrc表示从单目相机坐标系{c}到机械臂末端执行器坐标系{r}的变换矩阵,经过转换后得到:
其中
相对旋转矩阵rrc和平移向量trc通过以下公式得到:
其中
转换得到:
通过将式(2.9)代入到式
并得到平移向量trc:
trc=(ata)-1atb(2.11)
其中,a和b表示如下:
步骤2.3:imu-机械臂联合标定具体为:
imu-机械臂的标定通过齐次变换矩阵xri来制定,机械臂以设计好的轨迹运动,即
与公式(2.1)类似,imu和机械臂的位姿关系满足以下公式:
经转换可得:
以类似的方法,imu与机械臂之间的相对旋转矩阵rri和平移向量tri可以通过求解以下各式得到:
其中,
所述步骤3获取优化的单目相机-imu-机械臂的空间联合标定模型具体为:
变换矩阵trc、tri、tic满足以下几何关系:
其中
该联合标定方法通过评估变换矩阵
|λne-a|=0(4.2)
其中e是四阶的单位矩阵,
λn≤1,n=1,2,3,4(4.3)
一种单目相机-imu-机械臂的空间联合标定系统,包括:单目相机和imu单元、控制器和机械臂驱动器、标定板;单目相机和imu单元固定在机械臂末端,通过单目相机拍摄标定板的目标位置进行标定后获取单目相机的像素坐标位置;机械臂驱动器用于按照设定的轨迹控制机械臂带动末端的imu单元移动;imu单元用于自动获取与机械臂运动轨迹相对应的imu实际移动的姿态序列;控制器用于读取程序执行如上所述的方法步骤,获取优化的单目相机-imu-机械臂的空间联合标定模型,用于实际的机械臂运动。
本发明具有以下优点:
1.本发明方法采用先估计旋转矩阵,再估计平移向量的方式来解决平移向量误差易耦合到旋转矩阵估计的问题。
2.本发明方法适用于对单目相机、imu和机械臂进行联合标定,具有稳定、准确的优势。
3.本发明方法能够使单目相机和imu实现稳定、准确的信息融合。并使机械臂在复杂、非结构化的环境下实现随动感知的功能。
附图说明
图1为总体流程图;
图2为单目相机-imu-机械臂空间联合标定的系统装置。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方法做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但本发明能够以很多不同于在此描述的其他方式来实施,本领域技术人员可以在不违背发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施的限制。
除非另有定义,本文所使用的所有技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
本发明方法是基于硬件系统实现的,硬件系统包括:单目相机、imu单元、控制器和kinovajaco2机械臂、机械臂操作杆、标定板。设定机械臂运动轨迹,机械臂操作杆用于控制机械臂带动末端的imu单元移动。imu单元用于自动获取与机械臂运动轨迹相对应的imu实际移动的姿态序列。
单目相机和imu单元固定在机械臂末端,通过单目相机拍摄标定板的目标位置进行标定后获取单目相机的像素坐标位置c1、c2等。
kinovajaco2机械臂操作杆用于控制机械臂带动单目相机和imu单元运动,并通过机械臂的sdk获得末端执行器坐标位置
本发明方法包括四部分:
(1)单目相机-imu联合标定;
(2)单目相机-机械臂联合标定;
(3)imu-机械臂联合标定;
(4)统一框架下的联合标定。
具体实现过程如下所述。
步骤1:单目相机-imu联合标定。
假设角速度偏差和加速度偏差始终保持不变,然后可以通过最小化imu旋转和单目相机旋转之间的差异值来计算偏差。在迭代过程中,估计的旋转矩阵
步骤1.1:角速度偏差估计
单目相机在时刻t到t+1之间的旋转可以由下式给出:
其中
其中
该式可以通过levenberg-marquart非线性优化计算得到。
步骤1.2:单目相机-imu旋转矩阵估计
此处,旋转矩阵可以通过将时刻t到t+1之间的单目相机旋转与预积分处理后的imu旋转对齐得到。假设在时间间隔[t,t+1]之间,单目相机与imu的姿态变化分别为
其中
然后将公式(1.6)得到的最佳四元数
步骤1.3:加速度偏差估计
在时间间隔[i,j]内,单目相机平移和imu预积分平移之间的关系为:
其中,
最佳的加速度偏差
其中
步骤1.4:单目相机-imu平移向量估计
此处给定加速度偏差和角速度偏差
其中
步骤2:单目相机-机械臂联合标定。
假设机械臂从位置
其中xrc表示从单目相机坐标系{c}到机械臂末端执行器坐标系{r}的变换矩阵。经过转换后可以得到:
其中
相对旋转矩阵rrc和平移向量trc可以通过以下公式得到:
其中
转换得到:
通过将式(2.9)代入到2.4式
并可以得到平移向量trc:
trc=(ata)-1atb(2.11)
其中,a和b表示如下:
步骤3:imu-机械臂联合标定。
imu-机械臂的标定可以通过齐次变换矩阵xri来制定。机械臂以设计好的螺旋轨迹运动,即
与公式(2.1)类似,imu和机械臂的位姿关系满足以下公式:
经转换可得:
以类似的方法,imu与机械臂之间的相对旋转矩阵rri和平移向量tri可以通过求解以下各式得到:
其中,
同样,
步骤4:统一框架下的联合标定。
在单目相机-imu-机械臂联合标定模型中,由于单目相机和imu牢牢固定在机械臂末端,所以机械臂末端执行器坐标系{r}、imu坐标系{i}和单目相机坐标系{c}之间存在固有的几何约束。理论上,变换矩阵trc、tri、tic满足以下几何关系:
其中
该联合标定方法通过评估变换矩阵
|λne-a|=0(4.2)
其中e是四阶的单位矩阵,
λn≤1,n=1,2,3,4(4.3)
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。