Research on Error Influencing Factors of Coordinated Measurement of Multi-Base Station Laser Tracker
-
摘要: 激光跟踪仪由于精度高、测量范围大、可多维测量等优势被广泛用于工业机器人的性能测量中。常规的大型设备位置尺寸测量,单基站激光跟踪仪便可以满足需求,然而在对双臂机器人、多机器人联动系统等复杂对象进行测量时,单基站激光跟踪仪不能满足同步实时测量的要求,需要采用多基站激光跟踪仪进行协同转站测量。从多基站激光跟踪仪测量的原理出发,开展多基站激光跟踪仪协同测量的误差影响因素研究,分析不同影响因素对于测量误差的影响,并通过仿真实验对比了最小二乘法、SVD分解法及四元数求解法三种方法对坐标转换的解算精度,对今后多基站激光跟踪仪测量系统的推广应用有一定的指导意义。Abstract: Laser tracker is widely used in the performance measurement of industrial robots because of its high precision, large measurement range and multi-dimensional measurement. For conventional industrial robot position measurement, a single-base station laser tracker can meet the demand. However, when measuring complex objects such as dual-arm robots and multi-robot linkage systems, the single-base station laser tracker can not meet the requirements of synchronous real-time measurement, and a multi-base station laser tracker is required for coordinated transfer measurement. Based on the measurement principle of multi-base station laser tracker, this paper carries out the research on the error influencing factors of coordinated measurement of multi-base station laser tracker, analyzes the influence of different influencing factors on the measurement error, and compares the solution accuracy of coordinate transformation by the least square method, SVD decomposition method and quaternion solution method through simulation experiments, which has certain guiding significance for the promotion and application of the measurement system of the multi-base station laser tracker system in the future.
-
0. 引言
随着国家新基建、航空深海等战略的深入推进实施,工业机器人、大飞机等关键支撑装备的需求量日益增加,各领域对此类装备的性能要求也越来越高[1]。这些设备一般尺寸较大、工作空间范围广、加工精度高,对其在制造和应用过程中的精密测量,是保证其产品性能及运行质量的技术基础和必要手段。
通常来说,大型装备的测量精度要求在丝米级甚至微米级,激光跟踪仪是其中最常用的高精度测量设备[2-4]。常规大型设备的尺寸和空间位置测量,单基站激光跟踪仪基本能够满足需求,然而大型装备制造现场往往面临工件结构复杂、被测空间的距离及角度范围大、位置及姿态需同时测量等问题,单基站激光跟踪仪很难满足以上测试需求,因此近年来,拥有更大测量能力及更高测量精度的多基站激光跟踪仪协同测量方法成为学术和工业界的研究热点。
以工业机器人性能测量为例,一般通过单基站激光跟踪仪测量系统并根据GB/T 12642-2013《工业机器人 性能规范及其试验方法》对其14项性能指标进行测量[5]。然而,对以下两种情况,单基站激光跟踪仪测量存在困难:1)工业机器人的姿态测量。通常来说,需要测量机器人末端的3个点,才能确定姿态信息。单基站激光跟踪仪不能同时测量3个点的位置信息;2)双臂机器人、多机联动机器人系统的性能测量,单基站激光跟踪仪无法同时对其中所有的机器人进行测量。
基于多基站激光跟踪仪的协同测量方法,不仅可以有效解决单基站系统面临的上述难题,还具有如下优点[6]:
1)测量精度更高。多基站系统通过协同转站和数据融合技术,可以有效降低单基站测量的误差,提升整体的测量精度。
2)姿态信息实时测量。多基站系统可以同时测量机器人末端的多个靶标,并通过协同转站归一到同一坐标系下,因而可以同步获取机器人末端的姿态信息。
3)适用对象更广。多基站机器人性能测量系统不仅可以测量单臂机器人的性能,还可以对双臂机器人、多机器人联动系统等进行测量,适用的机器人类型更广。
本文从激光跟踪仪的测量原理及测量特性出发,开展多基站激光跟踪仪协同测量的误差影响因素研究,分析不同影响因素对测量精度的影响。
1. 激光跟踪仪的测量原理
激光跟踪仪测量系统主要包括如下组件:主机控制器、主控单元、跟踪靶球(SMR)、温度传感器、便携式三脚架、配套算法及测量软件等(PREMAX ARTS 5025),如图1所示。激光跟踪仪的基本测量原理是通过内置的2个角度编码器和1个距离传感器来动态跟踪目标靶标的空间位置数据[7]。与经纬仪、三坐标测量机等传统的高精度测量设备相比,激光跟踪仪的测量误差呈现出累积性显著、与测量距离正相关等特点。
激光跟踪仪的几何测量模型是球坐标系测量模型,包括一个激光干涉测长的测长单元,以及基于两个高精度角编码器的俯仰角、水平角测量单元[8]。测得的参数不能直接使用,需要转化成空间笛卡尔坐标,如图2所示。原始参数主要包括距离值
R 、水平角θ 、俯仰角φ 。通过空间坐标转换关系,将上述球坐标系转换为笛卡尔空间坐标系,如式(1)所示。
{x=fx(R,ϕ,θ)=R⋅sinϕ⋅cosθy=fy(R,ϕ,θ)=R⋅sinϕ⋅sinθz=fz(R,ϕ,θ)=R⋅cosϕ (1) 由式(1)可知,笛卡尔空间坐标系下的三维坐标测量值受球坐标系下三个相互独立的测量单元的综合影响。三个传感器中,任何一个测量精度的波动都会导致三维空间测量值发生变化。
2. 多基站激光跟踪仪协同测量的误差影响因素
多基站激光跟踪仪协同测量系统的误差主要包括单基站测量系统自身误差以及多基站协同测量转站误差。其中,单基站测量系统自身误差主要包括随机误差、环境干扰以及系统误差。
2.1 单基站随机误差
不同于误差分析理论中随机误差的概念,本文所指的激光跟踪仪随机误差指激光跟踪仪靶球人为安装所带来的的空间三维测量坐标值的变化。激光跟踪仪SMR是对本体发射的激光进行反射的重要部件,其棱镜与入射激光之间的角度大小对于测量精度有显著影响[9-11]。靶球通过人工安装在磁性靶球座上,其与末端之间的夹角具有随机性,因此激光跟踪仪靶球安装对于测量精度误差的影响具有随机性。
除了靶球的安装之外,靶球座的加工精度也是单基站测量系统随机误差的来源之一。
2.2 环境干扰
激光跟踪仪在大空间尺寸的精密测量领域具有显著优势,测量过程对于环境因素的干扰极为敏感。在日常环境中,常见的环境因素包括温湿度的变化、地磁的变化、振动等。以本文实验所用的FARO激光跟踪仪为例,其规定正常的温湿度范围分别是0~40℃、0~85%,否则就难以保证其测量精度。
激光跟踪仪本体发出的激光在空气中进行传播,假设环境发生显著变化,激光在空气中会发生偏离,从而影响测量精度。在激光跟踪仪众多的测量误差因素中,环境因素虽然无法消除,但是可控性较强,其引起的误差可以通过对工作环境温湿度、振动等控制进行削减。
2.3 激光跟踪仪系统误差
激光跟踪仪测量的系统误差具备明显的规律性和方向性,主要跟其内部因素相关,比如主控单元的结构设计、测量传感器的精度等,减小系统误差需要从硬件层面进行工艺改进和精度提升。根据产品说明,激光跟踪仪的测长精度为6 um+0.5 um/m,测角精度为20 um+5 um/m。一般来说,长度测量的精度随着测量距离的增加而降低,其精度显著优于角度测量精度。角度测量精度的提升需要改善测角编码器的精度。
令
dR 表示长度测量过程中的系统误差、dθ 表示角度测量水平分量的误差、dϕ 表示角度测量俯仰方向的误差,则根据空间坐标测量公式可以得出传感器的信号变化带来的空间坐标变动关系。将式(1)在空间理想点(R0,θ0,ϕ0) 处进行全微分展开,由于测长传感器与测角传感器相互不相关,可以得到式(2)。T(Ro,φo,θo)=[sinφocosθoRocosφocosθo−RosinφosinθosinφosinθoRocosφosinθoRosinφocosθocosφo−Rocosφo0] (2) 为了更加直观地描述单基站激光跟踪仪的测量误差,将上述展开式中的值与理论测量值
(R0,θ0,ϕ0) 的差值表示成误差矩阵的形式,如式(3)所示。[dxdydz]=[fx−fxofy−fyofz−fzo]=T(Ro,ϕo,θo)⋅(dRdϕdθ) (3) 式中,T
(R0,θ0,ϕ0) 表示误差矩阵的系数矩阵,充分证明了笛卡尔坐标系下的测量误差是由三个测量传感器综合作用的结果。为了更好对空间中点位的三维空间坐标进行表示,令e=[exeyez]T 代表随机测量误差,表示指令点空间笛卡尔坐标。则空间任意坐标点的坐标转换公式为式(4)。[xyz]=[xoyozo]+T(Ro,ϕo,θo)(dRdϕdθ)+[exeyez] (4) 2.4 多基站激光跟踪协同测量转站误差
多基站激光跟踪仪协同测量的本质是不同基站测量坐标系之间的转换,通过从不同的角度对固定的点或者几何集合进行测量,再通过数据匹配对齐其余基站的点位。通常情况下,有两种转站方式,一种是先用多基站激光跟踪仪在固定地点分别进行点位测量,然后进行转站;另一种是单台激光跟踪仪在固定地点对多个空间点进行测量,然后进行转站算法拟合[12]。激光跟踪仪转站模型如图3所示,为了区分不同坐标系在转站中发挥的作用,令被参考的坐标系为主坐标系,即规定了所有坐标系最终的坐标方向,其余坐标系下的空间坐标需要通过转换关系转到主坐标系下进行比较和运算。
因此,多基站激光跟踪协同测量转站误差主要来源于两个方面:1)公共点分布。2)坐标转换算法。在多基站激光跟踪仪协同测量中,公共点作为参与空间转换的重要部分,其选取质量对于优化求解转站参数也会有一定影响。一般来说,选取在工作空间中均匀分布的点能够显著提升转站精度。
通常来说,求解空间坐标系的转换需要3组以上的空间三维坐标。当空间三维坐标大于3组时,要进行点位优化处理。由于转站过程中的误差影响因素较多,求解空间转站矩阵的空间三维坐标组数不止3组。目前,常用的坐标系转站算法主要包括以下三种[13-14]。
1)最小二乘法
最小二乘法是一种线性回归优化算法,其模型为高斯-马尔科夫模型。它通过最小化误差(真实目标对象与拟合目标对象的差)的平方和来寻找数据的最佳函数匹配,可据此确定坐标系转换矩阵并求得转换后的坐标。
2)奇异值(SVD)分解法
奇异值分解可以对非方阵的矩阵进行分解,利用该方法求解坐标系转换参数时,首先对测量参考点进行离散型分析处理,去除共线或者共面的点,然后通过转站参数求解模型进行坐标转换。
3)四元数求解法
四元数求解法以单位四元组为基,构造旋转矩阵R,计算坐标转换矩阵参数,该方法可以将坐标变换参数的求解转换为求解二次型问题,可大幅度降低求解计算量。
为了探究不同求解算法对求解多基站激光跟踪仪转站参数的影响,本文通过仿真来进行精度研究,所选用的公共点如表1所示。
表 1 仿真计算公共点坐标Table 1. Coordinates of common points calculated by simulation主站位 转站站位 公共点1 3000.000, 0.029, 0.029 4999.980, 2000.049, 0.052 公共点2 −2000.048, 4999.981, 0.053 −0.069, 7000.000, 0.068 公共点3 −1999.951,−0.019, 5000.019 −0.019, 1999.951, 5000.019 公共点4 −7000.000,−0.068, 0.067 −5000.019,1999.952, 0.053 公共点5 −2000.000,−0.019, 0.019 −0.019, 2000.000, 0.019 分别使用上述三种不同的求解方法进行求解,精度结果如表2所示。
表 2 不同参数求解方法的转站误差Table 2. Transfer errors of different parameter solving methods最小二乘法 SVD分解法 四元数求解法 平均误差 0.012 0.012 0.014 由表2所示,最小二乘法及SVD分解法对坐标转换参数的解算精度接近,略高于四元数求解法。另外,测量工作现场的公共点一般尽量分布在工作空间中。鉴于SVD分解算法具有计算速度快、算法效率高等优点,一般优先采用SVD分解算法进行求解。
3. 结论
多基站激光跟踪仪协同测量可以突破单基站激光跟踪测量系统的瓶颈,实现复杂环境下对于大范围及姿态的高精度测量。本文开展多基站激光跟踪仪协同测量的误差影响因素研究,分析不同影响因素对于测量误差的影响。并通过仿真实验验证了转站算法和公共点分布方式对测量精度的影响程度。结果表明,最小二乘法及SVD分解法对坐标转换参数的解算精度接近,略高于四元数求解法。综合考虑坐标转换的解算精度、实际测量要求及算法特征,一般优先采用SVD分解法。
-
表 1 仿真计算公共点坐标
Table 1 Coordinates of common points calculated by simulation
主站位 转站站位 公共点1 3000.000, 0.029, 0.029 4999.980, 2000.049, 0.052 公共点2 −2000.048, 4999.981, 0.053 −0.069, 7000.000, 0.068 公共点3 −1999.951,−0.019, 5000.019 −0.019, 1999.951, 5000.019 公共点4 −7000.000,−0.068, 0.067 −5000.019,1999.952, 0.053 公共点5 −2000.000,−0.019, 0.019 −0.019, 2000.000, 0.019 表 2 不同参数求解方法的转站误差
Table 2 Transfer errors of different parameter solving methods
最小二乘法 SVD分解法 四元数求解法 平均误差 0.012 0.012 0.014 -
[1] 马金鑫, 李文定, 马文治. 光学空间尺寸测量技术在大型铸钢件尺寸检测过程中的应用[J]. 中国铸造装备与技术, 2021, 56(2): 37-40. DOI: 10.3969/j.issn.1006-9658.2021.02.008 [2] 刘新波. 大型工件几何参数激光在机测量方法研究[D]. 天津: 天津大学, 2013. [3] 李洋, 瞿剑苏, 李鸿儒. 基于全站仪和激光跟踪仪的长距离标定方法研究[J]. 计量与测试技术, 2021, 48(1): 86-90. [4] 杭强, 施威涛. 基于激光跟踪仪的机器人性能测量与分析[J]. 中国计量, 2019(1): 117-118. DOI: 10.16569/j.cnki.cn11-3720/t.2019.01.046 [5] 黄雷, 窦艳红, 樊宇, 等. 工业机器人三维在线自校准系统的研制[J]. 计量科学与技术, 2022, 66(2): 3-8. [6] 王直荣, 陈章位, 张翔. 基于多基站的双臂机器人组合运动性能测量方法[J]. 中国计量, 2021(10): 5. DOI: 10.16569/j.cnki.cn11-3720/t.2021.10.042 [7] 陈继华, 汤廷松, 范百兴. 五/六自由度激光跟踪测量技术的原理分析[J]. 宇航计测技术, 2007(3): 58-62. DOI: 10.3969/j.issn.1000-7202.2007.03.014 [8] 蔡海超, 奚立峰. 激光跟踪仪测量系统分析[J]. 计量与测试技术, 2015, 42(9): 10-11,13. DOI: 10.15988/j.cnki.1004-6941.2015.09.005 [9] 刘万里, 欧阳健飞, 曲兴华. 激光光束入射角度变化对角锥棱镜测量精度的影响[J]. 光学精密工程, 2009, 17(2): 286-291. DOI: 10.3321/j.issn:1004-924X.2009.02.009 [10] 任瑜, 刘芳芳, 傅云霞, 等. 激光多边测量网布局优化研究[J]. 激光与光电子学进展, 2019, 56(1): 167-172. [11] 黄雷, 窦艳红, 樊宇, 等. 基于激光跟踪关节臂的机器人位姿测量系统研制[J]. 计量科学与技术, 2022, 66(1): 26-31. DOI: 10.12338/j.issn.2096-9015.2021.0005 [12] 谢晓宁. 坐标转换模型解算方法的改进研究[D]. 南昌: 东华理工大学, 2018. [13] 吕继兵, 朱建军, 伍雅晴. 基于单位四元数的三维空间坐标转换直接解法[J]. 资源信息与工程, 2017, 32(2): 94-96,98. DOI: 10.19534/j.cnki.zyxxygc.2017.02.044 [14] 李丽娟, 赵延辉, 林雪竹. 加权整体最小二乘在激光跟踪仪转站中的应用[J]. 光学精密工程, 2015, 23(9): 2570-2577. [15] 厉志飞, 陈刚, 赵建峰, 等. 一种用于现场的RV减速器角位置误差测量装置[J]. 计量技术, 2020(1): 43-45. -
期刊类型引用(3)
1. 汪潼,朱世强,宋伟,李存军,施浩磊. 立式罐容量计量中爬壁机器人的路径规划. 机器人. 2024(01): 36-44 . 百度学术
2. 赵子越,宫思远,瞿剑苏,何小妹,王爱军,王一璋,李艳,何学军. 大型装备智能制造关键共性计量技术研究. 计量科学与技术. 2024(02): 60-75 . 本站查看
3. 王理,邱正宇,杨璐,刘丽娟. 测斜探头单轴线性误差标定与补偿方法研究. 计量科学与技术. 2023(03): 12-19 . 本站查看
其他类型引用(1)