为支持家庭用服务机器人抓取任务,设计了一种针对家庭环境中常见物体的实时三维重建系统。系统假设相机在围绕物体运动的同时采集图像。首先借助从运动恢复结构算法求解相机在采集图像序列时的运动轨迹。根据运动轨迹中的位置信息,基于几何约束为相机运动轨迹中的每一帧选择最合适的配对图像。提出基于虚拟双目的立体匹配方法恢复每组配对中两帧图像共视区域的三维结构。利用L-R检查和抛物线拟合等后处理方法剔除误差较大的测点。最后用不同的图像配对计算出的三维结构生成最终的物体模型。实验结果表明生成的物体模型中位数相对误差在1.0%左右,满足机器人抓取任务中对物体模型的精度要求。同时系统平均运行速度超过25帧/秒,满足家庭用物体快速建模的要求。

现有的手眼标定方法无法自动生成机械臂的标定姿态,因此在标定过程中所有的机械臂运动都由标定人员根据经验来控制。由于手眼标定的结果对获取的数据十分敏感,若获取的数据不理想,即使采用优秀的算法,也会导致标定结果具有较大的标定误差。为此,提出了一种根据初始标定结果自动生成机械臂标定姿态,并结合K-means聚类算法筛选有利于提高结果精度的机械臂姿态的手眼标定方法。通过仿真实验和真实机器人手眼标定实验,比较了文中方法和传统的手眼标定方法,结果表明新算法在精度和对噪声的稳定性上得到提升,并且消除了获取手眼标定数据时的不确定性因素。