基于深度学习的机械臂位姿高精度视觉监测

摘要

针对机械臂标定方法存在的成本高、效率低等问题,以其中耗时最长、成本最高的末端位姿测量环节为切入点,提出一种基于深度学习的末端位姿高精度、实时视觉监测方法。首先,分析了视觉系统复杂误差源对末端靶标位姿测量结果的影响;其次,以此为依据建立神经网络结构,其输入特征为包含测量误差的靶标位姿,输出标签为精确计算的末端关节位姿;最后,在指定监测点的邻域空间内分别生成训练样本和测试样本。仿真结果表明,训练后的网络结构在超过99%测试样本上能达到0.025 mm预测精度,与激光跟踪仪测距精度相当。新方法将神经网络强大学习能力与视觉系统复杂误差来源相结合,使低成本机器视觉方法也能实现高精度测量。