一种基于参数重组神经网络的机器人残差补偿方法

    公开(公告)号:CN115319756B

    公开(公告)日:2025-02-14

    申请号:CN202211142953.2

    申请日:2022-09-20

    Abstract: 本发明公开了一种基于参数重组神经网络的机器人残差补偿方法,包括以下步骤:获取被测物体的原始位置数据;通过校准后的系统运动学模型获取世界坐标系中的初始位置;将与所述系统运动学模型和所述原始数据相关的参数进行参数重组,将重组后的参数输入DNN中获取残余误差;基于所述残余误差与所述初始位置进行误差补偿,获取校正后的位置,完成残差补偿。本发明提高定位精度。

    基于多介质折射成像的水下结构光测量标定方法及系统

    公开(公告)号:CN113744351B

    公开(公告)日:2023-11-28

    申请号:CN202111030950.5

    申请日:2021-09-03

    Abstract: 本发明提供一种基于多介质折射成像的水下结构光测量标定方法及系统,包括:在空气中,对结构光测量单元进行多姿态标定,采集多张不同视角的标定板图像,辨识求解相机内参;然后,在水下,对结构光测量单元进行多姿态标定,采集多张不同视角的标定板图像,辨识求解相机旋转矩阵和平移矩阵初值;之后,基于水下多介质折射成像模型,对相机旋转矩阵和平移矩阵初值进行迭代优化,计算相机旋转矩阵和平移矩阵终值;最后,在水下,通过对标定板设定距离的多次移动,进行光平面标定,基于共面标靶的标定原理进行线面求交,计算求解光平面方程。本发明标定过程简单,标定效率高,标定耗时短,标定重投影误差小,标定辨识参数准确。

    一种基于散斑匹配网络的高精度三维形貌测量方法与系统

    公开(公告)号:CN115482268A

    公开(公告)日:2022-12-16

    申请号:CN202211142765.X

    申请日:2022-09-20

    Abstract: 本发明公开了一种基于散斑匹配网络的高精度三维形貌测量方法与系统,其中测量方法包括:获取待测物体的左表面图与右表面图;基于映射函数构建右表面图中的目标子区和左表面图的参考子区之间的关系;基于左表面图与右表面图构建散斑数据集,对散斑数据集进行预处理;构建散斑匹配网络,基于散斑数据集与散斑匹配网络进行三维形貌测量。测量系统包括可实现获取高精度数据集的数据集采集装置与用于网络训练的高性能GPU。本发明利用一个专制的散斑投影装置采集了一个包含上千数据量的高精度的散斑双目数据集,并实现快速、高精度和边缘信息保护的三维形貌测量,相比于传统的测量方法误差明显减少,而且训练参数和推理时间均大幅下降。

    基于多介质折射成像的水下结构光测量标定方法及系统

    公开(公告)号:CN113744351A

    公开(公告)日:2021-12-03

    申请号:CN202111030950.5

    申请日:2021-09-03

    Abstract: 本发明提供一种基于多介质折射成像的水下结构光测量标定方法及系统,包括:在空气中,对结构光测量单元进行多姿态标定,采集多张不同视角的标定板图像,辨识求解相机内参;然后,在水下,对结构光测量单元进行多姿态标定,采集多张不同视角的标定板图像,辨识求解相机旋转矩阵和平移矩阵初值;之后,基于水下多介质折射成像模型,对相机旋转矩阵和平移矩阵初值进行迭代优化,计算相机旋转矩阵和平移矩阵终值;最后,在水下,通过对标定板设定距离的多次移动,进行光平面标定,基于共面标靶的标定原理进行线面求交,计算求解光平面方程。本发明标定过程简单,标定效率高,标定耗时短,标定重投影误差小,标定辨识参数准确。

    一种基于参数重组神经网络的机器人残差补偿方法

    公开(公告)号:CN115319756A

    公开(公告)日:2022-11-11

    申请号:CN202211142953.2

    申请日:2022-09-20

    Abstract: 本发明公开了一种基于参数重组神经网络的机器人残差补偿方法,包括以下步骤:获取被测物体的原始位置数据;通过校准后的系统运动学模型获取世界坐标系中的初始位置;将与所述系统运动学模型和所述原始数据相关的参数进行参数重组,将重组后的参数输入DNN中获取残余误差;基于所述残余误差与所述初始位置进行误差补偿,获取校正后的位置,完成残差补偿。本发明提高定位精度。

Patent Agency Ranking