公开(公告)号：CN113103238B

公开(公告)日：2024-10-25

申请号：CN202110453316.6

申请日：2021-04-26

Applicant: 福建(泉州)先进制造技术研究院

Inventor： 林文伟 ,  李瑞峰 ,  罗冠泰 ,  张陈涛 ,  汤思榕 ,  梁培栋 ,  赵紫阳

IPC: B25J9/16

Abstract: 本发明提供一种基于数据优化的手眼标定方法，包括如下步骤：A、采集N组标定板姿态数据及对应的机械臂姿态数据；B、计算过渡手眼标定矩阵及变换矩阵，将各变换矩阵拆解为旋转矩阵和平移矩阵；C、若旋转标准差不大于旋转阈值且平移标准差不大于平移阈值，进入步骤E，否则进入步骤D；D、剔除误差最大的数据组，进入步骤B；E、得到对应的理论平移量和理论旋转角，得到真实平移量和真实旋转角；F、若理论平移量与真实平移量之间的第一差值及各理论旋转角与真实旋转角之间的第二差值，均不大于精度阈值，则保存最终手眼标定矩阵，否则，随机剔除一组数据进入步骤B。本发明利用已知真值循环反馈删除数据，获取高精度的手眼标定矩阵。

公开(公告)号：CN115331179B

公开(公告)日：2025-01-10

申请号：CN202211250657.4

申请日：2022-10-12

Applicant: 福建(泉州)先进制造技术研究院

Inventor： 马源 ,  李瑞峰 ,  张陈涛 ,  杨颖颖 ,  赵紫阳 ,  汤思榕 ,  梁培栋

IPC: G06V20/52 ,  G06V10/74 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明公开了一种高实时性的行人追踪方法、装置及可读介质，涉及行人跟随领域，建立行人实际大小与行人跟随地轨拍摄的图像中行人大小的对应关系；获取行人跟随地轨拍摄的当前帧图像，并输入经训练的目标检测模型，得到检测结果，将检测结果与时序数据记录中的前一时刻的检测结果进行相似度比对，根据比对结果判断是否是同一人物；确定检测结果中是否存在时序数据记录中的历史追踪人物更新追踪人物，对追踪人物的位移进行加权插值，得到追踪人物的预测位移；根据对应关系与预测位移得到追踪人物的运动方向和速度，根据运动方向和速度确定行人跟随地轨的运动方向和移动速度，并控制行人跟随地轨移动，解决实时性低、成本高等问题。

公开(公告)号：CN113160326B

公开(公告)日：2024-07-09

申请号：CN202110378420.3

申请日：2021-04-08

Applicant: 福建(泉州)先进制造技术研究院

Inventor： 赵紫阳 ,  李瑞峰 ,  罗冠泰 ,  张陈涛 ,  汤思榕 ,  梁培栋 ,  林文伟

IPC: G06T7/80 ,  G06T7/73 ,  G06T7/66 ,  G06T7/00 ,  B25J19/02 ,  B25J9/16

Abstract: 本发明提供一种基于重建坐标系的手眼标定方法及装置，方法包括如下步骤：确定清晰特征点；建立过渡工具坐标系和工件坐标系；计算图像坐标系与工件坐标系的转化关系；计算第一旋转图像上的特征点坐标A和第二旋转图像上的特征点坐标B，以及坐标A与坐标B的中点C；计算中点C在工件坐标系下的坐标，以及C点与过渡工具坐标系原点之间的偏差量；重建新的工具坐标系，该新工具坐标系的原点为过渡工具坐标系原点加上偏差量，根据该新工具坐标系引导机械臂的定位；进行下一次引导定位时，将新工具坐标系作为过渡工具坐标系，并重新建立新的工具坐标系。本发明消除工具坐标系原点与工件旋转中心的误差，有效提高手眼标定精度。

公开(公告)号：CN115284279B

公开(公告)日：2024-10-01

申请号：CN202210705532.X

申请日：2022-06-21

Applicant: 福建(泉州)先进制造技术研究院

Inventor： 赵紫阳 ,  李瑞峰 ,  罗冠泰 ,  张陈涛 ,  汤思榕 ,  梁培栋

IPC: B25J9/16 ,  G06T7/11 ,  G06T7/33 ,  G06T7/80 ,  G06T19/00 ,  G06V10/25 ,  G06V10/762 ,  G06V10/764

Abstract: 本发明公开了一种基于混叠工件的机械臂抓取方法、装置及可读介质，属于智能制造领域，包含机械臂手眼标定步骤、三维模板设置步骤、三维点云预处理步骤、全局多目标三维点云配准算法和抓取决策算法，实现多工件混叠场景下的无碰撞抓取，提高了计算效率。该方法通过点云预处理提高算法计算效率和稳定性；通过全局多目标三维点云配准算法，同时获得多工件混叠场景下多个工件的位姿信息；通过抓取决策算法，对已获得的多个工件进行抓取目标筛选，保证了最优无碰撞抓取，解决了工件弱纹理、混叠复杂工件识别与定位的难度大的问题。

公开(公告)号：CN113240728B

公开(公告)日：2024-12-13

申请号：CN202110377840.X

申请日：2021-04-08

Applicant: 福建(泉州)先进制造技术研究院

Inventor： 林文伟 ,  李瑞峰 ,  罗冠泰 ,  张陈涛 ,  汤思榕 ,  梁培栋 ,  赵紫阳

IPC: G06T7/66 ,  G06T7/80 ,  G06V10/774 ,  B25J9/16

Abstract: 本发明提供一种基于深度学习的手眼标定方法，包括如下步骤：采集并标注包含标定物的训练图像；训练yolo3模型；设定移动步长S、以及距离阈值D；控制装置随机调节机械臂的位置姿态，相机拍摄以获取调节图像；调用经训练后的yolo3模型对调节图像进行分析，若标定物的尺寸不小于相机视场的一半且实际距离不大于距离阈值D，则拍摄标定图像，并记录机械臂此时的位置姿态数据，否则，按照移动步长S调节机械臂后再次拍摄调节图像，直至再次符合拍摄标定图像；标定图像以满足需要的数量后，进行手眼标定矩阵计算。本发明的过程中无需人工参与，节省人力物力，且计算量小、运算速度快、对标定图像的拍摄要求较低，结果准确率高，鲁棒性更好。