机器人基础与实践 课件 第5、6章 机器人静力及动力学基础与实践、机器人传感器的基础与实践

机器人静力及动力学基础与实践机器人力学解决的问题010203机器人静力学分析机器人动力学分析0405机器人力学实践案例

轮式仿人机器人力学训练机器人力学解决的问题PART015.1机器人力学解决的问题机器人是一种主动机械装置，原则上它的每个自由度都可进行单独运动。从控制观点来看，机器人系统代表冗余的、多变量的和本质非线性的自动控制系统，也是个复杂的力学耦合系统。每个关节控制任务本身，就是一个力学任务。研究机器人的力学问题，就是为了进一步为控制服务。机器人静力学分析PART025.2

机器人静力学分析5.2.1机器人杆件受力分析

5.2

机器人静力学分析5.2.1机器人杆件受力分析

5.2

机器人静力学分析5.2.2机器人力雅各比矩阵

5.2

机器人静力学分析

5.2

机器人静力学分析

5.2

机器人静力学分析5.2.3机器人静力计算

机器人杆件静力计算分为两种情况：

5.2

机器人静力学分析

5.2

机器人静力学分析

5.2

机器人静力学分析5.2.4机器人的静态特性稳态(或静态)问题是动态问题的特例。本节将研究机器人的稳态负荷(包括力和力矩)问题:静力和力矩表示方法不同坐标系间静负荷的变换确定机器人静态关节力矩确定机器人所载物体的质量5.2

机器人静力学分析(1)静力和静力矩表示方法

5.2

机器人静力学分析(2)不同坐标系间静负荷的变换

5.2

机器人静力学分析(2)不同坐标系间静负荷的变换

5.2

机器人静力学分析(2)不同坐标系间静负荷的变换

5.2

机器人静力学分析(2)不同坐标系间静负荷的变换对式(5-21)求逆可得:

（5-22）5.2

机器人静力学分析(2)不同坐标系间静负荷的变换再将式(5-22)左边和右边的前三行与后三行进行交换，

（5-23）比较式(5-22)和式(5-17)可见，两式右边的第一个矩阵，即雅可比矩阵是相同的。不同坐标系间的力和力矩变换可用与微分平移变换及微分旋转变换一样的方法进行。5.2

机器人静力学分析(2)不同坐标系间静负荷的变换

5.2

机器人静力学分析

5.2

机器人静力学分析(3)确定机器人静态关节力矩

5.2

机器人静力学分析（4）确定机器人所载物体的质量

5.2

机器人静力学分析

5.2

机器人静力学分析

机器人动力学分析PART035.3机器人动力学分析机器人动力学主要研究机器人运动和受力之间的关系;目的是对机器人进行控制、优化设计和仿真。同样有动力学正、逆两类问题：动力学正问题是已知各关节的驱动力(或力矩)，求解各关节位移、速度和加速度，进而求得机器人的运动轨迹，主要用于机器人的仿真；动力学逆问题是已知机器人的运动轨迹，即已知机器人关节的位移、速度和加速度，求解所需要的关节力(或力矩)，是实时控制的需要。5.3机器人动力学分析

5.3.1牛顿-欧拉方程5.3机器人动力学分析5.3.2虚位移原理机器人结构复杂，其机构连杆通过关节相互连接，相互作用，存在很多未知的约束反力，这些约束反力在所研究的问题中往往并不需要知道利用虚位移原理可以使机器人的动力学平衡方程中不出现约束反力，从而使联立方程数目减少，运算简化。

5.3机器人动力学分析

5.3机器人动力学分析

5.3机器人动力学分析

5.3机器人动力学分析

5.3机器人动力学分析

5.3机器人动力学分析

5.3机器人动力学分析

5.3机器人动力学分析

5.3机器人动力学分析

5.3机器人动力学分析

5.3机器人动力学分析

机器人力学实践案例PART045.4轮式仿人机器人力学实践案例5.4.1轮式仿人机器人静力学实践案例下面对静力学进行分组训练。

第一组，关节位置及末端施加的力和力矩，计算雅可比矩阵，比较理论值和仿真值。（1）关节位置，如表5-1所示。关节名称主作业臂前后关节主作业臂左右关节右大臂旋转关节右肘部关节右小臂旋转关节右手腕关节位置/rad000000表5-1关节位置（2）末端施加的力和力矩：力F={9；2；8}，依次是沿着x、y和z轴的力分量，单位N；力矩T={0；0；0}，依次是绕着x、y和z轴的扭矩分量，单位N/m。（3）雅可比矩阵，如表5-2所示。0.00000.0212-0.24370.0235-0.0000-0.4908-0.0000-0.00000.00000.0021-0.48810.00000.0000-0.00000.00000.00000.0138-0.00080.00000.00000.00000.0000-1.00000.0000-0.0001-0.9998-0.0240-0.9998-0.0001-0.01001.0000-0.02390.9997-0.02390.00000.9999表5-2雅各比矩阵J5.4轮式仿人机器人力学实践案例（4）理论力和仿真力如表5-3所示。表5-3理论力和仿真力比较表（5）理论力和仿真力如图所示主作业臂前后关节主作业臂左右关节右大臂旋转关节右肘部关节右小臂旋转关节右手腕关节计算力/N-0.4361-6.459-1.2122-1.4292-0.0010.0004读取力/N-0.3672-6.6727-1.2601-1.53990.00350.00045.4轮式仿人机器人力学实践案例下面对静力学进行分组训练。第二组，关节位置及末端施加的力和力矩，计算雅可比矩阵，比较理论值和仿真值。（1）关节位置，如表5-4所示。表5-4关节位置（2）末端施加的力和力矩：力F={10；10；10}，依次是沿着x、y和z轴的力分量，单位N；力矩T={0；0；0}，依次是绕着x、y和z轴的扭矩分量，单位N/m。（3）雅可比矩阵，如表5-5所示。0.00000.0129-0.13270.0445-0.0755-0.3353-0.00000.0035-0.1497-0.0853-0.4320-0.00290.0000-0.01650.1395-0.0805-0.13840.2946-0.0000-0.4793-0.4308-0.7872-0.59380.2402-0.0000-0.87730.2114-0.56340.80230.10951.0000-0.02390.8773-0.25080.06150.9645表5-5雅各比矩阵J关节名称主作业臂前后关节主作业臂左右关节右大臂旋转关节右肘部关节右小臂旋转关节右手腕关节位置/rad0.5-0.50.50.50.50.55.4轮式仿人机器人力学实践案例（4）理论力和仿真力如表5-6所示。表5-6理论力和仿真力比较表（5）理论力和仿真力如图所示主作业臂前后关节主作业臂左右关节右大臂旋转关节右肘部关节右小臂旋转关节右手腕关节计算力/N-4.4235-0.8660.216-2.19280.19050.0003读取力/N-4.472-0.96430.2206-2.23490.19430.00025.4轮式仿人机器人力学实践案例以主作业臂小臂旋转关节的轨迹跟踪效果为例，如下图所示，其跟踪误差较小，较理想的实现了轨迹跟踪。右小臂旋转关节期望位置和实际位置对比右小臂旋转关节期望速度和实际位置对比5.4.1轮式仿人机器人静力学实践案例轮式仿人机器人力学训练PART055.5机器人力学实践训练5.5.1轮式仿人机器人训练环境介绍在V-REP平台下，进行机器人主作业臂仿真实验。首先单击V-REP图标

，显示默认窗口，如下图。V-REP显示默认窗口5.5机器人力学实践训练V-REP文件以.ttt作为后缀。打开“bigwhite.ttt”文件，依次选择：“File->Openscene…”，如图所示，点击“Openscene…”选项。File->Openscene5.5机器人力学实践训练在弹出窗口中，定位到“bigwhite.ttt”文件（或你所需要打开.ttt文件）所在路径，依次单击“bigwhite.ttt->”打开，如图所示，便实现在V-REP中打开“bigwhite.ttt”文件。定位到“bigwhite.ttt”文件V-REP中“bigwhite.ttt”文件显示效果图5.5机器人力学实践训练1.机器人主作业臂介绍。机器人主作业臂（right_arm）显示效果如左图所示，由六个关节组成，从上往下依次为主作业臂前后运动关节、主作业臂左右运动关节、主作业臂大臂旋转关节、主作业臂肘部关节、主作业臂小臂旋转关节、主作业臂手腕关节，均为旋转关节。机器人主作业臂显示图机器人主作业臂关节5.5.2轮式仿人机器人静力学实践训练5.5机器人力学实践训练以主作业臂前后运动关节为例，如图a所示，介绍V-REP三种图标的含义。“right_arm_fb_joint”为名的图标表示关节，对其进行位置控制力控制，实现机器人相应部分运动，如图b所示；“right_arm_fb_link_respondable”为名的图标表示与外界产生碰撞的实体，如图c所示；“right_arm_fb_link_visual”为名的图标仅作为显示用，如图d所示。图a主作业臂前后关节图b“right_arm_fb_joint”图c“right_arm_fb_link_respondable”图d“right_arm_fb_link_visual”5.5机器人力学实践训练2.IKGroup设置

在V-REP打开“bigwhite_jacobian.ttt”文件，如下图所示。

注意到此仿真我们将主作业臂末端执行器删除，防止主作业臂末端执行器对接下来仿真造成影响。bigwhite_jacobian.ttt5.5机器人力学实践训练首先，在V-REP中进行机器人主作业臂IK组的设置。将机器人主作业臂的六个关节，均将其设置为IK模式，才能获取雅可比矩阵。以主作业臂前后为例，如图所示，双击“right_arm_fb_joint”，在出现“SceneObjectProperities”窗口Mode下，选择“Inversekinematicmode”。主作业臂前后IK设置5.5机器人力学实践训练在场景中任意位置添加dummy：“base_link”，保证其方向基础坐标系相同，均为z轴向上，x轴向右（以机器人视角，下面未作特殊说明，均以机器人视角为准），如图所示。dummy：“base_link”

在机器人主作业臂手腕关节上添加dummy：“rw_tip6”，如下图所示，其方向与主作业臂手腕坐标系方向相同，z轴向右，x轴向后。

随后双击“rw_tip6dummuy”，在弹出的“SceneObjectProperties”的“Dummy-dummylinking”中，进行如图设置，即将其于“base_linkdummy”连接，并且设置为IK模式。dummy：rw_tip65.5机器人力学实践训练单击V-REP计算模块“f(x)”，如图所示，依次点击“AddnewIKgroup->Addnewelementwithtip”，并设置相应参数。此处将该IK组命名为“IKGroup”，获取相对于世界坐标系的雅可比矩阵。5.5机器人力学实践训练由于静力学不考虑重力，因此在V-REP计算模块“f(x)”，选择“Dymamics”，将其Gravity均设置为0，如图所示Gravity均设置为03.获取机器人主作业臂六个关节的雅可比矩阵非线程脚本（Non-threadingscripts）是按顺序执行的，每个脚本都在一个单独的线程中运行，但不会创建额外的并发线程。它适合处理顺序执行的任务，如对机器人进行简单控制、传感器数据采集、单个任务的事件处理等。线程脚本（Threadingscripts）可以创建额外的并发线程，允许同时执行多个任务。它适合处理需要并发执行的任务，如同时控制多个机器人、处理多个传感器数据等。5.5机器人力学实践训练单击选择“Labor”为名图标后，单击右键，如图依次选择，添加非线程脚本。添加非线程脚本5.5机器人力学实践训练在V-REP编写Lua非线程脚本获取机器人主作业臂六个关节在世界坐标系下的雅可比矩阵，如图所示。获取雅可比矩阵的Lua脚本开始运行按钮在V-REP终端显示的雅可比矩阵如图所示。V-REP终端显示的雅可比矩阵5.5机器人力学实践训练图5-31添加球体图5-32球体设置图5-33球体坐标位置及结构位置4.施加力在机器人主作业臂末端手腕关节添加球体，以便对其施加力。添加球体的操作如图5-31所示，依次点击”Add->Primitiveshape->Sphere”；球体设置如图5-32所示，直径为0.001m。将其移动到主作业臂手腕关节中心位置后，在场景结构图中，将其移动到主作业臂手腕关节下，表示其为主作业臂手腕子部分，如图5-33所示。5.5机器人力学实践训练5.读取机器人主作业臂各个关节受到的力。在V-REP编写Lua非线程脚本获取机器人主作业臂关节受到的力，代码如图5-34所示。图5-34Lua非线程脚本：获取机器人主作业臂各个关节受到的力用“sim.addForceAndTorque”函数，改变相应参数，在机器人主作业臂施加力或力矩。此外力相当于施加于手腕关节处。“sim.addForceAndTorque”函数用法如下：“numberresult=sim.addForceAndTorque(numbershapeHandle，table_3force，table_3torque)”向动态启用的形状

对象添加力和/或转矩。力施加在质心处。添加的力和扭矩是累积的，在调用“sim.handleDynamics”后（或通过使用以下标志：“sim.handliflag_resetforce”和/或“sim.handlerag_resetttorque”）重置为零。力指的是模型的平动，力矩指模型的转动。5.5机器人力学实践训练在V-REP终端显示的机器人主作业臂各个关节受到的力，如图5-35所示。从左到右，以此为主作业臂前后关节、主作业臂左右关节、右大臂旋转关节、右肘部关节、右小臂旋转关节、右手腕关节所受到的力。图5-35V-REP终端显示的机器人主作业臂各个关节受到的力6.用雅可比矩阵计算各个关节所受的力。下列公式中，F表示各关节受到的力，J为相应的雅可比矩阵，JT表示雅可比矩阵的转置，Tao为末端受到的力和力矩。F=JT*Tao本章结束机器人传感器的基础与实践机器人传感器概述010203机器人内部传感器机器人外部传感器0405机器人环境检测传感器机器人传感器实践机器人传感器概述PART016.1机器人传感器概述6.1.1机器人传感器的分类6.1机器人传感器概述6.1.2传感器的特性指标

（6-1）

非线性误差的大小是以一定的拟合直线为基准直线而得出来的。拟合直线不同，非线性误差也不同。选择拟合直线的原则，是获得最小的非线性误差的关键。通常使用最小二乘法确定拟合直线，选定合适的直线方程系数，使静态标定曲线与拟合直线偏差的平方和为最小。这种方法拟合精度高，但是计算繁琐。6.1机器人传感器概述6.1.2传感器的特性指标

（6-2）

迟滞一般是由于传感器敏感元件材料的物理特性引起的，例如磁滞回线。图6-1迟滞特性6.1机器人传感器概述6.1.2传感器的特性指标图6-1迟滞特性重复性

重复性是指，传感器在输入按同一方向连续多次变动时，所得特性曲线不一致的程度，可以反映随机误差的大小。重复性误差可用正反行程的最大偏差表示，即

（6-3）

在图6-2中，△Rmax1是正行程的最大重复性偏差，△Rmax2是反行程的最大重复性偏差。图6-2传感器重复特性6.1机器人传感器概述6.1.2传感器的特性指标图6-2传感器重复特性精度精度反映传感器测量结果与真值的接近程度，通常用相对误差大小表示精度高低。传感器的精度可以通过线性度、灵敏度、滞后量、重复性误差来表示:测量范围

在机器人应用中，测量范围也是一个重要的额定值，机器人的传感器经常运行在输入值超过它们工作范围的环境中。关键在于了解传感器将如何响应。稳定性稳定性表示在较长时间内传感器对于大小相同的输入量，其输出量发生变化的程度。一般在相同的条件下，经过规定的时间间隔后传感器输出的差值称为稳定性误差。分辨率分辨率表示传感器能检测到输入量的最小变化能力。当输入量缓慢变化超过某一增量时，传感器才能检测到输入量的变化，这个输入量的增量称为分辨率。带宽或频率带宽或频率常用于衡量传感器测量速度。形式上，每秒测量数目定义为传感器的频率，单位为Hz。对用于测距的传感器增加测距带宽，已成为机器人学领域的高优先级目标。

(6-4)

机器人内部传感器PART026.2机器人内部传感器6.2.1位移传感器光学编码器用于测量车轮旋转或关节转动，以进行运动控制或导航。已经成为在电机驱动内部、轮轴或在操纵机构上测量角速度和位置的最普及的装置。在机器人学中，用于测量轮子的位置或速度以及其他电机驱动的关节位置和速度。光学编码器基本上是一个机械的光振子对各轴转动，它产生一定数量的正弦或方波脉冲。由照明源、屏蔽光的固定光栅、与轴一起旋转带细光栅的转盘和固定的光检测器组成。机器人学中，最后得到的正弦波用阈值变换成离散的方波，在亮和暗的状态之间作选择。根据所需的带宽，最关键的是编码器必须足够地快，以计算期望的轴转速。光学编码器一般处在机器人内部受控的环境中，可设计成无系统误差和无交叉灵敏度。6.2机器人内部传感器6.2.2速度和加速度传感器

速度传感器它们有两种主要型式：直流测速发电机和交流测速发电机。测速发电机是输出电动势与转速成比例的微型电机。测速发电机的绕组和磁路经精确设计，其输出电动势E和转速n成线性关系

加速度传感器加速度传感器是一种能够测量加速度的传感器。通常由质量块、阻尼器、弹性元件、敏感元件和适调电路等部分组成。根据传感器敏感元件的不同，常见的加速度传感器包括电容式、电感式、应变式、压阻式、压电式等。6.2机器人内部传感器6.2.3力传感器机器人力传感器：用于测量机器人执行任务时所施加的力或压力。通常安装在关节或末端执行器上，监测机器人与环境或操作对象之间的力；主要功能和特点包括：力测量：能够准确测量机器人施加或受到的力，包括压力、张力、扭矩等；控制和反馈：通过监测力的变化，帮助机器人实现精准的力控制；安全性：用于监测机器人与人类或其他物体间的接触力，确保操作安全；可靠性：具有高精度和可靠性，能够在各种工作条件下稳定运行。应用广泛：在工业机器人、服务机器人、医疗机器人等领域都有广泛的应用。力传感器最初是两个形状之间的刚性连接，能够测量传递的力和扭矩。刚性是有条件的，如果超过力或扭矩阈值，力传感器可能会损坏。6.2机器人内部传感器6.2.3力传感器力传感器的应用：力传感器物体（绿色）测量锚定在墙壁上的光束（蓝色）施加的力和扭矩（红色）力传感器测量一对3个值，分别表示传感器沿x、y和z轴的力，以及传感器上围绕x、y和z轴的扭矩;力传感器充当刚性连杆;在仿真过程中，当指定的力/扭矩阈值过冲或满足其他一些用户定义的条件时，力传感器可能会损坏。图6-3力传感器应用图6-4力传感器测量力和扭矩图6-5力传感器损坏状态机器人外部传感器PART036.3机器人外部传感器6.3.1触觉传感器机器人的触觉广义上可获取信息：接触信息；狭小区域上的压力信息；分布压力信息；力和力矩信息；滑觉信息。这些信息分别用于触觉识别和触觉控制。从检测信息及等级考虑，触觉识别可分为点信息识别、平面信息识别和空间信息识别3种。单向微动开关：当规定的位移或力作用到执行器时，开关的接点断开或接通而发出相应的信号。接近开关：非接触式接近传感器，有高频振荡式、电容感应式、超声波式、气动式、光电式、光纤式等多种接近开关。光电开关：由LED光源和光电二极管或光电三极管等光敏元件相隔一定距离构成的透光式开关。特点是非接触检测，精度可达0.5mm左右。触须传感器：由须状触头及其检测部构成，触头由具有一定长度的柔软和中空条丝构成，它与物体接触所产生的弯曲由在根部的检测单元检测。6.3机器人外部传感器6.3.2压觉传感器关节式机器人与固体实际接触时，机器人进行适当动作的必要条件有三个：机器人必须能够识别实际存在的接触(检测)；机器人必须知道接触点的位置(定位)；机器人必须了解接触的特性以估计受到的力(表征)。应力检测的基本假设假设机器人与物体间有个接触区域，而且把这个区域近似当作一个触点来看待。一旦存在有几个接触区域，就很难估计每个区域的作用力，只有应用总体参数。要计算出物体各作用力的合力,就必须知道此合力的作用点、大小和方向。对机器人控制的全部计算都涉及一个与机器人有关的坐标系R0；机器人与环境间的交互作用由6个变量，即x0(p),y0(p),z0(p),Fx0,Fy0和Fz0。要估算这6个变量，就需要使用传感器来识别P在R0内的位置,以及用三维传感器来识别力F对坐标系R0的三个分量。

6.3机器人外部传感器6.3.2压觉传感器应力检测方法应变仪(计)是应力传感器最敏感的部件。在机器人与环境交互作用时，应变计用来检测、定位和表征作用力，以便把所得传感信息用于任务执行策略。在图6-7中,T为工作台面,D为抓住物体的机器人夹手，P为力的作用点。图6-7工作台面与物体间的作用力6.3机器人外部传感器6.3.2压觉传感器应力检测方法应变仪(计)是应力传感器最敏感的部件。在机器人与环境交互作用时，应变计用来检测、定位和表征作用力，以便把所得传感信息用于任务执行策略。在图6-7中,T为工作台面,D为抓住物体的机器人夹手，P为力的作用点。图6-7工作台面与物体间的作用力6.3机器人外部传感器6.3.2压觉传感器应力检测方法应变仪(计)是应力传感器最敏感的部件。在机器人与环境交互作用时，应变计用来检测、定位和表征作用力，以便把所得传感信息用于任务执行策略。在图6-7中,T为工作台面,D为抓住物体的机器人夹手，P为力的作用点。图6-7工作台面与物体间的作用力6.3机器人外部传感器6.3.3接近传感器接近传感器：以探测自身与周围物体之间相对位置和距离的传感器。这种传感器作用是：（1）出现障碍物时，确定机器人的行程范围，以免与障碍物发生碰撞；（2）在接触对象物前获取必要的信息，如传感器与物体的相对距离、相对倾角；（3）获取有关对象物表面形状的信息。接近传感器常安装于机器人的手部，探测距离多为零点几毫米到几十毫米。磁力式接近传感器不大受光、热及物体表面特征影响，可小型化与轻量化，但只能探测金属对象；气压式接近传感器具有较强防火、防磁、防辐射能力，但要求气源保持一定洁净等级；红外式接近传感器发送器与接受器尺寸都很小，可方便地安装于机器人手部；能很容易地检测出工作空间内某物体的存在与否，但作为距离的测量仍有很复杂的问题。6.3机器人外部传感器6.3.4其他外部传感器机器人的外部传感器有很多种滑觉传感器：主要有电容式、压阻式、磁敏式、光纤式和压电式等类型。压电式传感器应用较广。可同时检测触觉和滑觉信号，但触觉信号和滑觉信号的分离存在一定困难。滑觉传感器也存在一些问题：（1）物理尺寸较大，重量大；（2）结构复杂，所需连接线较多；（3）检测精度低、灵敏度不高；（4）对于形状不规则的物体难以辨别接触、非接触以及滑动状态等。6.3机器人外部传感器6.3.4其他外部传感器图6-8是典型的滑觉传感器把物理滑动信号转变为光信号，再利用光电元件把光信号转变为电信号进行检测，获取物体滑动信息。1是基座；2是光电器件；3是滑觉触头；4是反射镜面；5是夹持工作面。图6-8滑觉传感器基本结构6.3机器人外部传感器6.3.4其他外部传感器基于地面的信标使用有源或无源的信标是解决机器人定位问题的一个很好的方法；可以精确地识别它的位置;全球定位系统（GPS）和北斗导航系统。图6-9基于GPS的位置和方向的计算6.3机器人外部传感器6.3.4其他外部传感器距离传感器是指探测距离为几十毫米到数米远的传感器；功能同接近传感器一样，两者的探测距离区间不同，包括声纳、雷达和激光测距仪；可通过其使用的辐射类型进行分类，例如声音、光和其他形式；不同类型，特性指标并不相同；包括复杂的电子器件，对强度、相位和频率等波的特性很敏感。距离传感技术可根据飞行时间和许多相关概念的原理生成；也可根据三角测量原理和相关概念生成；三角测量却可以用有源或无源的方式。图6-10测距技术的分类6.3机器人外部传感器6.3.4其他外部传感器超声波测距仪可基于静电压电换能器，可同时作为扬声器和麦克风；在传输阶段通过电能产生声音，在作为接收器时从声音中产生电能；在发射脉冲发出且任何瞬态信号熄灭后，输入放大器才被启用。图6-11超声波测距仪信号处理6.3机器人外部传感器6.3.4其他外部传感器雷达可用于机器人的低分辨率测绘、障碍物检测和导航；与超声波和激光有相同的基本工作原理；FM-CW雷达具有测量目标速度和距离的能力。

（6-5）

（6-6）机器人环境检测传感器PART046.4机器人环境检测传感器6.4.1机器人双目视觉系统1.摄像头的参数标定通过摄像头标定可以使不同摄像头对世界坐标系中的同一目标的描述相同。通过求出摄像头的内、外参数以及畸变参数，进行矫正畸变，生成矫正图像，从而可以根据获得的图像重构三维场景。2.摄像头标定的目的不同摄像头对于世界坐标系中同一目标的坐标描述不同，故需要对摄像头进行标定操作。3.摄像头标定基础从世界坐标系转换到像素坐标系的过程；求目标物体三维坐标转变到二维坐标的投影矩阵的过程。

6.4机器人环境检测传感器6.4.1机器人双目视觉系统摄像头模型摄像头模型与小孔成像模型原理相同，如图6-12所示。

图6-12摄像头模型6.4机器人环境检测传感器6.4.1机器人双目视觉系统摄像头标定的具体过程是通过求取世界坐标系转换到像素坐标系的转换矩阵，获取摄像头内外参数。从世界坐标系转换到像素坐标系分为三步：第一步是从世界坐标系转到摄像头坐标系，是三维点到三维点的转换，包括R，T等参数（相机外参，确定了摄像头在某个三维空间中的位置和朝向）；第二步是从摄像头坐标系转为成像平面坐标系，是三维点到二维点的转换，包括K等参数（相机内参，是对相机物理特性的近似）；第三步是从成像平面坐标系到像素坐标系的转换，这步是二维点到二维点的转换。图6-13坐标系转换6.4机器人环境检测传感器将从世界坐标系转变到像素坐标系的整个操作由一个投影矩阵表示，这个投影矩阵P=K[R|T]是一个3×4矩阵，混合了内参和外参而成。世界坐标系转换到摄像头坐标系（图6-14）图6-14世界坐标系转换到摄像头坐标系6.4机器人环境检测传感器

（6-7）其中，R是一个3×4的旋转矩阵；T是一个3×1的矩阵，表示偏移。将转换关系表示成齐次形式(6-8)确定R需要3个参数，确定T也需要3个参数，共计6个参数，称为外部参数6.4机器人环境检测传感器

（6-9）

即：

（6-10）

图6-15摄像头坐标系转变到成像平面坐标系图6-16点Q在XCZ平面上的投影图6-17点Q在YCZ平面上的坐标6.4机器人环境检测传感器

（6-7）图6-18成像平面坐标系转换到像素坐标系6.4机器人环境检测传感器

写成矩阵形式为：

（6-12）

（6-13）6.4机器人环境检测传感器（2）世界坐标系转变到像素坐标系

综合以上三个步骤，将世界坐标系到像素坐标系的坐标系转换关系表示如下：

（6-14）化简:

（6-15）式中

6.4机器人环境检测传感器6.4.2激光传感器激光测距仪一个离散激光测距仪由一个发光的激光二极管和一个感知返回的光电二极管组成；光电二极管是一种利用光电效应工作的半导体器件；光被引导到一个敏感的半导体结，当电子被光子击中时，这个结就会释放电子；对于激光二极管，所有激光器都是基于正反馈和频率滤波两种成分的光学振荡器。图6-19激光二极管原理6.4机器人环境检测传感器6.4.2激光传感器激光雷达工作在红外和可见光波段的雷达称为激光雷达。由激光发射系统、光学接收系统、转台和信息处理系统等组成。发射系统是各种形式激光器,以及光学扩束单元等组成。接收系统采用望远镜和各种形式的光电探测器和可见光多元探测器件等组合。采用脉冲或连续波两种工作方式，探测方法按照探测的原理不同：可分为米散射、瑞利散射、拉曼散射、布里渊散射、荧光、多普勒等激光雷达。机器人传感器实践PART056.5机器人传感器实践6.5.1轮式仿人机器人传感器参数级实践1.机器人外部传感器参数级实践首先，在V-REP软件中打开scene.ttt文件，在左侧菜单中找出“sensors”控件。此时，左下角预览窗口中会出现若干种传感器，如图6-20所示，选择第一个传感器添加至机器人中。图6-20V-REP中添加sensor的界面截图6.5机器人传感器实践然后，启动V-REP仿真，调用LUA脚本可以读取传感器数据，脚本内容扫码6-3可得。接近传感器的数据需要通过接口调用发送出来，在非线程非自定义脚本中采用的具体函数为：numberresult,numberdistance,table3detectedPoint,numberdetectedObiectHandle,table3detectedSurfaceNormalVector=sim,handleProximitySensor(numbersensorHandle)输入参数说明：-sensorHandle:接近传感器对象或sim的句柄。处理所有或处理除显式之外的所有sim卡。Handleall将处理所有

接近传感器对象。Handleallexceptexplicit将只处理那些没有标记为“显式处理”的参数。输出参数说明：-result:如果没有检测到，则为0，如果出现错误，则为-1。在未来的版本中，可能会提供更详细的返回值。-distance:如果结果>0，则为到检测点的距离，否则为nil。-detectedobjectHandle:表中3个数字表示被测点的相对坐标，如果result>0，否则为nil-detectedSurfaceNormalVector:被检测表面的法向量(归一化)。相对于这些传感器参考系，如果结果<1，则为nil。6.5机器人传感器实践2.机器人视觉传感器参数级实践首先，打开V-REP软件。在顶部菜单栏中选择“File”后打开本书给出的scene.ttt文件。其次，在顶部菜单栏中选择“Add”创建visionsensor，注意不要屏蔽图像，visionsensor的属性如下图6-21所示。图6-21visionsensor属性设置6.5机器人传感器实践视觉传感器的图像需要通过接口调用发送出来，在非线程非自定义脚本中采用函数有：stringimageBuffer,numberresolutionX,numberresolutionY=sim.getVisionSensorCharImage(numbersensorHandle,numberposX=0,numberposY=0,numbersizeX=0,numbersizeY=0,numberrgbaCutOff=0)输入参数说明：-sensorHandle：视觉传感器的句柄。如果您希望检索等效灰度，则可以与sim.handleflag_greyscale组合（只需将sim.handleflag_greyscale添加到sensorHandle）。-posX/posY：要检索的图像部分的位置。默认情况下为零。-sizeX/sizeY：要检索的图像部分的大小。默认情况下为零，这意味着应该检索完整图像。-rgbaCutOff：当与零不同时，将返回一个RGBA图像，其中对于rgbaCutOff以下的所有深度值，alpha分量将为255，对于rgbaCutOff以上的所有深度数值，alpha分量为0。0对应于近剪裁平面，1对应于远剪裁平面。默认情况下为零。6.5机器人传感器实践输出参数说明：-imageBuffer:nil，以防出现错误。否则是一个包含rgb（或rgba）值的字符串（表大小为sizeX*sizeY*3（如果是rgba，则为sizeX*sizeY*4），rgb（a）值范围为0-255）。在灰度图像检索的情况下，图像缓冲器将包含0-255范围内的灰度值或灰度+阿尔法值。tabledepthBuffer=sim.getVisionSensorDepthBuffer(numbersensorHandle,numberposX=0,numberposY=0,numbersizeX=0,numbersizeY=0)输入参数说明：-sensorHandle：与C功能相同。此外，如果您希望检索字符串缓冲区（sim.buffer_floot）而不是表，还可以与sim.handleflag_codestring组合（只需将sim.handleflag_codestring添加到sensorHandle中）。在这种情况下，也可以参考sim.transformBuffer。-posX/posY：要检索的深度缓冲部分的位置。默认情况下为零。-sizeX/sizeY：要检索的深度缓冲区部分的大小。默认情况下为零，这意味着应该检索全深度缓冲区。输出参数说明：-depthBuffer：包含深度值的表（表大小为sizeX*sizeY），包含编码深度值的字符串，或者在出现错误时为nil。返回值在0-1的范围内（0=最靠近传感器（即近剪裁平面），1=最远离传感器（即远剪裁平面））。如果指定了sim_handleflag_depthbuffermeters，则各个值以米为单位表示为距离。6.5机器人传感器实践启动仿真后，可以看到右上角图像框中出现RGB图像，如下图6-22所示。图6-22机器人视觉传感器参数级仿真6.5机器人传感器实践6.5.1轮式仿人机器人传感器编程级实践1.机器人外部传感器编程级实践上节中，读者可以通过创建LUA脚本获取二维激光雷达数据。为了使传感器数据可以被