鲁棒的视觉机械臂联合建模优化方法_范贤博俊.pdf

2023 03 10计算机应用,Journal of Computer Applications2023,43(3):962-971ISSN 10019081CODEN JYIIDUhttp：/鲁棒的视觉机械臂联合建模优化方法范贤博俊1，陈立家1*，李珅2，王晨露1，王敏1，王赞1，刘名果1（1.河南大学 物理与电子学院，河南 开封 475004；2.开封平煤新型炭材料科技有限公司，河南 开封 475002）（通信作者电子邮箱）摘要：针对视觉机械臂在复杂系统环境下整体精度不高、不易部署、校准成本高的问题，提出一种鲁棒的视觉机械臂联合建模优化方法。首先，对视觉机械臂的各个子系统模型进行集成，在机械臂的工作空间随机采集伺服电机转角、机械臂末端坐标等数据。其次，提出一种具有分层优化机制的自适应多精英引导复合差分进化算法（AMECoDEs-LO），使用参数辨识的方法同时优化联合系统参数。AMECoDEs-LO对种群中阶段性的数据进行主成分分析（PCA），以参数降维的思想实现对收敛精度和速度的隐式引导。实验结果表明，在AMECoDEs-LO和联合系统模型的作用下，视觉机械臂在校准过程中不需要额外的仪器，部署速度快，最终精度相较于传统方法提高60%；在机械臂连杆受损、伺服电机精度降低、相机定位噪声增大的情况下，系统仍然保持较高精度，验证了所提方法的鲁棒性。关键词：视觉机械臂；分层优化；主成分分析；联合标定；鲁棒性中图分类号：TP242 文献标志码：ARobust joint modeling and optimization method for visual manipulatorsFAN Xianbojun1，CHEN Lijia1*，LI Shen2，WANG Chenlu1，WANG Min1，WANG Zan1，LIU Mingguo1（1.School of Physics and Electronics，Henan University，Kaifeng Henan 475004，China；2.Kaifeng Pingmei New Carbon Materials Technology Company Limited，Kaifeng Henan 475002，China）Abstract:To address the problems of low accuracy，difficult deployment and high calibration cost of visual manipulator in complex system environments，a robust joint modelling and optimization method for visual manipulators was proposed.Firstly，the subsystem models of the visual manipulator were integrated together，and the sample data such as servo motor rotation angles and manipulator end-effector coordinates were collected randomly in the workspace of the manipulator.Then，an Adaptive Multiple-Elites-guided Composite Differential Evolution algorithm with shift mechanism and Layered Optimization mechanism（AMECoDEs-LO）was proposed.Simultaneous optimization of the joint system parameters was completed by using the method of parameter identification.Principal Component Analysis（PCA）was performed by AMECoDEs-LO on stage data in the population，and with the idea of parameter dimensionality reduction，an implicit guidance for convergence accuracy and speed was realized.Experimental results show that under the cooperation of AMECoDEs-LO and the joint system model，the visual manipulator does not require additional instruments during calibration，achieving fast deployment and a 60%improvement in average accuracy compared to the conventional method.In the cases of broken manipulator linkages，reduced servo motor accuracy and increased camera positioning noise，the system still maintains high accuracy，which verifies the robustness of the proposed method.Key words:visual manipulator;layered optimization;Principal Component Analysis(PCA);joint calibration;robustness0 引言 智能机器人作为一种极具前景的技术，对工业和制造业的发展具有重要意义，受到国内外学者的广泛关注1。目前，机械臂在工业场合的应用离不开人工示教，整个过程低效且不能自动执行。一旦工作环境或硬件精度发生改变，机械臂的重新部署需要一系列的测量、分析和验证，增加了制造成本。一个有效的解决方法是在机械臂上集成一个视觉传感器2，但视觉机械臂系统的整体精度不高。影响视觉机械臂系统性能的因素有三点。1）视觉传感器易受外部环境因素影响，造成工作区域内目标物体的定位信息不准确。文献 3 中提出使用双轴倾角仪和激光测距仪，结合蒙特卡洛方法，分析了双目相机在视场内的任意位置和姿态的误差水平，整体定位精度小于2 mm。文献 4 中文章编号：1001-9081（2023）03-0962-10DOI：10.11772/j.issn.1001-9081.2022010037收稿日期：20220113；修回日期：20220314；录用日期：20220322。基金项目：国家自然科学基金资助项目（61901158）；河南省科技厅重点研发与推广专项（202102210121）；开封市重大专项（20ZD014）。作者简介：范贤博俊（1994），男，河南义马人，硕士研究生，主要研究方向：群智能算法；陈立家（1979），男，河南开封人，副教授，博士，主要研究方向：智能计算；李珅（1982），男，河南开封人，助理工程师，主要研究方向：群智能算法；王晨露（1995），女，河南郑州人，硕士研究生，主要研究方向：图像处理；王敏（1997），女，山东菏泽人，硕士研究生，主要研究方向：神经网络；王赞（1984），男，河南开封人，副教授，博士，主要研究方向：雷达信号；刘名果（1984），男，河南巩义人，副教授，博士，主要研究方向：群智能算法。第 3 期范贤博俊等：鲁棒的视觉机械臂联合建模优化方法使用改进的Canny边缘检测算法对目标定位，并通过三角测量法确定目标物体的坐标，实验结果表明，这种方法的平均定位误差为2.4%。2）机械臂运动学模型误差。文献 5 中通过用测量数据拟合空间圆以构建坐标系，提出一种基于D-H（Denavit-Hartenberg）框架的定轴不变原则，通过空间几何约束关系提高机械臂的绝对定位精度。文献 6 中提出一种基于双神经网络近似结构的动态编程算法以实现动态连续时间非线性系统的自适应优化控制。文献 7 中将遗传算法用于工业机械手的参数识别，避免了传统运动学雅可比矩阵的逆运算，使机械手末端的精度提高了 39.29%。3）手眼标定误差。传统方法通过三维空间的几何约束配合校准算法求解手眼变换矩阵，以提高外参矩阵精度8-9。鉴于传统手眼变换矩阵求解的局限性和不稳定性，文献 10 中采用神经网络训练的方法对手眼标定模型进行了补偿。还有一种基于混合视觉检测的机器人手眼关系标定方法，使用三个激光传感器配合单目相机进行标定11。通常视觉机械臂需要分开标定以上三个模型，再集成到整个系统。文献 12 的研究表明，视觉机械臂的相机和机械臂是两个完全独立的系统，将单个模块校准并集成到系统中会引入新的误差，造成误差传播，因此提出一种用于手眼串联机器人系统的全自动校准方法，同时校准了机器人本体、手眼矩阵。该方法只需要一面镜子和一些由机械臂末端的相机拍摄的棋盘图案实现自动校准，而不需要借助任何额外的昂贵的测量仪器。文献 13 中提出了一个手眼标定框架，使用标准的棋盘校准网格，可对由机器人和可变数量的三维摄像机组成的系统进行自动手眼标定。文献 14 中提出了一种基于视觉的机器人自我校准方法，利用安装在机器人末端执行器上的视觉传感器评估机器人的运动参数误差。该方法在线结构激光传感器的结构模型中定义了一个机器人工具中心点（Tool Center Point，TCP），与机器人工作空间中固定的参考点对齐。基于固定点的约束，使用迭代算法确定运动学参数误差和TCP位置误差。文献 15 中将系统误差因素融入Baxter机械臂识别算法，采用动态规划算法使运动学参数在有限时间内收敛到真实值，提高了计算效率；此外，将其扩展到视觉机械臂系统，模拟具有一定强度高斯噪声的相机定位误差，验证了辨识算法对各种误差的适应性。通常现有的研究需要一个或多个设备（如标定板、激光跟踪仪或高精度陀螺仪）进行模型测量和校准。然而，系统越复杂，引入的误差就越大。本文提出了一种鲁棒的视觉机械臂联合建模优化方法，可以在不使用额外测量设备的情况下减少误差。通过一种具有分层优化机制的自适应多精英引 导 复 合 差 分 进 化 算 法（Adaptive Multiple-Elites-guided Composite Differential Evolution algorithm with shift mechanism and Layered Optimization mechanism，AMECoDEs-LO）对系统进行整体建模，避免了单独标定子系统在集成到整个系统时引入额外的误差，校准系统自动且高效；同时，系统的收敛速度极快，可以完成视觉机械臂的快速部署。实验结果表明，本文方法可避免系统中其他测量设备造成的误差，降低部署成本；与六种主流算法相比，本文算法提高了整个系统的收敛速度和精度。本文方法不仅可以完成正常机械臂的自动标定，还可以对有缺陷部件的机械臂进行有效建模，并将缺陷部件的扰动限制在合理范围内；同时，在高斯白噪声扰动实验中验证了方法的鲁棒性。1 视觉机械臂系统整体优化方案 1.1视觉机械臂误差来源视觉机械臂系统整体优化的目的是提高抓取精度，因此需要从抓取流程中分析误差来源，抓取流程如图1所示。由图1可知，首先，相机获取目标物体位置信息，通过手眼转换矩阵获得对应的世界坐标，然后通过机械臂运动学获得关节转角，最后控制机械臂完成抓取。在抓取过程中，误差存在于系统的各个部分，误差来源分为两类：第一类是由外部环境引起的误差，包括光照、温度和湿度；第二类是系统内部误差