贺敏 陈发毅
摘 要：为了改良爱普生机器人手动输入标定坐标值，提高手眼标定精度，提出一种全新自动标定方法。该文将该方法的重点——建立移动相机中心工具坐标系分为三步，首先求解像素坐标的移动方向和机器人、相素坐标移动距离比值，然后利用循环程序使得标定用圆形圆心等于相机视野中心，最后建立相机中心工具坐标系。该方法操作简单、重复操作性能好、成本低，易于实现工业生产线生产要求。
关键词：爱普生机械手 自动标定 手眼标定 工业视觉
中图分类号：TP241.2 文献标识码：A文章编号：1672-3791（2021）04（b）-0064-03
Design of Automatic Calibration of Hand Eye based on Epson Robot
HE Min CHEN Fayi
（School of Mechanical Engineering， Xihua University， Chengdu， Sichuan Province， 610039 China ）
Abstract： In order to improve the manual input calibration coordinate value of Epson robot and improve the hand-eye calibration accuracy， a new automatic calibration method is proposed. In this paper， the key point of this method —setting up the center tool coordinate system for moving camera is divided into three steps. Firstly， the moving direction of the pixel coordinate and the moving distance ratio of the robot and phase coordinate are solved. Secondly， the circular center of the calibration circle is made equal to the center of the camera's field of vision by using the cyclic program. The method has the advantages of simple operation， good repeated operation performance ， low cost and easy to achieve the production requirements of industrial production lines.
Key Words：Epson manipulator; Automatic calibration; Hand-eye calibration; Industrial visual
爱普生机器人因其操作简单、安全可靠、整体稳定性高等优点被广泛应用，然而在爱普生机器人实际应用中，时常因为手眼标定过程重复精度不高，出现整个生产线的暂停的现象。爱普生机械手的手眼标定，普遍采用传统的手动标定方法。手动标定过程是一次性操作，一旦相机或者机器人位置改变时，需要重新手动标定，其标定过程不仅需要手动输入像素和机器人坐标，而且在得到标定用参考点时，需要人工使用针尖等加工件建立工具坐标系。整个标定过程耗费时间，成本高，同时也不能保证标定精度。针对以上问题，该文提出一种基于爱普生机器人手眼自动标定方法，无需手动建立工具坐标系，在机器人或者相机位置改变时，重新运行标定程序即可。该方法能够适应工业生产需要，具有成本低、时间周期短、操作性高等优点。
1 手动标定
机器视觉系统可以从工作环境中采集到的图像分析处理提取信息，并且可以对空间尺寸进行精确测量和定位，进而反馈给机器人，引导机器人进行抓取、装配等操作[1-2]。手眼标定是在视觉系统中建立机器人坐标与相机像素坐标转换的重要环节。在手动标定过程中，经过2次人工对点，使机器人治具末端对准辅助加工件如针尖，以此建立工具坐标系，得到旋转中心，再通过9次平移运动获得机器人坐标和像素坐标。手动标定过程逻辑思路简单，不需要求解运动关系和建立相机与机器人通信，精度低、重复操作性能差。
手动标定过程，首先，通过机器人管理器移动机器人，使得标定用圆形以九宫格标定顺序依次出现在相机视野中。在Tool 0和Local 0的坐标系下读取每个位置的机器人坐标及像素坐标，并将其保存至机器人点文件中。其次，在机器人管理器中，以輔助工件为旋转中心建立机器人工具坐标系，工具编号为n，通过机器人管理器移动机械手，使得辅助工件中心对准标定用圆形圆心。并且在Tool n、Local 0的状态下，将当前点位保存至机器人点文件中，此点为机器人标定用的参考点。最后，运行机器人标定程序，完成手眼手动标定。
2 自动标定
爱普生机器人手动标定，通过求解AX=XB方程的形式进行标定[3]的传统的手眼标定方法，还是需要高精度的测量设备的新手眼标定方法[4-6]，其过程都需要人工参与标定过程，并且需要经过复杂的运算过程。该文提出的爱普生机器人手眼自动标定，运用2次平移运动求解出机器人坐标与像素坐标的关系，然后根据机器人与标定用圆心的位置，用三角算法计算移动距离，引导机器人向标定用圆心移动。通过2次平移运动和移动距离，建立工具坐标系，用该工具坐标系对准标定用圆形圆心即可读出参考点。自动标定与手动标定相比，标定过程不仅没有人工参与标定过程，而且更加快速和精确，能够保证机器人治具末端的旋转中心与视觉模板中心相等。
2.1 建立通信
手眼自动标定前提，就是建立相机与机器人的通信，能够实现数据传输。机器人与相机约定以太网通信指令，其中通信程序包括网络端口的打开、读取数据、发送数据过程。通信程序可以根据网络端口状态，自行跳转程序，保证相机与机器人正常通信。
2.2 确定像素坐标方向
确定像素坐标方向时，使用三组点位数据（机器人+像素），分别是当前点位，机器人X+方向点位，机器人Y+方向点位。利用3组点位数据的像素坐标建立Local n（n=15），获取新建local坐标的U值，通过矩阵计算得出：在机器人坐标系逆时针旋转U值大小，转换后的机器人坐标与像素坐标系方向一致。具体坐标转换关系如图1所示，当机器人向X机器人坐标系正方向移动时，相机也向像素坐标系X坐标正方向移动。
2.3 工具坐标系的建立
根据像素坐标系轴方向和像素与机器人实际距离比值，最后经过n次平移運动，使机械手上相机视野中心自动对准标定用圆形圆心。视野中心与圆心重合精度，依据条件跳转循环程序实现。循环程序中设定目标像素坐标为相机视野中心坐标，实时获得当前标定圆形圆心的像素值，并且通过当前像素值与目标像的差值指导机械手移动，使得标定用圆形圆心的像素值等于目标像素值，此时跳出循环，具体获得相机中心坐标程序见图2。
按照上述方法，获得建立工具坐标系所需的第一点a。机器人在Tool 0 下旋转一定的角度（可以是2°左右），保证标定用圆形不超出相机视野，重复获取第一点a的步骤，获得第二个点位，记作b点。研究人员用a点和b点通过程序建立工具坐标系，工具坐标系编号为Tool m。此时，在机器人工具坐标系Tool m、本地坐标系Local 0下读取参考点坐标值，并将其保存至机器人点文件中，具体工具坐标系建立程序见图3。
2.4 九宫格数据自动获取
九宫格数据自动获取，首先将相机长边像素和短边像素等分为4份，获得九宫格像素坐标值。然后重复建立工具坐标系步骤中的循环程序，将目标像素值分别改为九宫格像素坐标值。最后机械手分别移动至目标点位，九宫格将对应点位的机器人Tool 0下的坐标值及像素坐标值保存至机器人点文件中。
2.5 生成标定文件
通过工具坐标系的建立和九宫格数据自动获取，得到参考点和标定点数据。VxCalib指令生成标定文件即完成自动标定。
3 实验验证
该文使用EPSON RC+7.0软件，利用VxcalInfo指令对标定准结束状态和校准数据进行读取，实验验证所使用的爱普生机器人的误差为：正负0.02 mm，相机误差：正负0.01 mm，手动、自动标定校准数据分别如图4、图5所示。
4 结语
针对爱普生机器人手动标定精度低、成本高等缺点，提出了自动标定方法。立足于坐标转换、平移运动，对像素坐标系方向和大小的确定，进而建立绕像素中心旋转的机器人工具坐标系，获得标定用参考点。实验结果证明：手动标定和自动标定误差都在手眼标定误差范围之内，但是在同样工作环境下，自动标定精度更高。并且该文提出的自动标定方法，手眼标定过程无需人工参与，并且在需要重新标定时，直接运行标定程序即可。综上所述，该方法不仅能提高标定精度，还能适应工业生产需要。
参考文献
[1] Huang mengqi，jelena ninic，zhang qian bing. BIM，machine learning and computer vision techniques in underground construction： Current status and future perspectives[J].Tunnelling and Underground Space Technology，2021（108）：103677.
[2] Dorián László Galata， Lilla Alexandra Mészáros ， Nikolett Kállai-Szabó， et al. Applications of machine vision in pharmaceutical technology： A review[J].European Journal of Pharmaceutical Sciences，2021，159（2）：105717.
[3] D.Condurache， A.Burlacu.Orthogonal dual tensor method for solving the AX=XB sensor calibration problem[J].Mechanism and Machine Theory，2016（104）：382-404.
[4] 马清华，燕必希，董明利，等.最小化重投影误差的手眼标定优化算法[J].激光杂志，2021，42（1）：104-108.
[5] 田宇轩.中国象棋机器人双目视觉定位和机械手运动学的研究[D].重庆大学，2019.
[6] 雷金周.基于单目视觉的目标位姿测量与机器人定位技术研究[D].南京航空航天大学，2018.
