接插件装配方法

1.本发明属于精密装配技术领域，具体涉及一种插接件装配方法。


背景技术：

2.随着高精度相机和机械臂装置的发展，高精度、多自由度的自动装配技术在工业制造、军事以及太空探索等领域的需求也越来越多。如在航天领域的在轨维修维护任务中，机械臂需要控制不同初始位置和角度的公、母头零件进行自动装配，并且要求达到毫米级别以上的装配精度。而使用机械臂完成接插件的自动装配需要解决不同背景下接插件的自动识别与特征提取、基于视觉信息的接插件位姿测量、对准等关键技术。
3.目前在精密装配技术领域的装配测量方法往往无法兼顾高精度和高自由度两种特性；常见的高精度装配测量方法是通过两个及以上相机配合测距传感器等进行分段测量，但是基于该方法装配任务的对象往往较为简单，如对称的长方形物体等，无法测量高精度的不对称精密物体；还有部分方法是通过高精度相机采集图像，进行精确测量，但是该方法面对的是钉孔装配，仅需要测量部分自由度方向上的姿态，并且操作空间受限，无法进行大范围的六自由度装配。
4.目前一般装配控制方法是通过测量目标零件的位姿，然后控制机械臂末端达到与之对应的姿态，最后完成装配动作；但该方法需要高精度的相机内、外参数标定，并且需要对机械臂上的相机进行手眼标定；这种方法得到的标定结果会有一定的误差，特别是当相机距离机械臂末端较远时，手眼标定结果的误差较大，而机械臂末端与相机之间的位置误差会影响实际装配的精度。
5.相应地，本领域需要一种新的零件位姿测量和装配控制方法来解决上述问题。


技术实现要素：

6.为了解决上述问题，即为了解决现有的零件装配测量方法无法同时满足高精度和高自由度问题以及现有零件装配控制方法标定误差影响装配精度问题，本发明提供了一种插接件装配方法，该方法包括：
7.步骤s100，获取待装配零件的母头图像，作为输入图像；
8.步骤s200，通过训练好的图像分割网络获取所述输入图像中包含凹槽的椭圆环区域图像，基于所述椭圆环区域图像提取椭圆轮廓并进行椭圆拟合，获取椭圆中心点及n个内部点的三维坐标；
9.步骤s300，基于所述椭圆中心点、n个内部点的三维坐标以及母头预设的期望中心点，进行平面拟合获取单位法向量和位移量；基于所述单位法向量、所述位移量和所述椭圆中心点，计算机械臂末端的期望位置、期望转轴和期望转角，以控制机械臂实现图像采集装置与母头的对准；
10.步骤s400，重新采集母头图像，通过步骤s200的方法，获取凹槽特征点的位姿信息作为第一位姿信息；基于所述第一位姿信息和母头预设的期望位姿信息获取位姿偏差值，
并根据所述位姿偏差值以及公头与图像采集装置的预设相对位置进行公头与母头的对准。
11.在一些优选实施例中，步骤s200具体包括以下步骤：
12.步骤s210，对椭圆环区域图像提取轮廓，其中最大的两轮廓分别为母头零件表面的内椭圆和外椭圆；
13.步骤s220，利用最小二乘法方法进行椭圆拟合，内椭圆、外椭圆的参数方程具体如下：
[0014][0015][0016]
其中，椭圆的中心点p
ac
的坐标为(u0，v0)；a
in
、b
in
分别为内椭圆的长轴长和短轴长；θ0为椭圆的初始角度，θ为参变量，θ∈(0，2π)；a
out
、b
out
分别是外椭圆的长轴长和短轴长；
[0017]
步骤s230，根据内、外椭圆的参数方程得到穿过凹槽区域的相似椭圆方程：
[0018]
其中，参数k代表相似椭圆靠近外椭圆的程度，k∈(0，1)；(u
e
，v
e
)为特征点对应的图像坐标；
[0019]
步骤s240，根据相似椭圆方程逐渐增加参变量角度θ，寻找像素值与圆环区域差别较大的连续点对应的参变量角度集合；步骤s250：提取连续角度最多的5个集合，每个集合内所有角度的平均值对应特征点的参变量角度为θ
i
；
[0020]
步骤s260：根据相似椭圆方程，当k＞0.5时，相似椭圆的所有点均在椭圆环上，代入参变量角度θ
i
，可得到多个特征点p
si
对应的图像坐标(u
ei
，v
ei
)。
[0021]
在一些优选实施例中，步骤s260中的k为0.7。
[0022]
在一些优选实施例中，步骤s300具体包括以下内容：z
cd
＝|p
ac
‑
p
ad
|；z
cd
为机械臂末端从初始位置到与母头对准位置的位移量；p
ad
为母头预设的期望中心点；p
ac
为椭圆的中心点；
[0023]
p
ed
＝p
ac
+n
c
×
z
cd
，p
ed
为机械臂末端的期望位置，n
c
为单位法向量；
[0024]
f＝z
×
(
‑
n
c
)＝[n
cy
，
‑
n
cx
，0]
t
，f为机械臂末端的期望转轴；
[0025]
θ＝arc cos(n
cz
)，0为机械臂末端的期望转角。
[0026]
在一些优选实施例中，步骤s400具体包括以下内容：
[0027]
步骤s410，利用多个凹槽特征点p
si
的期望位置p
sdi
拟合平面，得到期望平面法向量n
d
＝[n
dx
，n
dy
，n
dz
]
t
；
[0028]
步骤s420，利用第i个槽口角点的图像坐标计算图像空间的期望姿态角θ
mdz
＝arc tan 2(v
ei
‑
v
ad
，u
ei
‑
u
ad
)，其中，(v
ad
，u
ad
)为凹槽特征点的期望坐标；
[0029]
步骤s430，根据获得的期望平面法向量以及凹槽特征点的期望坐标计算期望的姿态角θ
dx
、θ
dy
和θ
dz
，以进行图像采集装置与母头待装配平面的平行调整；
[0030][0031]
步骤s440，采用混合视觉伺服控制方法按照以下公式进行图像采集装置与母头的精确对准；
[0032][0033]
其中，k1、k2为系数；(u
ac
，v
ac
)为当前图像坐标；z
ac
、z
ad
分别为母头零件与图像采集装置的当前距离和期望距离；(θ
cx
，θ
cy
)为三维坐标计算出来的x轴、y轴方向的当前姿态角；θ
mcz
、θ
mdz
分别代表图像坐标计算出来的z轴方向的当前姿态角和期望姿态角。
[0034]
在一些优选实施例中，k1＝k2＝0.6。
[0035]
在一些优选实施例中，图像采集装置与母头处于对准状态时，椭圆中心点与期望中心点的重合度为第一阈值范围；椭圆中心点为图像采集装置在远离母头的位置时采集的图像中心点；
[0036]
重新采集母头图像时，图像采集装置与母头处于同一水平轴线位置；
[0037]
进行公头与母头的对准过程还包括调整图像采集装置与母头对准状态下的椭圆中心点与期望中心点的重合度在第二阈值范围内；所述第二阈值范围的精度大于所述第一阈值范围的精度。
[0038]
在一些优选实施例中，步骤s200中图像分割网络模型的获取具体包括以下步骤：
[0039]
利用图像采集装置采集不同角度和距离的母头灰度图；
[0040]
对采集的母头灰度图进行标注，将母头表面包含凹槽信息的圆环区域作为标签信息；
[0041]
利用图像分割网络对标注好的数据进行训练，得到训练好的图像分割网络模型。
[0042]
在一些优选实施例中，母头预设的期望中心点的获取方式具体包括以下内容：
[0043]
手动控制机械臂完成零件对准动作；
[0044]
在末端坐标系下只改变机械臂z、x、y轴平移量，使公头撤离母头至图像采集装置的与母头正对的位置，记录在末端坐标系下撤离移动的平移量和采集图像移动的平移量，将图像采集装置采集的母头正对图像作为期望图像，利用最小二乘法进行椭圆拟合计算出中心点的期望位置。
[0045]
在一些优选实施例中，n≥5。
[0046]
本发明提供的高精度、高自由度装置配要求的插接件装配方法包括基于2d、3d图像信息的零件位姿测量方法以及基于“预装配
‑
趋近
‑
对准”的零件装配装置的控制方法，通过图像分割网络能够精确提取复杂零件表面特征后，结合结构光深度相机读取相应特征点的三维坐标，能够达到精准测量复杂零件位姿的效果；同时，本发明采用了“预装配
‑
趋近
‑
对准”的装配策略，解决了手眼标定带来的误差问题，进一步提高了装配的成功率，并且适用于大范围多自由度装配场景。随着高精度相机和机械臂装置的发展，这种高精度、多自由度的自动装配技术会在工业制造、军事以及太空探索等领域得到更广泛的应用。
附图说明
[0047]
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
[0048]
图1是本发明一种具体实施例的方法流程图；
[0049]
图2是本发明一种具体实施例的零件装配立体结构示意图；
[0050]
图3是本发明一种实施例中待装配零件的表面特征结构示意图；
[0051]
图4是本发明一种实施例中待装配零件的表面数据标注图；
[0052]
图5是本发明一种实施例中待装配零件的期望图像的特征提取结果图；
[0053]
图6是本发明一种实施例中趋近阶段待装配零件的当前图像的特征提取结果图；
[0054]
图7是本发明一种实施例的零件装配装置的混合伺服控制方法的系统框图；
[0055]
图8是本发明一种实施例中对准阶段待装配零件的当前图像的特征提取结果图；
[0056]
图9是本发明一种实施例中对准阶段待装配零件当前姿态与期望姿态的偏差的变化图。
[0057]
附图标记说明依次如下：
[0058]
1、第一机械臂；2、第二机械臂；3、插件公头；4、插件母头；5、结构光深度相机。
具体实施方式
[0059]
为使本发明的实施例、技术方案和优点更加明显，下面将结合附图对本发明的技术方案进行清楚、完整的描述，显然，所述的实施例是本发明的一部分实施例，而不是全部实施例。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
[0060]
本发明提供了一种插接件装配方法，该方法包括：步骤s100，获取待装配零件的母头图像，作为输入图像；由于本发明提供的方法是用于高精度、高自由度装配要求下的插接件的装配，故每次待装配母头的位置不唯一，通过任一位置对母头待装配面采集的图像，既能确定母头在空间的相对位置，又能为母头与公头的粗对准提供依据。
[0061]
步骤s200，通过训练好的u
‑
net网络获取输入图像中包含凹槽的椭圆环区域图像，基于椭圆环区域图像提取椭圆轮廓并进行椭圆拟合，获取椭圆中心点及n个内部点的三维坐标，即实际采集图像中的点；其中，n≥5；具体包括如下步骤：步骤s210，利用findcontours函数对椭圆环区域图像提取轮廓，其中最大的两轮廓分别为母头零件表面的内椭圆和外椭圆；
[0062]
步骤s220，利用最小二乘法方法进行椭圆拟合，内椭圆、外椭圆的参数方程具体如下：
[0063]
[0064][0065]
其中，椭圆的中心点p
ac
的坐标为(u0，v0)；a
in
、b
in
分别为内椭圆的长轴长和短轴长；θ0为椭圆的初始角度，θ为参变量，θ∈(0，2π)；a
out
、b
out
分别是外椭圆的长轴长和短轴长；
[0066]
步骤s230，根据内、外椭圆的参数方程得到穿过凹槽区域的相似椭圆方程：
[0067]
其中，参数k代表相似椭圆靠近外椭圆的程度，k∈(0，1)；(u
e
，v
e
)为特征点对应的图像坐标；
[0068]
步骤s240，根据相似椭圆方程逐渐增加参变量角度θ，寻找像素值与圆环区域差别较大的连续点对应的参变量角度集合；
[0069]
步骤s250：提取连续角度最多的5个集合，每个集合内所有角度的平均值对应特征点的参变量角度为θ
i
；
[0070]
步骤s260：根据相似椭圆方程，当k＞0.5时，相似椭圆的所有点均在椭圆环上，代入参变量角度θ
i
，可得到多个特征点p
si
对应的图像坐标(u
ei
，v
ei
)。
[0071]
步骤s200中u
‑
net网络模型的获取具体包括以下步骤：利用图像采集装置采集不同角度和距离的母头灰度图；对采集的母头灰度图进行标注，将母头表面包含凹槽信息的圆环区域作为标签信息；利用u
‑
net网络对标注好的数据进行训练，得到训练好的u
‑
net网络模型。
[0072]
进一步地，u
‑
net网络结构包含一个用于捕捉语义的收缩路径和一个用于精准定位的对称扩展路径，收缩路径部分由四个由卷积层和池化层组成进行下采样，扩展路径部分由四个由反卷积层和卷积层组成进行上采样。
[0073]
步骤s300，基于椭圆中心点、n个内部点的三维坐标以及母头预设的期望中心点，进行平面拟合获取单位法向量和位移量；基于单位法向量、位移量和椭圆中心点，计算机械臂末端的期望位置、期望转轴和期望转角，以控制机械臂实现图像采集装置与母头的对准，此时图像采集装置的椭圆中心点与母头预设的期望中心点的重合度处于第一阈值范围，即母头与公头的粗对准。
[0074]
步骤s300具体包括以下内容：z
cd
＝|p
ac
‑
p
ad
|；z
cd
为机械臂末端从初始位置到与母头对准位置的位移量；p
ad
为母头预设的期望中心点；p
ac
为椭圆的中心点；p
ed
＝p
ac
+n
c
×
z
cd
，p
ed
为机械臂末端的期望位置，n
c
为单位法向量；f＝z
×
(
‑
n
c
)＝[n
cy
，
‑
n
cx
，0]
t
，f为机械臂末端期望转轴；θ＝arc cos(n
cz
)，θ为机械臂末端的期望转角。
[0075]
进一步地，母头预设的期望中心点的获取方式具体包括以下内容：手动控制机械臂完成零件对准动作；在末端坐标系下只改变机械臂z、x、y轴平移量，使公头撤离母头至图像采集装置的与母头正对的位置，记录在末端坐标系下撤离移动的平移量和采集图像移动的平移量，将图像采集装置采集的母头正对图像作为期望图像，利用最小二乘法进行椭圆拟合计算出中心点的期望位置。
[0076]
步骤s400，重新采集母头图像(此时为图像采集装置与母头处于正对的状态)，作为输入图像，通过步骤s200的方法进行正对母头时母头图像的采集；具体地，通过训练好的u
‑
net网络获取输入图像中包含凹槽的椭圆环区域图像，基于椭圆环区域图像提取椭圆轮
廓并进行椭圆拟合，获取椭圆中心点及5个以上内部点的三维坐标，即实际采集图像中的点；具体地，利用findcontours函数对椭圆环区域图像提取轮廓，其中最大的两轮廓分别为母头零件表面的内椭圆和外椭圆；利用最小二乘法方法进行椭圆拟合，获得内、外椭圆的参数方程；根据内、外椭圆的参数方程得到穿过凹槽区域的相似椭圆方程：根据相似椭圆方程逐渐增加参变量角度θ，寻找像素值与圆环区域差别较大的连续点对应的参变量角度集合；提取连续角度最多的5个集合，每个集合内所有角度的平均值对应特征点的参变量角度为θ
i
；根据相似椭圆方程，当k＞0.5时，相似椭圆的所有点均在椭圆环上，代入参变量角度θ
i
，可得到多个特征点p
si
对应的图像坐标(u
ei
，v
ei
)。
[0077]
利用多个凹槽特征点p
si
的期望位置p
sdi
拟合平面，得到期望平面法向量n
d
＝[n
dx
，n
dy
，n
dz
]
t
；利用第i个槽口角点的图像坐标计算图像空间的期望姿态角θ
mdz
＝arc tan 2(v
ei
‑
v
ad
，u
ei
‑
u
ad
)，其中，(v
ad
，u
ad
)为凹槽特征点的期望坐标；根据获得的期望平面法向量以及凹槽特征点的期望坐标计算期望的姿态角θ
dx
、θ
dy
和θ
dz
，以进行图像采集装置与母头待装配平面的平行调整；
[0078][0079]
采用混合视觉伺服控制方法按照以下公式进行图像采集装置与母头的精确对准；
[0080][0081]
其中，k1、k2为系数；(u
ac
，v
ac
)为当前图像坐标；z
ac
、z
ad
分别为母头零件与图像采集装置的当前距离和期望距离；(θ
cx
，θ
cy
)为三维坐标计算出来的x轴、y轴方向的当前姿态角；θ
mcz
、θ
mdz
分别代表图像坐标计算出来的z轴方向的当前姿态角和期望姿态角。
[0082]
优选地，k1＝k2＝0.6，能保证较快的收敛速度。
[0083]
通过上述步骤获取此时母头图像中的凹槽特征点的位姿信息作为第一位姿信息；基于第一位姿信息和母头预设的期望位姿信息获取位姿偏差值，并根据位姿偏差值以及公头与图像采集装置的预设相对位置进行公头与母头的对准；在本步骤中，首先通过多个凹槽特征点的期望位置进行平面拟合，进行图像采集装置的平面与母头待装配平面的位姿调整，保证两者处于相互平行的位置；其次根据获取的椭圆中心点与预设的期望中心点，进行中心点重合度的调整，使两者的重合度处于第二阈值范围内，第二阈值范围的精度大于第一阈值范围的精度，进一步提高装配精度；然后根据获取的阿凹槽特征点位置信息与预设的期望位置信息进行凹槽的对准，由于零件中的凹槽相对较小，远距离的图像采集无法保证获取位置的精度，在图像采集装置与母头对准状态下则可以采集精确的凹槽位置，通过在这种状态的图像采集的数据，可有效确定实际凹槽位姿与期望凹槽位姿的偏差，进而可实现凹槽位姿的精确对准；图像采集装置与公头在机械臂中的相对位置为确定的位置，则
结合获取的位姿偏差值，可进行公头与母头的高精度装配。
[0084]
以下参照附图结合具体实施例进一步说明本发明。
[0085]
参照附图1、附图2和附图3，图1是本发明一种具体实施例的方法流程图，图2是本发明一种具体实施例的零件装配立体结构示意图，图3是本发明一种实施例中待装配母头零件的表面特征结构示意图；图2中，第一机械臂1为一台七自由度机械臂，上面连接着接插件公头夹持、拧紧机构以及插件公头3，结构光深度相机5固定于机械臂末端，第二机械臂2为一台ur16机械臂，上面连接着接插件母头抓握装置和插件母头4；图3中，母头上表面为圆环形状，圆环内侧存在多个凹槽，同时插件公头外侧具有多个凸起与之对应，除了插件公头与母头的中心对准，还要保证多个凸起与插件母头上多个凹槽的精确装配。
[0086]
优选地，结构光深度相机5选用lmi gocator3210双目快照式传感器，其xy方向分辨率为60
‑
90μm，视野为71*98mm
‑
100*154mm，工作距离为164mm；需要说明的是，第一机械臂的型号和结构、第二机械臂的型号和结构、待装配零件的结构以及视觉测量设备的型号都是示例性的描述，因此不能理解为对本发明的限制。
[0087]
本发明提供了一种插接件装配方法，具体包括以下步骤：步骤s100，获取待装配零件的母头图像，作为输入图像；步骤s200，通过训练好的u
‑
net网络获取输入图像中包含凹槽的椭圆环区域图像，基于椭圆环区域图像提取椭圆轮廓并进行椭圆拟合，获取椭圆中心点及5个以上内部点的三维坐标；步骤s300，基于椭圆中心点、n个内部点的三维坐标以及母头预设的期望中心点，进行平面拟合获取单位法向量和位移量；基于单位法向量、位移量和椭圆中心点，计算机械臂末端的期望位置、期望转轴和期望转角，以控制机械臂实现图像采集装置与母头的对准；步骤s400，重新采集母头图像，通过步骤s200的方法，获取凹槽特征点的位姿信息作为第一位姿信息；基于第一位姿信息和母头预设的期望位姿信息获取位姿偏差值，并根据所述位姿偏差值以及公头与图像采集装置的预设相对位置进行公头与母头的对准。其中，步骤s100到步骤s300属于趋近阶段，趋近阶段由于图像采集装置距母头较远，无法精确获取槽口特征点，故需要先进行粗对准，即公头与母头大致位置的对准；根据采集的灰度图和期望中心点，获取椭圆中心点和内部5个以上点的三维坐标，进行平面拟合得到单位法向量、机械臂末端的期望位置、期望姿态调整的转轴和转角参数，然后沿着单位法向量移动即可实现粗对准。步骤s400是用于图像采集装置与母头处于对准状态的操作，提取当前图像或者位置特征，采用混合视觉伺服控制方法实现对准；然后结合预设的图像采集装置与公头的相对位置信息，进行公头与母头的对准，进而在母头中心轴线上前进进行插接件的精对准装配。
[0088]
优选地，对采集的母头图像提取轮廓时利用findcontours函数，最大的两轮廓分别为母头零件表面的内椭圆和外椭圆。
[0089]
优选地，进行椭圆拟合时利用最小二乘法方法，内椭圆、外椭圆的参数方程具体如下：
[0090][0091]
[0092]
其中，椭圆的中心点p
ac
的坐标为(u0，v0)；a
in
、b
in
分别为内椭圆的长轴长和短轴长；θ0为椭圆的初始角度，θ为参变量，θ∈(0，2π)；a
out
、b
out
分别是外椭圆的长轴长和短轴长。
[0093]
穿过凹槽区域的相似椭圆方程具体为：
[0094]
其中，参数k代表相似椭圆靠近外椭圆的程度，k∈(0，1)；(u
e
，v
e
)为特征点对应的图像坐标。
[0095]
参照附图4和附图5，图4是本发明一种实施例中待装配零件的表面数据标注图，图5是本发明一种实施例中待装配零件的期望图像的特征提取结果图；图4为母头采样图片标注图，把零件表面区域分割标注，最大程度保留表面的凹槽信息，然后作为网络输入进行训练；u
‑
net网络训练流程具体包括：利用结构光深度相机采集不同角度和距离的母头灰度图；利用labelme软件对采集的母头灰度图进行标注，将母头表面包含凹槽信息的圆环区域作为标签信息；利用u
‑
net网络对标注好的数据进行训练；利用u
‑
net网络对标注好的数据进行训练；利用u
‑
net网络输出结果进行椭圆拟合，沿椭圆轮廓提取零件凹槽特征。图5为对u
‑
net网络输入期望对准状态的母头图片进行特征提取的结果，其中线段组合100代表5个凹槽特征的提取结果，椭圆200为内椭圆提取结果，椭圆300为外椭圆提取结果；零件装配装置的测量方法主要包括如下步骤：输入期望对准状态的母头图片至训练好的u
‑
net网络，得到含凹槽椭圆环区域的图片；利用findcontours算子对网络输出图片提取轮廓，其中最大的两轮廓分别为零件表面的内椭圆和外椭圆；利用最小二乘法方法拟合得到内椭圆参数方程和外椭圆参数方程，拟合结果如图5中椭圆所示；当相似椭圆靠近外椭圆的程度参数为0.3时，内、外椭圆方程得到穿过凹槽区域的相似椭圆方程；根据相似椭圆方程逐渐增加参变量角度，寻找像素值与圆环区域差别较大的连续点对应的参变量角度集合；提取连续角度最多的5个集合，每个集合内所有角度的平均值对应特征点的参变量角度；当相似椭圆靠近外椭圆的程度参数为0.7时，相似椭圆的所有点均在椭圆环上，代入参变量角度，可得到期望母头图像特征点对应的图像坐标。
[0096]
进一步地，预装配阶段所需的期望图像特征和位移调整量的获取方法具体包括以下内容：手动控制机械臂完成零件对准动作；在末端坐标系下只改变机械臂z、x、y轴平移量，使公头撤离母头，并使相机能拍摄正对的母头图像，记录在末端坐标系下撤离移动的平移量和采集图像移动的平移量；采集母头图像作为期望图像；根据相似椭圆方程提取椭圆中心点的期望图像特征，并记录母头在视觉坐标系中深度相机测量出的中心点期望位置；当相似椭圆靠近外椭圆的程度参数为0.7时，得到期望图像特征，记录特征点的期望位置；利用特征点的期望位置拟合平面，得到期望平面法向量，得到期望的姿态角，利用第i个槽口角点计算见期望的姿态角，利用第i个槽口角点的图像坐标计算图像空间的期望姿态角。
[0097]
优选地，步骤s300具体包括以下内容：在一定范围内，随机设置母头和公头的初始位置，获取实时灰度图；利用训练好的u
‑
net网络处理获得椭圆中心点和内部5个以上点的三维坐标，进行平面拟合得到单位法向量n
c
、机械臂末端(即图像采集装置的位置)的期望位置p
ed
、机械臂末端期望转轴f和机械臂末端的期望转角θ；机械臂末端从初始位置到与母头对准位置的位移量为z
cd
，z
cd
＝|p
ac
‑
p
ad
|，其中，p
ad
为母头预设的期望中心点，p
ac
为椭圆的中心点；
[0098]
期望位置p
ed
＝p
ac
+n
c
×
z
cd
；
[0099]
期望姿态调整的转轴f＝z
×
(
‑
n
c
)＝[n
cy
，
‑
n
cx
，0]
t
；
[0100]
转角θ＝arc cos(n
cz
)。
[0101]
进一步地，参照附图6，图6是本发明一种实施例中趋近阶段待装配零件的当前图像的特征提取结果图，图6是对趋近阶段相机获取的灰度图提取椭圆后的结果图，其中椭圆200为内椭圆提取结果，椭圆300为外椭圆提取结果，可以看到提取效果较为精准，能够准确获取内部点完成粗对准，使结构光深度相机能够拍摄清晰的母头图像，完成更加精确的对准。
[0102]
进一步地，参照附图7至附图9，图7是本发明一种实施例的零件装配装置的混合伺服控制方法的系统框图，图8是本发明一种实施例中对准阶段待装配零件的当前图像的特征提取结果图，图9是本发明一种实施例中对准阶段待装配零件当前姿态与期望姿态的偏差的变化图；图7中视觉反馈为母头的当前位姿，由2d图像采集与3d位姿测量两部分构成；这两部分测量结果按照预设公式与期望母头位姿比较得到位姿偏差，利用图像特征控制沿x、y轴的平移和绕z轴的旋转，其他运动采用基于位置的控制，实现图像空间偏差到笛卡尔空间偏差的转换；图8中，线段组合100代表5个凹槽特征的提取结果，椭圆200为内椭圆提取结果，椭圆300为外椭圆提取结果；图9中，可以看出经过6次迭代控制后，误差基本趋近于0，有较快的收敛速度。
[0103]
预设公式为：
[0104]
其中，k1、k2为系数；(u
ac
，v
ac
)为当前图像坐标；z
ac
、z
ad
分别为母头零件与图像采集装置的当前距离和期望距离；(θ
cx
，θ
cy
)为三维坐标计算出来的x轴、y轴方向的当前姿态角；θ
mcz
、θ
mdz
分别代表图像坐标计算出来的z轴方向的当前姿态角和期望姿态角。其中，θ
dx
、θ
dy
和θ
dz
为凹槽特征点的期望坐标计算期望的姿态角；
[0105][0106]
其中，n
dx
，n
dy
，n
dz
通过期望平面法向量获得；期望平面法向量是利用多个凹槽特征点p
si
的期望位置p
sdi
拟合平面获得的，期望平面法向量n
d
＝[n
dx
，n
dy
，n
dz
]
t
；θ
mdz
为期望姿态角，θ
mdz
＝arc tan 2(v
ei
‑
v
ad
，u
ei
‑
u
ad
)，其中，(u
ad
，v
ad
)为凹槽特征点的期望坐标。u
ei
、v
ei
可根据相似椭圆方程获得。
[0107]
通过以上描述和结果图可以看出，在本发明的优选技术方案中，本发明的零件装配装置的测量与控制方法主要包括以下步骤：在一定范围内，随机设置母头和公头的初始位置，采集图像，提取母头内部点的三维坐标，拟合平面计算法向量，实现位置粗对准；粗对准完成后，提取当前图像或者位置特征，采用混合视觉伺服控制方法实现精确对准；最后根
据获取的相机对准状态和零件对准状态下机械臂末端的位移量完成零件对准操作。本发明通过u
‑
net网络能够精确提取复杂零件表面特征后，结合结构光深度相机读取相应特征点的三维坐标，能够达到精准测量复杂零件位姿的效果；并且采用了“预装配
‑
趋近
‑
对准”的装配策略，解决了手眼标定带来的误差问题，进一步提高了装配的成功率，并且适用于大范围多自由度装配场景。
[0108]
需要说明的是，在本发明的描述中，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0109]
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
[0110]
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、物品或者设备/装置所固有的要素。
[0111]
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。