研究目的
提出一种基于惯性测量单元(IMU)和位置传感器的在线机器人自标定方法,在无需相机标定、角点检测和激光对准等复杂步骤的情况下,提高位姿测量的可靠性和准确性。
研究成果
所提出的基于多传感器的串联机器人在线自主校准方法具有精确、便捷和高效的特点。该方法无需人工干预,也不涉及相机校准等复杂步骤,适用于动态制造环境。未来的工作将聚焦于改进运动学建模与位姿估计,以实现更高效的机器人校准。
研究不足
该方法要求惯性测量单元(IMU)和位置传感器必须牢固安装在机器人工具上,但并非所有机器人设计都适用此方案。此外,该方法的精度受限于IMU和位置传感器的测量精度。
1:实验设计与方法选择:
该方法通过在机器人末端执行器上安装位置标记和惯性测量单元(IMU)来实时测量机械臂的位置与姿态,采用卡尔曼滤波器与粒子滤波器组合进行位姿估计,并通过扩展卡尔曼滤波器估算运动学参数误差。
2:样本选择与数据来源:
实验使用GOOGOL GRB3016机器人,主要数据来源为IMU与位置传感器的测量值。
3:实验设备与材料清单:
IMU(Xsens MTi-100惯性测量单元)、位置传感器及GOOGOL GRB3016机器人。
4:实验流程与操作步骤:
系统在执行指令后采集静态传感器数据以提高精度,通过卡尔曼滤波器/粒子滤波器方法估算机械臂位姿,并采用扩展卡尔曼滤波器进行运动学参数辨识。
5:数据分析方法:
比较最小二乘估计法(LSE)与扩展卡尔曼滤波器在运动学参数估算精度上的差异。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容