CN118269104A - 机器人标定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请公开了一种机器人标定方法、装置、电子设备及存储介质，涉及机器人控制技术领域，本申请为网格的每个顶点分别设置顶点理论姿态，从而基于顶点的位置以及顶点理论姿态构建顶点的顶点理论位姿，然后分别获取机器人在不同顶点的顶点理论位姿控制下的顶点实际位姿，并确定每个顶点实际位姿对于对应的顶点的顶点理论位姿的顶点位姿误差；获取目标位姿，并确定机器人在目标位姿控制下的实际位置；从多个顶点中选取与实际位置相近的多个目标顶点，基于目标位姿与目标顶点的顶点位姿误差，生成预测位姿误差。不仅能够确定机器人的定位误差，也能确定机器人的姿态误差，能够提高机器人的定位精度，并提高机器人执行相应操作时的准确性。

Description

机器人标定方法、装置、电子设备及存储介质

技术领域

本申请涉及机器人控制技术领域，特别涉及一种机器人标定方法、装置、电子设备及存储介质。

背景技术

工业机器人具有运动自由度高、灵活性强、体积小的特点，被广泛应用于搬运码垛、涂胶喷漆、自动焊接、机械加工等工业生产领域中。但工业机器人同时存在运动精度差、定位误差空间分布规律复杂的问题，限制了其在自动测量、精密加工、人机协作、多机协同等领域内的进一步应用。对工业机器人空间定位误差的标定和预测方法，是补偿机器人误差，保证机器人定位精度的重要手段。因此全面有效的工业机器人空间误差标定方法是机器人应用领域的重要技术。

而相关技术中的机器人标定方法通在标定过程中，机器人末端的姿态保持固定，或仅做极少数调整，因此相关技术的标定方法仅适用于机器人姿态不变情况下的定位误差预测和补偿过程。在焊接、加工、测量等机器人应用领域中，机器人末端经常处于连续变化过程，相关技术的标定方法在上述场景下，存在严重的局限性。

发明内容

本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种机器人标定方法、装置、电子设备及存储介质，不仅能够确定机器人的定位误差，也能确定机器人的姿态误差，能够提高机器人的定位精度，并提高机器人执行相应操作时的准确性。

为实现上述目的，本申请实施例的第一方面提供了一种机器人标定方法，包括：

基于机器人的工作空间构建多个相互连接的网格；

为所述网格的每个顶点分别设置顶点理论姿态，分别基于所述顶点的位置与所述顶点理论姿态构建所述顶点的顶点理论位姿；

分别获取所述机器人在不同所述顶点的所述顶点理论位姿控制下的顶点实际位姿，并确定每个所述顶点实际位姿对于对应的所述顶点的所述顶点理论位姿的顶点位姿误差；

获取目标位姿，并确定所述机器人在所述目标位姿控制下的实际位置；

从多个所述顶点中选取与所述实际位置相近的多个目标顶点，并获取所述目标顶点的所述顶点位姿误差；

基于所述目标位姿与所述目标顶点的所述顶点位姿误差，生成预测位姿误差；

基于所述预测位姿误差对所述机器人进行位姿误差补偿。

根据本申请的一些实施例，所述从多个所述顶点中选取与所述实际位置相近的多个目标顶点，包括：

基于所述实际位置，从多个所述网格中确定包络所述实际位置的包络网格；

将所述包络网格的所述顶点作为所述目标顶点。

根据本申请的一些实施例，所述顶点实际位姿包括顶点实际位置与顶点实际姿态；所述顶点位姿误差包括顶点位置误差和顶点姿态误差；

所述并确定每个所述顶点实际位姿对于对应的所述顶点的所述顶点理论位姿的顶点位姿误差，包括：

基于所述顶点的位置与所述顶点实际位置，确定所述顶点的所述顶点位置误差；

基于所述顶点的所述顶点实际姿态与所述顶点理论姿态，确定所述顶点的所述顶点姿态误差。

根据本申请的一些实施例，所述目标位姿包括目标位置和目标姿态；所述预测位姿误差包括预测位置误差和预测姿态误差；

所述基于所述目标位姿与所述目标顶点的所述顶点位姿误差，生成预测位姿误差，包括：

基于各个所述目标顶点的所述顶点位置误差，以及各个所述目标顶点与所述目标位置之间的距离确定所述预测位置误差；

基于各个所述目标顶点的所述顶点姿态误差，以及各个所述目标顶点的所述顶点理论姿态与所述目标姿态之间的夹角确定所述预测姿态误差；

基于所述预测位置误差与所述预测姿态误差确定所述预测位姿误差。

根据本申请的一些实施例，所述基于各个所述目标顶点的所述顶点位置误差，以及各个所述目标顶点与所述目标位置之间的距离确定所述预测位置误差，包括：

基于第一计算公式计算各个所述目标顶点的所述顶点位置误差的权重；所述第一计算公式为：

；

其中，q _i表征第i个所述目标顶点的所述顶点位置误差的权重，N为所述预设数目，d _i表征第i个所述目标顶点与所述目标位置之间的距离；

基于各个所述目标顶点的所述顶点位置误差以及所述顶点位置误差的权重进行加权平均计算，得到所述预测位置误差。

根据本申请的一些实施例，所述基于各个所述目标顶点的所述顶点姿态误差，以及各个所述目标顶点的所述顶点理论姿态与所述目标姿态之间的夹角确定所述预测姿态误差，包括：

基于第二计算公式计算所述目标顶点的所述顶点姿态误差的权重；所述第二计算公式为：

；

其中，ri表征第i个所述目标顶点的所述顶点姿态误差的权重，N为所述预设数目，θi表征第i个所述目标顶点的所述顶点理论姿态与所述目标姿态之间的夹角；

基于各个所述目标顶点的所述顶点姿态误差以及所述顶点姿态误差的权重进行加权平均计算，得到所述预测姿态误差。

根据本申请的一些实施例，所述基于所述预测位姿误差对所述机器人进行位姿误差补偿，包括：

基于所述预测位姿误差构造残差函数；所述残差函数为：

；

其中，，S（B）为所述预测位姿误差，E(B)为残差值，A表征所述目标位置，B表征补偿位置，P(B)为所述补偿位置的理论位姿；

基于所述残差函数在预设范围内搜索所述补偿位置，直至达到预设条件，得到目标补偿位置。

为实现上述目的，本申请第二方面实施例提供了一种机器人标定装置，包括：

网格划分模块，用于基于机器人的工作空间构建多个相互连接的网格；

姿态设置模块，用于为所述网格的每个顶点分别设置顶点理论姿态，分别基于所述顶点的位置与所述顶点理论姿态构建所述顶点的顶点理论位姿；

第一确定模块，用于分别获取所述机器人在不同所述顶点的所述顶点理论位姿控制下的顶点实际位姿，并确定每个所述顶点实际位姿对于对应的所述顶点的所述顶点理论位姿的顶点位姿误差；

第二确定模块，用于获取目标位姿，并确定所述机器人在所述目标位姿控制下的实际位置；

第三确定模块，用于从多个所述顶点中选取与所述实际位置相近的多个目标顶点，以确定所述目标顶点的所述顶点位姿误差；

第四确定模块，用于基于所述目标位姿与所述目标顶点的所述顶点位姿误差，生成预测位姿误差；

补偿模块，用于基于所述预测位姿误差对所述机器人进行位姿误差补偿。

为实现上述目的，本申请第三方面实施例提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面实施例任一项所述的机器人标定方法。

为实现上述目的，本申请第三方面实施例提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现第一方面实施例任一项所述的机器人标定方法。

本申请实施例的机器人标定方法、装置、电子设备及存储介质，在标定过程中，先为网格的每个顶点分别设置顶点理论姿态，从而基于顶点的位置以及顶点理论姿态构建顶点的顶点理论位姿，然后分别获取机器人在不同顶点的顶点理论位姿控制下的顶点实际位姿，并确定每个顶点实际位姿对于对应的顶点的顶点理论位姿的顶点位姿误差；获取目标位姿，并确定机器人在目标位姿控制下的实际位置，从多个顶点中选取与实际位置相近的多个目标顶点，然后基于目标位姿与目标顶点的顶点位姿误差，生成预测位姿误差；通过预测位姿误差对机器人进行位姿误差补偿。预测位姿误差既包括了机器人的位置误差也包括了机器人的姿态误差，因此在标定过程中不仅能够确定机器人的定位误差，也能确定机器人的姿态误差，能够提高机器人的定位精度，并提高机器人执行相应操作时的准确性。

本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

下面结合附图和实施例对本申请做进一步的说明，其中：

图1为本申请实施例的机器人标定方法的流程示意图；

图2为本申请实施例的基于机器人的工作空间构建网格的示意图；

图3为本申请实施例中为网格的每个顶点分别设置顶点理论姿态的示意图；

图4为图1中步骤S150的具体流程示意图；

图5为图1中步骤S130的具体流程示意图；

图6为图1中步骤S160的具体流程示意图；

图7为本申请实施例的目标位姿在网格中的示意图；

图8为图6中步骤S610的具体流程示意图；

图9为图6中步骤S620的具体流程图；

图10为图1中步骤S170的具体流程示意图；

图11为本申请实施例的搜索补偿位置的示意图；

图12为本申请实施例的机器人标定装置的结构示意图；

图13为本申请实施例的电子设备的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。

在本申请的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

在本申请的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本申请的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本申请中的具体含义。

本申请的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

首先，对本申请中涉及的若干名词进行解析：

机器人末端工具中心点（Tool Center Point，TCP）：是工业机器人技术中的一个重要概念，也是工具数据中的一个关键参数。TCP点是指机器人末端执行器（如夹具、喷枪等）上的一个特定点，通常位于工具设备的中心，用于表示工具执行任务时的位置和方向。

TCP点也被称为工具坐标系的原点或末端执行器的参考点，它代表了机器人末端执行器在三维空间中的位置和姿态。通过定义TCP点，工业机器人可以准确地定位和操作工件，执行各种任务，如抓取、放置、装配、焊接等。TCP点的坐标由机器人的控制系统通过运动学计算确定，通常使用三维笛卡尔坐标系（X、Y和Z坐标）来表示末端执行器的位置，并使用姿态参数（如欧拉角或四元数）来描述末端执行器的方向。这些参数对于实现精确和可编程的机器人操作至关重要。

笛卡尔坐标系：是一种在二维或三维空间中表示点或形状位置的数学方法。这种坐标系是由法国数学家勒内笛卡尔（René Descartes）在17世纪创立的。在三维空间中，笛卡尔坐标系扩展为三个相互垂直的数轴：x轴、y轴和z轴。这三个数轴的交点也是原点（O），其坐标为（0，0，0）。空间中的任何一点P都可以通过从原点出发，分别沿x轴、y轴和z轴方向移动一定的距离来确定其位置，这三个距离就是该点的坐标，记作（x，y，z）。

传统的基于空间网格定位误差标定方法，则在机器人工作空间中选取一组固定间隔的空间网格；在标定过程中令机器人依次运动到空间网格顶点上，并测量机器人末端的实际空间坐标，从而得到机器人在每个网格顶点的定位误差；在机器人运动规划过程中，对每个机器人目标点，选取距离最近的8个网格顶点，根据目标点与每个网格顶点的距离之倒数为权重，对每个网格顶点的定位误差求加权平均值为机器人在当前目标点的定位误差，从而实现机器人定位误差标定。在机器人空间标定过程中，传统的空间网格标定方法因机器人的姿态始终不变而存在局限性。在测量、加工、焊接等复杂应用中，工业机器人的末端位置和姿态在运动中均会发生变化，因此机器人的定位误差预测和补偿也应同时考虑位置和姿态的变化。关于工业机器人位置和姿态同时可变的定位误差标定方法尚未有明确的成果。

基于此，本申请实施例提供了一种机器人标定方法、装置、电子设备及存储介质，不仅能够确定机器人的定位误差，也能确定机器人的姿态误差，能够提高机器人的定位精度，并提高机器人执行相应操作时的准确性。

本申请实施例的机器人标定方法可以应用于终端或服务器，在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现机器人标定方法的应用等，但并不局限于以上形式。

本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

参照图1，本申请第一方面实施例提供了一种机器人标定方法。图1示出的方法流程包括但不限于步骤S110至步骤S170。

步骤S110，基于机器人的工作空间构建多个相互连接的网格；

值得注意的是，本申请实施例标定方法适用于工业机器人，例如可以是铣削机器人或焊接机器人。在工业机器人的运行过程中，工业机器人的机器人末端工具中心点的位置以及姿态均是持续变化的。

在一实施例中，参照图2，图2为本申请实施例的基于机器人的工作空间构建网格的示意图。先从机器人的工作空间中选取一个宽度×高度×深度为W×H×D的空间，将其划分为多个彼此相连的网格，且每个网格的尺寸相等。在一实施例中，每个网格均为正方体，正方体的边长为1mm或0.5mm。本领域技术人员可以根据实际情况设定W、H和D。

步骤S120，为网格的每个顶点分别设置顶点理论姿态，分别基于顶点的位置与顶点理论姿态构建顶点的顶点理论位姿；

在一实施例中，参照图3，图3为本申请实施例中为网格的每个顶点分别设置顶点理论姿态的示意图。为每个网格的每个顶点分别设置一个空间向量，作为该顶点的顶端理论姿态，该空间向量可以是通过poe公式计算得到。相邻的两个顶点的顶点理论姿态之间的夹角小于预设角度，且距离越近的两个顶点之间的夹角越小，如此，遵循了机器人误差的空间相似性原理，使机器人在局部区域内的姿态误差和位置误差相解耦，本领域技术人员可以根据实际需要设定预设角度。Poe（Product of exponential）公式是机器人学中常用的数学工具，用于描述并求解串行机器人的运动学模型。POE公式基于李代数和指数映射的概念，能够将机器人末端工具中心点的位姿变换与关节空间坐标之间建立起对应关系。POE公式直接来自刚体运动的指数坐标表示，它无须建立连杆坐标系，只有基坐标系和末端坐标系是必需的，且它们可以任意选择。POE公式背后的关键是将每个关节的螺旋运动施加给后面的杆，通过一系列齐次变换矩阵的乘积来表示机器人从初始位置到目标位置之间所经历的姿态变化过程。

在一实施例中，为网格的每个顶点分别设置顶点理论姿态时，以任意网格的顶点为中心的若干个网格组成的空间内，确定机器人在此空间内的姿态变化范围，使各个顶点的顶点理论姿态之间的夹角不小于机器人在此空间内的姿态变化范围，能够保证在较小的范围内利用稀疏的网格揭示机器人在此空间的位置误差和姿态误差。

在一实施例中，基于网格构笛卡尔坐标系，从而能确定每个网格顶点的坐标，分别基于顶点的位置与顶点理论姿态构建顶点的顶点理论位姿，顶点理论位姿包括顶点的坐标和顶点的顶点理论姿态。

在一实施例中，步骤S120中的为网格的每个顶点分别设置顶点理论姿态，可以包括以下步骤：

获取预设角度；

基于多个网格构建第一空间，获取机器人在第一空间内的姿态变化范围；

从第一空间中的多个网格的顶点中选取一个顶点作为初始顶点，第一空间中的剩余的网格的顶点作为非初始顶点，分别计算各个非初始顶点与初始顶点之间的距离；

为初始顶点设置第一姿态，作为初始顶点的顶点理论姿态；

分别为各个非初始顶点设置第二姿态，作为非初始顶点的顶点理论姿态；第二姿态的计算公式为：

；

其中，为第一姿态，第一姿态可以是通过poe公式生成的。为第j个非初始顶点的第二姿态，为机器人在第一空间内的姿态变化范围，U为预设角度，大于，d _j为第j个非初始顶点与初始顶点之间的距离，M为第一空间内非初始顶点的数量。如此，通过以上步骤给第一空间内的每个网格的每个顶点设置了顶点理论姿态，并且使得相邻的顶点的顶点理论姿态之间的夹角小于预设角度，遵循了机器人误差的空间相似性原理，使机器人在局部区域内的姿态误差和位置误差相解耦；并且，相邻顶点的顶点理论姿态之间的夹角大于机器人在第一空间内的姿态变化范围，能够保证在较小的范围内利用稀疏的网格揭示机器人在此空间的位置误差和姿态误差。

值得注意的是，机器人在工作空间内的姿态变化范围可以是本领域技术人员根据经验设定或挤压机器人的历史运行记录设定的，例如机器人为铣削机器人时，本领域机器人可以从铣削机器人的历史运行记录中获取姿态变化范围，其中，历史运行记录包括了铣削机器人的角度变化。

步骤S130，分别获取机器人在不同顶点的顶点理论位姿控制下的顶点实际位姿，并确定每个顶点实际位姿对于对应的顶点的顶点理论位姿的顶点位姿误差；

在一实施例中，参照图3，图3示意了机器人标定时的运动轨迹。按照每个顶点的顶点理论位姿分别控制机器人进行第一运动，确定机器人每次执行第一运动后的位姿，作为第一运动对应的顶点的顶点实际位姿，基于顶点的顶点实际位姿与顶点理论位姿，确定顶点的顶点位姿误差；分别以每个顶点的顶点理论位姿为目标控制机器人进行第一运动。第一运动是指：选取一个顶点，控制机器人进行运动以使机器人的位姿迫近该顶点的顶点理论位姿的运动过程，但是由于误差的存在，在完成第一运动后，机器人的位姿与该顶点的顶点理论位姿是不相同的，该顶点的顶点实际位姿是指在完成第一运动后机器人的位姿，然后基于该顶点的顶点实际位姿与顶点理论位姿，确定该顶点的顶点位姿误差。如此，依次针对每个顶点控制机器人进行第一运动，能够确定每个顶点的顶点位姿误差。

步骤S140，获取目标位姿，并确定所述机器人在所述目标位姿控制下的实际位置；

在一实施例中，在机器人的工作空间中选取一个点作为目标点，且该目标点在若干网格中的一者内，通过poe公式计算得到机器人在目标点的位姿，作为目标位姿，目标位姿包括目标位置和目标姿态。按照目标位姿控制机器人进行第二运动，确定机器人在执行第二运动后的实际位置。第二运动是指控制机器人进行运动以使机器人的位姿迫近目标位姿的运动过程，但是由于误差的存在，在完成第二运动后，机器人的位姿与目标位姿是不相同的，因此机器人的实际位置与目标位姿中的目标位置不相同。

步骤S150，从多个顶点中选取与实际位置相近的多个目标顶点，并获取目标顶点的顶点位姿误差；

在一实施例中，确定实际位置的坐标，并计算实际位置与周围的顶点之间的距离，将计算得到的各个距离按照从小到大进行排列，将排在前预设数目的距离对应的顶点以确定所述目标顶点的所述顶点位姿误差，从而实现确定预设数目个与实际位置距离最近的顶点以确定目标顶点的顶点位姿误差。

步骤S160，基于目标位姿与目标顶点的顶点位姿误差，生成预测位姿误差；

步骤S170，基于预测位姿误差对机器人进行位姿误差补偿。

本申请实施例通过步骤S110至步骤S170，在标定过程中，先为网格的每个顶点分别设置顶点理论姿态，从而基于顶点的位置以及顶点理论姿态构建顶点的顶点理论位姿，然后分别获取机器人在不同顶点的顶点理论位姿控制下的顶点实际位姿，并确定每个顶点实际位姿对于对应的顶点的顶点理论位姿的顶点位姿误差；获取目标位姿，并确定机器人在目标位姿控制下的实际位置，从多个顶点中选取与实际位置相近的多个目标顶点，然后基于目标位姿与目标顶点的顶点位姿误差，生成预测位姿误差；通过预测位姿误差对机器人进行位姿误差补偿。预测位姿误差既包括了机器人的位置误差也包括了机器人的姿态误差，因此在标定过程中不仅能够确定机器人的定位误差，也能确定机器人的姿态误差，能够提高机器人的定位精度，并提高机器人执行相应操作时的准确性。

在一实施例中，目标位姿包括目标位置。参照图4，图4为图1中步骤S150的具体流程示意图。图4示意的流程包括但不限于步骤S410和步骤S420。

步骤S410，基于实际位置，从多个网格中确定包络实际位置的包络网格；

步骤S420，将包络网格的顶点作为目标顶点。

值得注意的是，由于在步骤S140中，从机器人的工作空间中选取一个点作为目标点，且该目标点在一个网格内，通过poe公式计算得到机器人在目标点的位姿，作为目标位姿。因此，即使存在误差，一般情况下，机器人末端工具中心点的实际位置也在一个网格内，因此可以确定包络实际位置的包络网格，并且将包括网格的顶点作为目标顶点。而网格为正方体，因此目标顶点的数量为8，即预设数目为8。如此，能够快速确定目标顶点，无需进行繁琐的计算，提高处理效率，提高标定速度。

在一实施例中，顶点实际位姿包括顶点实际位置与顶点实际姿态；顶点位姿误差包括顶点位置误差和顶点姿态误差；参照图5，图5为图1中步骤S130的具体流程示意图。图5示意的方法流程包括但不限于步骤S510至步骤S520。

步骤S510，基于顶点的位置与顶点实际位置，确定顶点的顶点位置误差；

值得注意的是，在建立笛卡尔坐标系后，确定顶点的位置的坐标，以及确定顶点实际位置的坐标，通过顶点的位置坐标与顶点实际位置的坐标计算顶点位置误差。由于笛卡尔坐标系包括X方向、Y方向和Z方向，因此顶点位置误差包括X方向的位置误差、Y方向的位置误差和Z方向的位置误差，具体计算过程为：

；

；

；

其中，第i个顶点的位置的坐标为（X _i1，Y _i1，Z _i1），第i个顶点对应的顶点实际位置的坐标为（X _i2，Y _i2，Z _i2），△X _i为第i个顶点的X方向的位置误差；△Y _i为第_i个顶点的Y方向的位置误差；△Z _i为第i个顶点的Z方向的位置误差。

步骤S520，基于顶点的顶点实际姿态与顶点理论姿态，确定顶点的顶点姿态误差。

值得注意的是，笛卡尔坐标系包括X方向、Y方向和Z方向，因此顶点姿态误差包括X方向的姿态误差、Y方向的姿态误差和Z方向的姿态误差，具体计算过程为：

；

；

；

其中，θ _xi1为第i个顶点的顶点实际姿态与X轴的夹角，θ _xi2为第i个顶点的顶点理论姿态与X轴的夹角；θ _yi1为第i个顶点的顶点实际姿态与Y轴的夹角，θ _yi2为第i个顶点的顶点实际姿态与Y轴的夹角，θ _zi1为第i个顶点的顶点实际姿态与Z轴的夹角，θ _zi2为第i个顶点的顶点实际姿态与Z轴的夹角。△θ _xi为第i个顶点的X方向的姿态误差；△θ _yi为第i个顶点的Y方向的姿态误差；△θ _zi为第i个顶点的Z方向的姿态误差。

在一实施例中，目标位姿包括目标位置和目标姿态；预测位姿误差包括预测位置误差和预测姿态误差；参照图6，图6为图1中步骤S160的具体流程示意图。图6示意的方法流程包括但不限于步骤S610至步骤S630。

步骤S610，基于各个目标顶点的顶点位置误差，以及各个目标顶点与目标位置之间的距离确定预测位置误差；

在一实施例中，在通过步骤S510计算得到各个目标顶点的顶点位置误差后，计算各个目标顶点与目标位置之间的距离，并计算各个距离的总和，作为距离总和。将距离与距离总和之间的比例作为与该距离对应的目标顶点的顶点位置误差的权重，然后基于各个目标顶点的顶点位置误差以及顶点位置误差的权重进行加权平均计算，得到预测位置误差。

步骤S620，基于各个目标顶点的顶点姿态误差，以及各个目标顶点的顶点理论姿态与目标姿态之间的夹角确定预测姿态误差；

在一实施例中，参照图7，图7为本申请实施例的目标位姿在网格中的示意图。在通过步骤S520计算得到各个目标顶点的顶点姿态误差后，计算各个顶点的顶点理论姿态与目标姿态之间的夹角，并计算各个夹角的总和，作为夹角总和。将夹角与夹角总和之间的比例作为该夹角对应的目标顶点的顶点姿态误差权重，然后基于各个目标顶点的顶点姿态误差以及顶点姿态误差的权重进行加权平均计算，得到预测姿态误差。

步骤S630，基于预测位置误差与预测姿态误差生成预测位姿误差。

在一实施例中，直接将预测位置误差与预测姿态误差相加，得到预测位姿误差。

在一实施例中，通过以下计算式子得到预测位姿误差：

；

其中，S(B)表征预测位姿误差，S1(B)表征预测位置误差，S2(B)表征预测姿态误差，为预测位置误差的权重，为预测姿态误差的权重，本领域技术人员可以根据实际需要设定和。

在一实施例中，参照图8，图8为图6中步骤S610的具体流程示意图。图8示意的流程包括但不限于步骤S810至步骤S820。

步骤S810，基于第一计算公式计算各个目标顶点的顶点位置误差的权重；

第一计算公式为：

；

其中，q _i表征第i个目标顶点的顶点位置误差的权重，N为预设数目，d _i表征第i个目标顶点与目标位置之间的距离。

步骤S820，基于各个目标顶点的顶点位置误差以及顶点位置误差的权重进行加权平均计算，得到预测位置误差。

本申请实施例通过步骤S810至步骤S820，得到的预测位置误差，能够对机器人进行补偿，以提高机器人的定位精度。

值得注意的是，预测位置误差包括X方向的预测位置误差、Y方向的预测位置误差和Z方向的预测位置误差，具体计算为：

；

；

；

其中，△X _i为第i个目标顶点的X方向的顶点位置误差的位置误差；△Y _i为第_i个目标顶点的顶点位置误差的Y方向的位置误差；△Z _i为第i个目标顶点的顶点位置误差的Z方向的位置误差，N为预设数目，△X为X方向的预测位置误差，△Y为Y方向的预测位置误差，△ Z为Z方向的预测位置误差。

在一实施例中，参照图9，图9为图6中步骤S620的具体流程图。图9示意的流程包括但不限于步骤S910至步骤S920。

步骤S910，基于第二计算公式计算目标顶点的顶点姿态误差的权重；

第二计算公式为：

；

；

其中，ri表征第i个目标顶点的顶点姿态误差的权重，N为预设数目，θi表征第i个目标顶点的顶点理论姿态与目标姿态之间的夹角，表征目标姿态，表征第i个目标顶点的顶点理论姿态。

步骤S920，基于各个目标顶点的顶点姿态误差以及顶点姿态误差的权重进行加权平均计算，得到预测姿态误差。

值得注意的是，本申请实施例通过步骤S910至步骤S920，得到的预测姿态误差，能够对机器人进行补偿，以提高机器人进行操作时的准确性。

值得注意的是，预测姿态误差包括X方向的姿态误差、Y方向的姿态误差和Z方向的姿态误差，具体计算为：

；

；

；

其中，△θ _xi为第i个目标顶点的X方向的姿态误差；△θ _yi为第i个目标顶点的Y方向的姿态误差；△θ _zi为第i个目标顶点的Z方向的姿态误差；N为预设数目。△θ _x为X方向的姿态误差，△θy为Y方向的姿态误差，△θ _z为Z方向的姿态误差，ri表征第i个目标顶点的顶点姿态误差的权重。

在一实施例中，参照图10，图10为图1中步骤S170的具体流程示意图。图10示意的方法流程包括但不限于步骤S1010和步骤S1020。

步骤S1010，基于预测位姿误差构造残差函数；残差函数为：

；

其中，，S（B）为预测位姿误差，E(B)为残差值，A表征目标位置，B表征补偿位置，P(B)为补偿位置的理论位姿；

步骤S1020，基于残差函数在预设范围内搜索补偿位置，直至达到预设条件，得到目标补偿位置。

值得注意的是，参照图11，图11为本申请实施例的搜索补偿位置的示意图。在搜索补充位置的过程中，当机器人从初始原点O出发，旨在抵达预设的目标点A时，由于系统误差的存在，其实际运动终点落在了C点。此时，机器人运动的实际位置C点与预设目标点A之间存在着一种特定的数学映射关系，该关系被定义为C=F(A)。在实际运算求解过程中，无法直接通过反函数A=F-1(C)来精确确定C点坐标以实现目标定位。因此，为了使机器人能够精准达到目标点A，理论上存在一个理想的中间运动点B，B点记为补偿位置，使得当机器人朝着理想点B进行运动时，实际上能准确到达目标需求的位置A，即满足A=F(B)的关系，并由此推导出F(B)-A=0。采用搜索算法寻优，找出适应这一条件的理想点B的坐标值，即可确保机器人按照预设规划，精确无误地运动至目标点A。

在一实施例中，基于残差函数在预设范围内搜索补偿位置，直至达到预设条件，预设条件可以是指E(B)小于预设值或者搜索步长小于某个阈值。当达到预设条件后，可以得到一个关于B点的解，该解包括B点的坐标以及在B点的姿态，当以B点的坐标以及姿态作为目标控制机器人时，机器人能够实现达到目标位姿。本领域技术人员可以根据实际情况设定预设范围，预设范围在机器人的工作空间即可。

在一实施例中，搜索方式可以采用二分法或者黄金分割法，搜索时不断地迭代，以缩减搜索的范围，直到达到预设的精度标准。精度标准一般根据实际任务需求定义，例如焊接机器人的定位精度一般需达到±1mm，而铣削机器人定位精度则需达到±0.5mm以下。

在一实施例中，当得到一个关于补偿位置B点的解后，B点与A点之间的位姿误差不满足预设的精度要求，则继续进行搜索，直至得到的B点与A点之间的位姿误差满足预设的精度要求。

参照图12，本申请第二方面实施例提供了一种机器人标定装置，包括：

网格划分模块1210，用于基于机器人的工作空间构建多个相互连接的网格；

姿态设置模块1220，用于为网格的每个顶点分别设置顶点理论姿态，分别基于顶点的位置与顶点理论姿态构建顶点的顶点理论位姿；

第一确定模块1230，用于分别获取机器人在不同顶点的顶点理论位姿控制下的顶点实际位姿，并确定每个顶点实际位姿对于对应的顶点的顶点理论位姿的顶点位姿误差；

第二确定模块1240，用于获取目标位姿，并确定机器人在目标位姿控制下的实际位置；

第三确定模块1250，用于从多个顶点中选取与实际位置相近的多个目标顶点，并获取目标顶点的顶点位姿误差；

第四确定模块1260，用于基于目标位姿与目标顶点的顶点位姿误差，生成预测位姿误差；

补偿模块1270，用于基于预测位姿误差对机器人进行位姿误差补偿。

该机器人标定装置能够执行本申请实施例的机器人标定方法，在标定过程中，先为网格的每个顶点分别设置顶点理论姿态，从而基于顶点的位置以及顶点理论姿态构建顶点的顶点理论位姿，然后分别获取机器人在不同顶点的顶点理论位姿控制下的顶点实际位姿，并确定每个顶点实际位姿对于对应的顶点的顶点理论位姿的顶点位姿误差；获取目标位姿，并确定机器人在目标位姿控制下的实际位置，从多个顶点中选取与实际位置相近的多个目标顶点，然后基于目标位姿与目标顶点的顶点位姿误差，生成预测位姿误差；通过预测位姿误差对机器人进行位姿误差补偿。预测位姿误差既包括了机器人的位置误差也包括了机器人的姿态误差，因此在标定过程中不仅能够确定机器人的定位误差，也能确定机器人的姿态误差，能够提高机器人的定位精度，并提高机器人执行相应操作时的准确性。

该机器人标定装置的具体实施方式与上述实施例的机器人标定方法的具体实施例基本相同，在此不再赘述，在满足本申请实施例要求的前提下，机器人标定装置还可以设置其他功能模块，以实现上述实施例中的机器人标定方法。

为实现上述目的，本申请第三方面实施例提供了一种电子设备，电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述实施例的机器人标定方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。

在一实施例中，参照图13，图13示意了本申请实施例的电子设备的硬件结构，电子设备包括：

处理器131，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；

存储器132，可以采用只读存储器（ReadOnlyMemory，ROM）、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory，RAM)等形式实现。存储器132可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器132中，并由处理器131来调用执行本申请实施例的机器人标定方法；

输入/输出接口133，用于实现信息输入及输出；

通信接口134，用于实现本设备与其他设备的通信交互，可以通过有线方式（例如USB、网线等）实现通信，也可以通过无线方式（例如移动网络、WIFI、蓝牙等）实现通信；

总线135，在设备的各个组件（例如处理器131、存储器132、输入/输出接口133和通信接口134）之间传输信息；

其中处理器131、存储器132、输入/输出接口133和通信接口134通过总线135实现彼此之间在设备内部的通信连接。

为实现上述目的，本申请第四方面实施例一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序被处理器执行时实现第一方面实施例的机器人标定方法。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本领域技术人员可以理解的是，图中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。

以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。

Claims (10)

1.一种机器人标定方法，其特征在于，包括：

基于机器人的工作空间构建多个相互连接的网格；

为所述网格的每个顶点分别设置顶点理论姿态，分别基于所述顶点的位置与所述顶点理论姿态构建所述顶点的顶点理论位姿；

分别获取所述机器人在不同所述顶点的所述顶点理论位姿控制下的顶点实际位姿，并确定每个所述顶点实际位姿对于对应的所述顶点的所述顶点理论位姿的顶点位姿误差；

获取目标位姿，并确定所述机器人在所述目标位姿控制下的实际位置；

从多个所述顶点中选取与所述实际位置相近的多个目标顶点，并获取所述目标顶点的所述顶点位姿误差；

基于所述目标位姿与所述目标顶点的所述顶点位姿误差，生成预测位姿误差；

基于所述预测位姿误差对所述机器人进行位姿误差补偿。

2.根据权利要求1所述的机器人标定方法，其特征在于，所述从多个所述顶点中选取与所述实际位置相近的多个目标顶点，包括：

基于所述实际位置，从多个所述网格中确定包络所述实际位置的包络网格；

将所述包络网格的所述顶点作为所述目标顶点。

3.根据权利要求1所述的机器人标定方法，其特征在于，所述顶点实际位姿包括顶点实际位置与顶点实际姿态；所述顶点位姿误差包括顶点位置误差和顶点姿态误差；

所述并确定每个所述顶点实际位姿对于对应的所述顶点的所述顶点理论位姿的顶点位姿误差，包括：

基于所述顶点的位置与所述顶点实际位置，确定所述顶点的所述顶点位置误差；

基于所述顶点的所述顶点实际姿态与所述顶点理论姿态，确定所述顶点的所述顶点姿态误差。

4.根据权利要求3所述的机器人标定方法，其特征在于，所述目标位姿包括目标位置和目标姿态；所述预测位姿误差包括预测位置误差和预测姿态误差；

所述基于所述目标位姿与所述目标顶点的所述顶点位姿误差，生成预测位姿误差，包括：

基于各个所述目标顶点的所述顶点位置误差，以及各个所述目标顶点与所述目标位置之间的距离确定所述预测位置误差；

基于各个所述目标顶点的所述顶点姿态误差，以及各个所述目标顶点的所述顶点理论姿态与所述目标姿态之间的夹角确定所述预测姿态误差；

基于所述预测位置误差与所述预测姿态误差确定所述预测位姿误差。

5.根据权利要求4所述的机器人标定方法，其特征在于，所述基于各个所述目标顶点的所述顶点位置误差，以及各个所述目标顶点与所述目标位置之间的距离确定所述预测位置误差，包括：

基于第一计算公式计算各个所述目标顶点的所述顶点位置误差的权重；所述第一计算公式为：

；

其中，q _i表征第i个所述目标顶点的所述顶点位置误差的权重，N为预设数目，d _i表征第i个所述目标顶点与所述目标位置之间的距离；

基于各个所述目标顶点的所述顶点位置误差以及所述顶点位置误差的权重进行加权平均计算，得到所述预测位置误差。

6.根据权利要求4所述的机器人标定方法，其特征在于，所述基于各个所述目标顶点的所述顶点姿态误差，以及各个所述目标顶点的所述顶点理论姿态与所述目标姿态之间的夹角确定所述预测姿态误差，包括：

基于第二计算公式计算所述目标顶点的所述顶点姿态误差的权重；所述第二计算公式为：

；

其中，ri表征第i个所述目标顶点的所述顶点姿态误差的权重，N为预设数目，θi表征第i个所述目标顶点的所述顶点理论姿态与所述目标姿态之间的夹角；

基于各个所述目标顶点的所述顶点姿态误差以及所述顶点姿态误差的权重进行加权平均计算，得到所述预测姿态误差。

7.根据权利要求4所述的机器人标定方法，其特征在于，所述基于所述预测位姿误差对所述机器人进行位姿误差补偿，包括：

基于所述预测位姿误差构造残差函数；所述残差函数为：

；

其中，，S（B）为所述预测位姿误差，E(B)为残差值，A表征所述目标位置，B表征补偿位置，P(B)为所述补偿位置的理论位姿；

基于所述残差函数在预设范围内搜索所述补偿位置，直至达到预设条件，得到目标补偿位置。

8.一种机器人标定装置，其特征在于，包括：

网格划分模块，用于基于机器人的工作空间构建多个相互连接的网格；

姿态设置模块，用于为所述网格的每个顶点分别设置顶点理论姿态，分别基于所述顶点的位置与所述顶点理论姿态构建所述顶点的顶点理论位姿；

第一确定模块，用于分别获取所述机器人在不同所述顶点的所述顶点理论位姿控制下的顶点实际位姿，并确定每个所述顶点实际位姿对于对应的所述顶点的所述顶点理论位姿的顶点位姿误差；

第二确定模块，用于获取目标位姿，并确定所述机器人在所述目标位姿控制下的实际位置；

第三确定模块，用于从多个所述顶点中选取与所述实际位置相近的多个目标顶点，并获取所述目标顶点的所述顶点位姿误差；

第四确定模块，用于基于所述目标位姿与所述目标顶点的所述顶点位姿误差，生成预测位姿误差；

补偿模块，用于基于所述预测位姿误差对所述机器人进行位姿误差补偿。

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的机器人标定方法。

10.一种计算机可读存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的机器人标定方法。