(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221040809 9.3 (22)申请日 2022.04.19 (71)申请人 汕头大学 地址 515063 广东省汕头市大 学路汕头大 学 申请人 汕头大学医学院第一附属医院 (72)发明人 范衠　陈栩聪　宁为博　朱家祺　 蔡泽民　周伟骏　何树星　吴嘉丽　 刘京腾　胡军　陈洪江　张志纲　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 刘力 (51)Int.Cl. B25J 9/16(2006.01) (54)发明名称 一种基于改进SVD算法的机械臂 手眼标定方 法及系统 (57)摘要 本发明公开了一种基于改进SVD算法的机械 臂手眼标定方法及系统， 其方法包括： 建立机械 臂基坐标系和光学系统坐标系； 在相机可视范围 内设置若干个标定位置， 在机械臂末端设置标定 工具； 控制机械臂末端在若干个标定位置中移 动， 获取标定工具在机械臂 基坐标系的第一数据 集和在光学系统坐标系的第二数据集； 获取第一 数据集对应的第一标定数据集和第二数据集对 应的第二标定数据集， 形成手眼标定数据集后再 运算转换为手眼转换矩阵； 利用手眼转换矩阵对 手眼标定 数据集进行逆向反推与误差计算， 判断 手眼转换矩阵是否为最优解； 若否， 更新手眼标 定数据集， 返回确定新的手眼转换矩阵； 若是， 输 出手眼转换矩阵。 本发明可以提高机械臂手眼标 定工作的精度。 权利要求书3页 说明书10页 附图2页 CN 114872039 A 2022.08.09 CN 114872039 A 1.一种基于改进SVD算法的机 械臂手眼标定方法， 其特 征在于， 所述方法包括： 建立机械臂所对应的机 械臂基坐标系和相机所对应的光学系统坐标系； 在所述相机的可视范围内设置若干个标定位置， 且每一个标定位置携带有唯一的标记 信息， 同时在所述机 械臂的末端设置用于执 行标定任务的标定 工具； 控制所述机械臂的末端在所述若干个标定位置 中逐个移动， 获取所述标定工具在所述 机械臂基坐标系下的若干个坐标信息并形成第一数据集， 同时获取所述标定工具在所述光 学系统坐标系下的若干个坐标信息并形成第二数据集； 基于采样算法， 获取所述第 一数据集对应的第 一标定数据集以及所述第 二数据集对应 的第二标定数据集， 进 而形成所述机 械臂的手眼标定数据集； 基于改进SVD算法对所述手眼标定数据集进行处 理， 得到手眼转换矩阵； 利用所述手眼转换矩阵对所述手眼标定数据集进行逆向反推与误差计算， 进而判断所 述手眼转换矩阵是否为 最优解； 若否， 则根据误差计算结果对所述手眼标定数据集进行更新， 再返回重新计算新的手 眼转换矩阵； 若是， 则直接 输出所述手眼转换矩阵。 2.根据权利要求1所述的基于改进SVD算法的机械臂手眼标定方法， 其特征在于， 所述 标定工具包括标定球和法兰盘， 所述标定球通过螺纹连接方式安装在所述法兰盘的顶部， 所述法兰盘的底部通过螺纹连接方式安装在所述机械臂的末端， 所述标定球用于执行标定 任务， 所述法兰盘用于对所述标定球进行固定支撑 。 3.根据权利要求1所述的基于改进SVD算法的机械臂手眼标定方法， 其特征在于， 所述 基于采样算法， 获取 所述第一数据集对应的第一标定数据集包括： 基于FPS算法对所述第一数据集进行下采样处理， 从中提取出既定数量的数据点， 形成 第一下采样点 集合； 基于Kd‑Tree算法对所述第一下采样点集合中的每个数据点进行邻近点搜索， 得到对 应的第一邻近点 集合， 所述第一邻近点 集合包含于所述第一数据集； 构建所述第 一下采样点集合与所述第 一邻近点集合之间的第 一向量集合， 再根据 所述 第一向量集合对所述第一下采样点集合中的每个数据点进 行上采样处理， 得到对应的第一 上采样点 集合； 将所述第一数据集和所述第一上采样点 集合进行合并处 理， 得到第一标定数据集。 4.根据权利要求3所述的基于改进SVD算法的机械臂手眼标定方法， 其特征在于， 所述 获取所述第二数据集对应的第二标定数据集包括： 根据所述第 一下采样点集合中的每个数据点所携带的标记信 息， 从所述第 二数据集中 提取出标记信息相同的数据点， 形成第二下采样点 集合； 基于Kd‑Tree算法对所述第二下采样点集合中的每个数据点进行邻近点搜索， 得到对 应的第二邻近点 集合， 所述第二邻近点 集合包含于所述第二数据集； 构建所述第 二下采样点集合与所述第 二邻近点集合之间的第 二向量集合， 再根据 所述 第二向量集合对所述第二下采样点集合中的每个数据点进 行上采样处理， 得到对应的第二 上采样点 集合； 将所述第二数据集和所述第二上采样点 集合进行合并处 理， 得到第二标定数据集。权　利　要　求　书 1/3 页 2 CN 114872039 A 25.根据权利要求3所述的基于改进SVD算法的机械臂手眼标定方法， 其特征在于， 所述 第一向量 集合中的任意 一个向量的计算公式为： 所述第一上采样点 集合中的任意 一个数据点的计算公式为： 其中， 为所述第一下采样点集合中的第i个数据点sai在所述机械臂基 坐标系下的坐标信息， 为所述第一邻近点集合中的第i个数据点nai在所述 机械臂基坐标系下的坐标信息， 为所述第一向量集合中的第i个向量vai 在所述机械臂基坐标系下的坐标表示， 为所述第一上采样点集合中的第i 个数据点uai在所述机 械臂基坐标系下的坐标信息， h为上采样次数。 6.根据权利要求1所述的基于改进SVD算法的机械臂手眼标定方法， 其特征在于， 所述 基于改进SVD算法对所述手眼标定数据集进行处 理， 得到手眼转换矩阵包括： 计算所述第 一标定数据集的第 一加权平均中心， 再利用所述第 一加权平均中心对所述 第一标定数据集中的每 个数据点进行去中心化， 得到预处 理后的第一标定数据集； 计算所述第 二标定数据集的第 二加权平均中心， 再利用所述第 二加权平均中心对所述 第二标定数据集中的每 个数据点进行去中心化， 得到预处 理后的第二标定数据集； 计算所述预处理后的第一标定数据集与所述预处理后的第二标定数据集之间的协方 差矩阵； 对所述协方差矩阵进行奇异值分解得到旋转矩阵， 进而结合所述第 一加权平均中心和 所述第二加权平均中心计算出平 移矩阵。 7.根据权利要求1所述的基于改进SVD算法的机械臂手眼标定方法， 其特征在于， 所述 利用所述手眼转换矩阵对所述手眼标定数据集进 行逆向反推与误差计算， 进而判断所述手 眼转换矩阵是否为 最优解包括： 利用所述手眼转换矩阵将所述第一标定数据集中的每个数据点转换到所述光学系统 坐标系下进行表示， 得到拟合后的第一标定数据集； 对所述拟合后的第 一标定数据集与 所述第二标定数据集进行对应两点间的差值计算， 得到差值集合；权　利　要　求　书 2/3 页 3 CN 114872039 A 3