申请/专利权人：中山大学

申请日：2024-01-16

公开（公告）日：2024-03-22

公开（公告）号：CN117733868A

主分类号：B25J9/16

分类号：B25J9/16

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本申请公开了基于复合学习和单应性矩阵的机器人3D视觉伺服方法，包括：基于参数化相机模型，确定机械臂各个特征点的当前像素坐标和期望位姿的期望像素坐标；结合单应性矩阵对特征点进行单应性分解，得到当前像素坐标与期望像素坐标的旋转误差和深度比值；根据旋转误差和深度比值，采用归一化复合学习相机参数更新律更新在线标定参数；根据在线标定参数，采用控制器表达式计算力矩；根据力矩，将机械臂调整到期望位姿。本申请实施例能够对在线标定参数进行更为精确的标定，进而使得根据该在线标定参数计算的力矩能够更为精确，解决局部极小值的问题，能够精准地将机械臂调整到期望位姿，完成机器人3D伺服，可广泛应用于机器人技术领域。

主权项：1.基于复合学习和单应性矩阵的机器人3D视觉伺服方法，其特征在于，包括：基于参数化相机模型，确定机械臂各个特征点的当前像素坐标和期望位姿的期望像素坐标；结合单应性矩阵对所述特征点进行单应性分解，得到所述当前像素坐标与所述期望像素坐标的旋转误差和深度比值；根据所述旋转误差和所述深度比值，采用归一化复合学习相机参数更新律更新在线标定参数；根据所述在线标定参数，采用控制器表达式计算力矩；根据所述力矩，将机械臂调整到所述期望位姿。

全文数据：

权利要求：

百度查询： 中山大学 基于复合学习和单应性矩阵的机器人3D视觉伺服方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD