Please wait a minute...
 首页  期刊介绍 期刊订阅 联系我们 横山亮次奖 百年刊庆
 
最新录用  |  预出版  |  当期目录  |  过刊浏览  |  阅读排行  |  下载排行  |  引用排行  |  横山亮次奖  |  百年刊庆
清华大学学报(自然科学版)  2022, Vol. 62 Issue (3): 391-399    DOI: 10.16511/j.cnki.qhdxxb.2022.25.008
  机械工程 本期目录 | 过刊浏览 | 高级检索 |
基于模型和数据驱动的机器人6D位姿估计方法
刘志, 陈恳, 徐静
清华大学 机械工程系, 北京 100084
Data-driven method for 6D robot pose estimation
LIU Zhi, CHEN Ken, XU Jing
Department of Mechanical Engineering, Tsinghua University, Beijing 100084, China
全文: PDF(4738 KB)   HTML
输出: BibTeX | EndNote (RIS)      
摘要 提高运动精度是机器人执行精密操作的基础。该文针对重载操作造成的机器人末端结构变形问题进行位姿补偿研究。首先,提出了基于模型和数据驱动的机器人末端6D位姿估计方法,该方法利用基于Gauss过程回归的机器人运动学误差模型获得部分目标点空间位置的预测值;然后,提出了基于测量平差的位姿修正方法,对目标点位置的实测值和预测值进行修正,以提高位姿的估计精度。实验结果表明,该文提出的位姿估计方法能够精确地补偿重载操作引入的结构变形误差。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
刘志
陈恳
徐静
关键词 机器人运动补偿运动学误差模型姿态估计    
Abstract:Accurate kinematics are fundamental to precise robot manipulations. This paper presents a motion compensation algorithm to correct for robot end-effector deformation caused by heavy loads. The data-driven method for 6D pose estimation of robot end-effector motion estimates the kinematic error based on a Gaussian process regression to predict the position of the offline target points. Then, a pose correction method based on the adjustment model is used to modify the measured and predicted values of the target points to improve the estimation accuracy of the 6D pose. Tests show that the structural deformation caused by heavy loads is well compensated for by this pose estimation method.
Key wordsrobots    motion compensation    kinematics error model    pose estimation
收稿日期: 2021-06-26      出版日期: 2022-03-10
基金资助:徐静,副教授,E-mail:jingxu@tsinghua.edu.cn
引用本文:   
刘志, 陈恳, 徐静. 基于模型和数据驱动的机器人6D位姿估计方法[J]. 清华大学学报(自然科学版), 2022, 62(3): 391-399.
LIU Zhi, CHEN Ken, XU Jing. Data-driven method for 6D robot pose estimation. Journal of Tsinghua University(Science and Technology), 2022, 62(3): 391-399.
链接本文:  
http://jst.tsinghuajournals.com/CN/10.16511/j.cnki.qhdxxb.2022.25.008  或          http://jst.tsinghuajournals.com/CN/Y2022/V62/I3/391
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
[1] MOORING B W, ROTH Z S, DRIELS M R. Fundamentals of manipulator calibration[M]. New York:Wiley, 1991.
[2] CHEN X Y, ZHANG Q J, SUN Y L. Non-kinematic calibration of industrial robots using a rigid-flexible coupling error model and a full pose measurement method[J]. Robotics and Computer-Integrated Manufacturing, 2019, 57:46-58.
[3] LI R, ZHAO Y. Dynamic error compensation for industrial robot based on thermal effect model[J]. Measurement, 2016, 88:113-120.
[4] 王坤. 工业机器人运动学参数标定及误差补偿研究[D]. 武汉:华中科技大学, 2018. WANG K. Research on calibration and error compensation of kinematics parameters of industrial robots[D]. Wuhan:Huazhong University of Science and Technology, 2018. (in Chinese)
[5] CHEAH C C, HIRANO M, KAWAMURA S, et al. Approximate Jacobian control for robots with uncertain kinematics and dynamics[J]. IEEE Transactions on Robotics and Automation, 2003, 19(4):692-702.
[6] CHENG L, HOU Z G, TAN M. Adaptive neural network tracking control for manipulators with uncertain kinematics, dynamics and actuator model[J]. Automatica, 2009, 45(10):2312-2318.
[7] JING W, TAO P Y, YANG G L, et al. Calibration of industry robots with consideration of loading effects using Product-of-Exponential (POE) and Gaussian Process (GP)[C]//Proceedings of 2016 IEEE International Conference on Robotics and Automation (ICRA). Stockholm, Sweden:IEEE, 2016.
[8] WAN A, XU J, CHEN H P, et al. Optimal path planning and control of assembly robots for hard-measuring easy-deformation assemblies[J]. IEEE/ASME Transactions on Mechatronics, 2017, 22(4):1600-1609.
[9] PALMIERI G, PALPACELLI M C, CARBONARI L, et al. Vision-based kinematic calibration of a small-scale spherical parallel kinematic machine[J]. Robotics and Computer-Integrated Manufacturing, 2018, 49:162-169.
[10] SHIRINZADEH B, TEOH P L, TIAN Y, et al. Laser interferometry-based guidance methodology for high precision positioning of mechanisms and robots[J]. Robotics and Computer-Integrated Manufacturing, 2010, 26(1):74-82.
[11] NUBIOLA A, BONEV I A. Absolute calibration of an ABB IRB 1600 robot using a laser tracker[J]. Robotics and Computer-Integrated Manufacturing, 2013, 29(1):236-245.
[12] 金涨军. 飞机装配中大尺寸测量场的建立与优化技术[D]. 杭州:浙江大学, 2016. JIN Z J. Establishment and optimization of large-volume measuring field in aircraft assembly[D]. Hangzhou:Zhejiang University, 2016. (in Chinese)
[13] WAN A, WANG Y X, XUE G J, et al. Accurate kinematics calibration method for a large-scale machine tool[J]. IEEE Transactions on Industrial Electronics, 2021, 68(10):9832-9843.
[14] WANG W, LIU Y, CHEN R, et al. A calibration method with anistropic weighting for LiDAR and stereo camera system[C]//2019 IEEE International Conference on Robotics and Biomimetics (ROBIO). Dali, China:IEEE, 2019:422-426.
[15] 何志昆, 刘光斌, 赵曦晶, 等. 高斯过程回归方法综述[J]. 控制与决策, 2013, 28(8):1121-1129, 1137. HE Z K, LIU G B, ZHAO X J, et al. Overview of Gaussian process regression[J]. Control and Decision, 2013, 28(8):1121-1129, 1137. (in Chinese)
[16] RASMUSSEN C E, WILLIAMS C K I. Gaussian processes for machine learning[M]. Cambridge:MIT Press, 2006.
[17] 陶本藻, 邱卫宁, 姚宜斌. 误差理论与测量平差基础[M]. 王建国, 译. 武汉:武汉大学出版社, 2019. TAO B Z, QIU W N, YAO Y B. Error theory and foundation of surveying adjustment[M]. WANG J G, Trans. Wuhan:Wuhan University Press, 2019. (in Chinese)
[18] YANG Z L, MOURSHED M, LIU K L, et al. A novel competitive swarm optimized RBF neural network model for short-term solar power generation forecasting[J]. Neurocomputing, 2020, 397:415-421.
[1] 李政清, 侯森浩, 韦金昊, 唐晓强. 面向仓储物流的平面索并联机器人视觉自标定方法[J]. 清华大学学报(自然科学版), 2022, 62(9): 1508-1515.
[2] 张文, 丁雨林, 陈咏华, 孙振国. 基于外部视觉与机载IMU组合的爬壁机器人自主定位方法[J]. 清华大学学报(自然科学版), 2022, 62(9): 1524-1531.
[3] 刘鹏, 乔心州. 大跨度完全约束空间3-DOF柔索驱动并联机器人稳定性灵敏度研究[J]. 清华大学学报(自然科学版), 2022, 62(9): 1548-1558.
[4] 刘天云. 大型填筑工程3D打印技术与应用[J]. 清华大学学报(自然科学版), 2022, 62(8): 1281-1291.
[5] 王煜天, 张瑞杰, 吴军, 汪劲松. 移动式混联喷涂机器人的动力学性能波动评价[J]. 清华大学学报(自然科学版), 2022, 62(5): 971-977.
[6] 孟齐志, 谢福贵, 刘辛军, 袁馨, 薛龙. 高速高负载并联机器人设计[J]. 清华大学学报(自然科学版), 2022, 62(3): 416-426.
[7] 赵雅聪, 王启明. FAST索牵引并联机器人的动力学建模与仿真[J]. 清华大学学报(自然科学版), 2022, 62(11): 1772-1779.
[8] 殷家宁, 姜鹏, 陈明, 姚蕊. FAST索驱动并联机器人与Stewart平台结合的动力学建模方法[J]. 清华大学学报(自然科学版), 2022, 62(11): 1764-1771.
[9] 黎帆, 李东兴, 王殿君, 陈亚, 唐晓强. 基于欠驱动并联索机构的肩关节助力外骨骼[J]. 清华大学学报(自然科学版), 2022, 62(1): 141-148.
[10] 陈璐, 关立文, 刘春, 陈志雄, 薛俊. 基于结构光三维视觉测量的机器人制孔姿态修正方法[J]. 清华大学学报(自然科学版), 2022, 62(1): 149-155.
[11] 关立文, 陈志雄, 刘春, 薛俊. 钻铆机器人静刚度建模及优化[J]. 清华大学学报(自然科学版), 2021, 61(9): 965-971.
[12] 邓青, 施成浩, 王辰阳, 陈彬, 高扬, 张辉. 基于E-LVC技术的重大综合灾害耦合情景推演方法[J]. 清华大学学报(自然科学版), 2021, 61(6): 487-493.
[13] 彭发忠, 段金昊, 邵珠峰, 张兆坤, 王道明. 索驱动TBot及Delta高速并联机器人的性能对比分析[J]. 清华大学学报(自然科学版), 2021, 61(3): 183-192.
[14] 王晓光, 吴军, 林麒. 欠约束绳牵引并联支撑系统运动学分析与鲁棒控制[J]. 清华大学学报(自然科学版), 2021, 61(3): 193-201.
[15] 任凭, 何梦伊. 二自由度悬索并联机器人计算力矩控制[J]. 清华大学学报(自然科学版), 2021, 61(3): 209-216.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 《清华大学学报(自然科学版)》编辑部
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn