位姿

等過程估計(jì)相機(jī)的位姿，典 型 的 特 征 點(diǎn) 法SLAM 如PTAM［1］、ORBSLAM［2-4］等。自然特征穩(wěn)定性差，易受外界因素干擾，在定位過程中，若場(chǎng)景的紋理特征稀疏，定位系統(tǒng)難以提取足夠特征點(diǎn)，使得幀間數(shù)據(jù)不能有效關(guān)聯(lián)，導(dǎo)致系統(tǒng)因約束不足而無法精確估計(jì)位姿，嚴(yán)重限制了算法在實(shí)際場(chǎng)景的應(yīng)用。針對(duì)場(chǎng)景特征稀疏問題，已有諸多學(xué)者進(jìn)行研究，其解決方法根據(jù)原理可分為：基于圖像增強(qiáng)的方法、挖掘圖像額外特征的方法與引入人工標(biāo)簽的方法。在基于圖像增強(qiáng)的方法中，B

身支路,致使末端位姿控制錯(cuò)誤。為解決這一問題,需要進(jìn)一步研究供熱隧道智能巡檢機(jī)器人末端位姿控制方法。楊學(xué)軍等[3]根據(jù)運(yùn)動(dòng)過程還原法,提出液壓支架巡檢機(jī)器人位姿控制方法,對(duì)機(jī)器人的位姿進(jìn)行控制,以確定機(jī)器人的位姿結(jié)構(gòu),構(gòu)建位姿坐標(biāo)系,計(jì)算出位姿與實(shí)際位姿的差值,完成最終控制,但通過該方法得到的結(jié)果有誤差,存在控制結(jié)果不佳的問題。唐宇存等[4]提出一種基于三坐標(biāo)測(cè)量機(jī)的機(jī)器人位姿精度控制方法,在一個(gè)平面中放置3個(gè)標(biāo)準(zhǔn)球,根據(jù)機(jī)器人定位原理建立機(jī)器人位姿控制平

引 言6D目標(biāo)位姿估計(jì)是指對(duì)于已知類別的目標(biāo)，獲取目標(biāo)到相機(jī)坐標(biāo)系的單應(yīng)性變換，通常使用旋轉(zhuǎn)R和平移t組成的齊次變換矩陣表示該單映性變換[1]，被廣泛應(yīng)用于機(jī)器人抓取[2,3]與增強(qiáng)現(xiàn)實(shí)[4]等領(lǐng)域。基于深度學(xué)習(xí)的位姿估計(jì)方法根據(jù)輸入類型劃分，分為基于RGB圖像和基于RGB-D圖像的方法。Mahdi等[5]和Tekin等[6]通過神經(jīng)網(wǎng)絡(luò)在RGB圖像中確定目標(biāo)3D邊框頂點(diǎn)的2D坐標(biāo)，形成2D-3D對(duì)應(yīng)點(diǎn)對(duì)，并使用PnP算法計(jì)算目標(biāo)位姿。該方法對(duì)于弱紋理目

1）1 引言相機(jī)位姿估計(jì)是機(jī)器人應(yīng)用、自主導(dǎo)航以及增強(qiáng)現(xiàn)實(shí)中的關(guān)鍵技術(shù)，其目的是通過當(dāng)前相機(jī)所采集的圖像信息，以及已知環(huán)境的先驗(yàn)信息，來估計(jì)出當(dāng)前相機(jī)設(shè)備在三維真實(shí)場(chǎng)景中的位置和姿態(tài)，由于相機(jī)的位姿信息包含六個(gè)自由度，因此也稱為相機(jī)的六自由度估計(jì)。隨著自動(dòng)駕駛、精確定位導(dǎo)航等領(lǐng)域?qū)Χㄎ坏木纫蟛粩嗵岣?，僅僅使用二維圖像已經(jīng)無法對(duì)現(xiàn)實(shí)的三維世界進(jìn)行準(zhǔn)確描述，因此包含深度信息的三維場(chǎng)景點(diǎn)云成為了定位技術(shù)更為關(guān)注的重點(diǎn)，通過三維場(chǎng)景點(diǎn)云以及圖像處理的相關(guān)算法可

成像質(zhì)量，導(dǎo)致其位姿估計(jì)精度較低，從而使測(cè)量精度降低。因此，研究合作目標(biāo)加權(quán)位姿估計(jì)方法，減少外界環(huán)境造成的干擾，對(duì)提高合作目標(biāo)位姿估計(jì)的精度具有重要意義和應(yīng)用價(jià)值。合作目標(biāo)具有較為簡(jiǎn)單、明顯的幾何特征，且在3D世界坐標(biāo)系中的坐標(biāo)精確已知，有利于建立2D圖像特征與3D合作目標(biāo)之間的對(duì)應(yīng)關(guān)系，位姿估計(jì)的復(fù)雜度低［1］。合作目標(biāo)位姿估計(jì)方法主要可以分為基于n點(diǎn)透視模型（Perspective-n-Point，PnP）［2］和基于n線透視模型（Perspecti

點(diǎn)之一，其中車輛位姿的精確定位是實(shí)現(xiàn)智能車輛自動(dòng)泊車的一項(xiàng)關(guān)鍵技術(shù)，它是實(shí)現(xiàn)對(duì)泊車路徑精準(zhǔn)跟蹤的前提，更是提高泊車精度的關(guān)鍵[1].自動(dòng)泊車過程中，系統(tǒng)識(shí)別到目標(biāo)車位后會(huì)控制車輛按照規(guī)劃好的路徑泊車入位，常規(guī)泊車控制方法是以車輛位姿的跟蹤誤差作為輸入，該誤差指車輛在參考坐標(biāo)系中位姿與規(guī)劃路徑之間的誤差[2].在對(duì)控制方法進(jìn)行仿真驗(yàn)證時(shí)，通常認(rèn)為車輛實(shí)際位姿已知.在實(shí)際泊車場(chǎng)景中，車輛的相對(duì)位姿無法直接獲知，需要通過車載傳感器獲取的周邊環(huán)境信息以及車輛的自身

方法的研究，目標(biāo)位姿估計(jì)技術(shù)是其中的重點(diǎn)技術(shù)之一。目標(biāo)位姿估計(jì)技術(shù)是非接觸測(cè)量技術(shù)領(lǐng)域的 重 點(diǎn) 研 究 方 向［1］，在 空 間 操 作［2-5］、自 主 導(dǎo)航［6-12］、工業(yè)檢測(cè)［13-15］、輔助醫(yī)療［16-17］等領(lǐng)域發(fā)揮著重要作用。精確位姿測(cè)量是完成空間任務(wù)諸如交會(huì)對(duì)接［18-19］、在軌裝配［20-22］、在軌維修［23］等在軌服務(wù)任務(wù)［24-26］的關(guān)鍵環(huán)節(jié)?？臻g任務(wù)［27-28］中常用的傳感器技術(shù)有微波雷達(dá)技術(shù)［29］、激光雷達(dá)技術(shù)［30

，調(diào)整自身的抓取位姿[2]，如果抓取位姿不適當(dāng)，則對(duì)于工業(yè)機(jī)械臂的抓取精度會(huì)造成直接影響[3]。因此，為了保證工業(yè)機(jī)械臂在動(dòng)態(tài)場(chǎng)景下，目標(biāo)的抓取精度，需對(duì)其自身抓取位姿實(shí)行檢測(cè)，判斷其位姿是否滿足精準(zhǔn)抓取需求；如果位姿存在偏差，則可通過控制系統(tǒng)對(duì)位姿實(shí)行控制和校正，調(diào)整位姿使其處于最佳狀態(tài)。因此，工業(yè)機(jī)械器抓取位姿檢測(cè)，對(duì)目標(biāo)的抓取效果具有重要意義[4]。物聯(lián)網(wǎng)技術(shù)作為可實(shí)現(xiàn)物體和網(wǎng)絡(luò)連接的一種網(wǎng)絡(luò)技術(shù)，該連接是通過信息傳感設(shè)備完成，其具有全面感知、可靠傳

條件，其中掘進(jìn)機(jī)位姿參數(shù)的檢測(cè)對(duì)掘進(jìn)機(jī)的自動(dòng)化以及無人化操作具有重要作用。近年來，國(guó)內(nèi)學(xué)者對(duì)掘進(jìn)機(jī)的位姿檢測(cè)進(jìn)行了眾多研究，并取得了一定的研究成果。朱信平等[2]將全站儀與棱鏡相結(jié)合以實(shí)現(xiàn)掘進(jìn)機(jī)的位姿參數(shù)的測(cè)量；陶云飛等[3]提出了一種基于iGPS的掘進(jìn)機(jī)位姿測(cè)量方法并研究了測(cè)量誤差的分布規(guī)律；符世琛等[4]采用超寬帶的測(cè)量手段，結(jié)合定位基站自主行走功能，實(shí)現(xiàn)了掘進(jìn)機(jī)的自主定位定向；薛光輝等[5]通過激光跟蹤云臺(tái)與激光標(biāo)靶實(shí)現(xiàn)了掘進(jìn)機(jī)位姿參數(shù)測(cè)量；馮大龍[

確求解部件的目標(biāo)位姿是調(diào)姿的重點(diǎn)環(huán)節(jié)。目前，國(guó)內(nèi)的研究主要是對(duì)部件的位姿控制點(diǎn)進(jìn)行測(cè)量并依此進(jìn)行位姿求解[2–4]。由于制造誤差和結(jié)構(gòu)變形等因素，造成部件的位姿控制點(diǎn)、對(duì)合面與理論模型相比存在較大的偏差，僅采用位姿控制點(diǎn)進(jìn)行位姿求解會(huì)使得部件的對(duì)接特征無法準(zhǔn)確對(duì)接[5]。此外，圍框式翼身對(duì)接的對(duì)合面形狀復(fù)雜、尺寸大、容差要求嚴(yán)格，如何準(zhǔn)確求解圍框式翼身對(duì)接的目標(biāo)位姿成為難題。Devendeville等[6]研究了約束條件下的位姿擬合方法，將部件裝配容差約束

和調(diào)整部段間相對(duì)位姿的測(cè)量是進(jìn)行精確高效搭載的前提。近年來，隨著傳感器技術(shù)和測(cè)量技術(shù)的進(jìn)步，大型船舶分段搭載過程部段位姿測(cè)量領(lǐng)域得到了快速發(fā)展，相關(guān)領(lǐng)域的研究人員提出了多種方法解決大部段對(duì)接位姿測(cè)量問題。例如：岳穎[1]等采用全站儀測(cè)量系統(tǒng)解決船舶建造過程中的大尺度測(cè)量問題；雍晟暉[2]設(shè)計(jì)了用于船舶大部段位姿測(cè)量的精密激光定位系統(tǒng)，并以此為基礎(chǔ)開展了激光掃描式大空間測(cè)量場(chǎng)動(dòng)態(tài)測(cè)量定位技術(shù)的研究；吳俊生[3]等通過室內(nèi)全球定位系統(tǒng)（indoor Globa

裝配過程中的目標(biāo)位姿測(cè)量問題，主要的測(cè)量手段包括使用全站儀、激光跟蹤儀等大型測(cè)量設(shè)備進(jìn)行測(cè)量和機(jī)器視覺位姿測(cè)量?jī)煞N。其中，使用全站儀、激光跟蹤儀等大型測(cè)量設(shè)備進(jìn)行測(cè)量的目標(biāo)位姿測(cè)量方法，測(cè)量范圍大，測(cè)量精度高，但均為接觸式測(cè)量方法，需要為此設(shè)計(jì)工裝以固定靶球，并在待測(cè)部件上安置工裝[2-3]，方法較為繁雜，且會(huì)對(duì)裝配過程造成一定的干擾，同時(shí)測(cè)量過程操作復(fù)雜，難以實(shí)現(xiàn)實(shí)時(shí)測(cè)量。而屬于非接觸測(cè)量的機(jī)器視覺位姿測(cè)量方法，以其系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，測(cè)量過程操作方便，實(shí)時(shí)性

人的運(yùn)動(dòng)控制影響位姿的可達(dá)工作空間與目標(biāo)指向精度[3]，兩者之間的有效協(xié)同將直接決定多自由度機(jī)器人的工作性能[4-5]。因此，研究并建立多自由度機(jī)器人的運(yùn)動(dòng)控制和空間位姿的協(xié)同分析與仿真系統(tǒng)具有重要意義。作為機(jī)器人運(yùn)動(dòng)控制、位姿調(diào)整[6]的核心計(jì)算模塊，對(duì)正向運(yùn)動(dòng)學(xué)和逆向運(yùn)動(dòng)學(xué)的求解是關(guān)鍵。郭萬金等[7]針對(duì)一種五自由度機(jī)器人提出了逆運(yùn)動(dòng)學(xué)的封閉解法。張道義等[8]用矢量法和求導(dǎo)法分別對(duì)五自由度雕刻機(jī)末端運(yùn)動(dòng)學(xué)進(jìn)行正向和逆向速度的分析。Cao F等[9]提

景三維重建。相機(jī)位姿是指相機(jī)坐標(biāo)系變換至世界坐標(biāo)系的旋轉(zhuǎn)矩陣和平移向量。由于雙目相機(jī)自由旋轉(zhuǎn)，導(dǎo)致左右相機(jī)的位姿不斷變化，想要實(shí)現(xiàn)自由雙目立體視覺系統(tǒng)的分塊重建和點(diǎn)云拼接，就需要準(zhǔn)確估計(jì)每個(gè)旋轉(zhuǎn)位置的左右相機(jī)位姿。旋轉(zhuǎn)相機(jī)位姿估計(jì)算法主要包括旋轉(zhuǎn)軸標(biāo)定法和特征點(diǎn)自標(biāo)定法。旋轉(zhuǎn)軸標(biāo)定法是對(duì)相機(jī)的旋轉(zhuǎn)軸參數(shù)進(jìn)行預(yù)先標(biāo)定，結(jié)合旋轉(zhuǎn)角度，計(jì)算相機(jī)旋轉(zhuǎn)后的位姿。鄭圣子等[1]提出一種基于多個(gè)平面標(biāo)靶的旋轉(zhuǎn)軸標(biāo)定法，將相機(jī)光心的運(yùn)動(dòng)軌跡擬合為空間圓形，得到圓心即為旋轉(zhuǎn)

加復(fù)雜。物體六維位姿識(shí)別是散亂場(chǎng)景中三維物體拾取的重點(diǎn)和難點(diǎn)。近年來，深度學(xué)習(xí)技術(shù)在六維位姿估計(jì)任務(wù)中得到廣泛應(yīng)用。文獻(xiàn)［1-3］根據(jù)RGB 數(shù)據(jù)對(duì)紋理豐富的物體實(shí)例進(jìn)行六維位姿估計(jì)。文獻(xiàn)［4］擴(kuò)展二維目標(biāo)檢測(cè)器，提出一種基于分類離散視點(diǎn)的旋轉(zhuǎn)位姿估計(jì)方法，但該方法僅預(yù)測(cè)真實(shí)姿態(tài)的粗略離散近似值，為達(dá)到更好的效果，還需對(duì)輸出結(jié)果進(jìn)行位姿細(xì)化。文獻(xiàn)［5］先將RGB 圖像在2 個(gè)網(wǎng)絡(luò)中進(jìn)行由粗到細(xì)的分割，再將分割結(jié)果反饋給第3 個(gè)網(wǎng)絡(luò)得到待檢測(cè)目標(biāo)邊界框點(diǎn)的投

于機(jī)器人對(duì)零件的位姿計(jì)算技術(shù)已經(jīng)成為智能制造領(lǐng)域中的重要一環(huán)。飛機(jī)制造過程中大量的機(jī)械零件，由于其形狀種類多、尺寸大小不一等特點(diǎn)，始終缺乏快速、有效的零件自動(dòng)分揀手段，使分揀環(huán)節(jié)難以與零件的自動(dòng)配送系統(tǒng)形成高效的有機(jī)整體，限制了飛機(jī)制造的自動(dòng)化程度及生產(chǎn)效率的進(jìn)一步提升。研究機(jī)械零件的位姿計(jì)算技術(shù)已日益迫切。傳統(tǒng)的機(jī)械零件位姿識(shí)別計(jì)算方案如Delta 機(jī)器人識(shí)別方法、射頻識(shí)別技術(shù)等，由于準(zhǔn)確率與效率較低、應(yīng)用局限性大以及位姿計(jì)算精度低等原因，很難滿足現(xiàn)代飛

無人機(jī)領(lǐng)域常用的位姿估計(jì)手段。針對(duì)PnP 問題有許多經(jīng)典的解法，諸如使用三對(duì)點(diǎn)的P3P、直接線性變換（Direct linear transformation,DLT）、EPnP 和UPnP 等。由于單個(gè)二維碼是平面目標(biāo)，四個(gè)三維角點(diǎn)滿足共面約束，二維碼平面與圖像平面之間變換為單應(yīng)矩陣（Homography），進(jìn)而使用二維碼進(jìn)行位姿解算是平面位姿估計(jì)（Plane-based Pose Estimation,PPE）問題。PPE 問題的求解包含兩類主要方法：

節(jié)運(yùn)動(dòng)，完成手臂位姿控制的任意性，從而完成操作工作。關(guān)鍵詞：焊接機(jī)器人;位姿;PLC中圖分類號(hào)：TH112 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2020）13-0067-020 引言機(jī)器人技術(shù)的應(yīng)用水平象征著制造能力的水平，是一個(gè)國(guó)家工業(yè)自動(dòng)化水平的重要標(biāo)志[1]。由于人機(jī)協(xié)作機(jī)器人所具有的感知能力、友好性、操作指向性強(qiáng)、輕量化等特點(diǎn)，被逐漸地運(yùn)用到企業(yè)實(shí)際的生活生產(chǎn)中[2]。本文主要對(duì)焊接機(jī)器人手臂工作原理和PLC控制系統(tǒng)進(jìn)行分析，保證本機(jī)構(gòu)完

到點(diǎn)云之間的相對(duì)位姿。針對(duì)點(diǎn)云配準(zhǔn)，有以下方法。迭代最近點(diǎn)(iterative closest point，ICP)算法[3]根據(jù)兩幀點(diǎn)云之間的對(duì)應(yīng)點(diǎn)對(duì)關(guān)系，求解旋轉(zhuǎn)矩陣與平移矩陣；Andrea Censi在ICP算法的基礎(chǔ)上進(jìn)行改進(jìn)，提出PL-ICP算法[4]；Biber提出正態(tài)分布變換(normal distributions transform，NDT)算法[5]，求解點(diǎn)云之間的相對(duì)位姿；Jinliang Li[6]采用擴(kuò)展卡爾曼濾波對(duì)機(jī)器人的編碼器

導(dǎo)向系統(tǒng)的掘進(jìn)機(jī)位姿自動(dòng)測(cè)量方法。楊文娟等[8]提出了一種基于激光束和紅外光斑特征的懸臂式掘進(jìn)機(jī)機(jī)身及截割頭位姿視覺測(cè)量系統(tǒng)。田原[9]建立了掘進(jìn)機(jī)慣性定位系統(tǒng)，將PHINS慣性導(dǎo)航系統(tǒng)用于掘進(jìn)機(jī)自動(dòng)定位，利用零速修正法提高其定位精度。吳淼等[10]提出了一種基于空間交匯測(cè)量技術(shù)的掘進(jìn)機(jī)自主位姿測(cè)量方法。張旭輝等[11]構(gòu)建了虛擬設(shè)備及工作場(chǎng)景的模型，提出虛擬工作面的動(dòng)態(tài)修正方法和設(shè)備的碰撞檢測(cè)方法，實(shí)現(xiàn)了監(jiān)測(cè)數(shù)據(jù)驅(qū)動(dòng)下的虛擬交互式設(shè)備遠(yuǎn)程操控。朱偉等[1

我國(guó)對(duì)航天器相對(duì)位姿測(cè)量研究越來越多，航天器的相對(duì)位姿測(cè)量結(jié)果對(duì)于航天器的運(yùn)行和一些實(shí)驗(yàn)結(jié)果有著十分重要的影響，即使相差一毫米，都會(huì)對(duì)航天器運(yùn)行結(jié)果造成嚴(yán)重影響，所以加強(qiáng)對(duì)航天器相對(duì)位姿測(cè)量研究，減少誤差，增加航天器相對(duì)位姿測(cè)量的實(shí)時(shí)性和精度是當(dāng)前研究的重要問題[1]。傳統(tǒng)的航天器相對(duì)位姿測(cè)量方法是視覺歐拉角法航天器相對(duì)位姿測(cè)量法，該方法需要進(jìn)行大量的三角運(yùn)算，其中涉及到的其他輔助領(lǐng)域的計(jì)算也十分多，如果其中一個(gè)步驟的數(shù)據(jù)出現(xiàn)偏差，整個(gè)測(cè)量結(jié)果就會(huì)出現(xiàn)誤差

個(gè)最基本的問題:位姿正解和位姿反解.位姿反解即Stewart 的運(yùn)動(dòng)學(xué)反解是已知求解平臺(tái)的位姿,即已知3 個(gè)線性坐標(biāo)X、Y、Z 和3個(gè)旋轉(zhuǎn)坐標(biāo)參量 α、β、γ[1],求解平臺(tái)的6 個(gè)支腿長(zhǎng)度.位姿正解即Stewart 的運(yùn)動(dòng)學(xué)正解則是已知平臺(tái)的6 個(gè)支腿長(zhǎng)度求解平臺(tái)位姿.對(duì)Stewart 平臺(tái)來說,運(yùn)動(dòng)學(xué)反解的求解較容易求得,而運(yùn)動(dòng)學(xué)正解的求解比較困難[2].位姿正解的求解對(duì)于Stewart 平臺(tái)空間分析、機(jī)構(gòu)設(shè)計(jì)以及機(jī)構(gòu)在故障中恢復(fù)均有重要作用[3],因

彎操作任務(wù)的目標(biāo)位姿數(shù)學(xué)模型,生成折彎任務(wù)下機(jī)器人末端的目標(biāo)位姿。1 仿真平臺(tái)構(gòu)建方案筆者設(shè)計(jì)構(gòu)建機(jī)器人鈑金折彎仿真平臺(tái),旨在構(gòu)建機(jī)器人鈑金折彎加工仿真環(huán)境,解析計(jì)算機(jī)器人執(zhí)行不同加工任務(wù)時(shí)末端目標(biāo)位姿,實(shí)現(xiàn)機(jī)器人執(zhí)行各加工任務(wù)下的三維運(yùn)動(dòng)仿真。仿真平臺(tái)的工作流程如圖1所示。圖1 仿真平臺(tái)工作流程圖仿真平臺(tái)具體工作流程為:(1)仿真環(huán)境構(gòu)建模塊主要實(shí)現(xiàn)三維仿真環(huán)境中,不同工作單元模型的參數(shù)化導(dǎo)入以及局部坐標(biāo)系的建立;(2)機(jī)器人運(yùn)動(dòng)仿真模塊主要實(shí)現(xiàn)機(jī)器人的

常包括誤差模型、位姿測(cè)量、參數(shù)辨識(shí)和誤差補(bǔ)償四個(gè)環(huán)節(jié)[4]。誤差模型的研究主要包括誤差參數(shù)的選擇和基于機(jī)構(gòu)運(yùn)動(dòng)學(xué)、智能算法等模型的建立等。位姿測(cè)量主要包括測(cè)量工具的選擇和測(cè)量位姿的選擇等。參數(shù)辨識(shí)主要研究基于最小二乘法、牛頓迭代算法及智能算法的誤差參數(shù)求解。誤差補(bǔ)償包括對(duì)運(yùn)動(dòng)學(xué)模型的補(bǔ)償和對(duì)控制系統(tǒng)的補(bǔ)償。Gao等[5]建立了Stewart平臺(tái)基于運(yùn)動(dòng)學(xué)模型的誤差模型，并采用激光跟蹤器LTD5OO進(jìn)行位姿測(cè)量。Li等[6]采用雙球棒(DBB)和三軸千分尺測(cè)

于RGBD的6D位姿估計(jì)方法的一個(gè)關(guān)鍵問題是如何進(jìn)行彩色特征信息和深度特征信息的融合。先前的工作采用密集融合的方法，主要關(guān)注的是局部特征和全連接層提取的全局特征，忽略了遠(yuǎn)距離像素間的位置依賴關(guān)系。文章提出通過捕獲像素間的位置關(guān)系，并將其與彩色特征圖和幾何特征圖進(jìn)行密集融合，最后逐像素預(yù)測(cè)物體的6D位姿。實(shí)驗(yàn)結(jié)果表明，該文的方法相比其他方法在YCB-Video數(shù)據(jù)集上獲得更優(yōu)的結(jié)果。關(guān)鍵詞：6D位姿估計(jì);弱紋理;RGB-D;密集融合中圖分類號(hào)：TP751?

人工作時(shí)定位基準(zhǔn)位姿的測(cè)量精度又是鹽巴清理機(jī)器人研發(fā)需解決的關(guān)鍵技術(shù)。機(jī)器人定位基準(zhǔn)位姿測(cè)量在國(guó)內(nèi)外已經(jīng)進(jìn)行了大量的研究，在20 世紀(jì)80 年代就有學(xué)者將數(shù)學(xué)模型應(yīng)用到了機(jī)器人定位基準(zhǔn)位姿測(cè)量中，通過在空間平面內(nèi)選取四個(gè)以上已知特征點(diǎn)，根據(jù)每一個(gè)特征點(diǎn)的選取，計(jì)算出攝像機(jī)圖像平面與空間平面之間的單應(yīng)性矩陣，來推算空間平面內(nèi)的機(jī)器人定位基準(zhǔn)位姿信息[2]；國(guó)內(nèi)對(duì)于機(jī)器人定位基準(zhǔn)位姿測(cè)量的研究起步較晚，但是在科研人員的努力和國(guó)家的大力支持下，機(jī)器人定位基準(zhǔn)位姿

多研究只關(guān)注末端位姿誤差的分析,先分析單個(gè)類型運(yùn)動(dòng)學(xué)變量對(duì)末端的影響,再把所有類型運(yùn)動(dòng)學(xué)變量對(duì)末端位姿的影響進(jìn)行線性疊加.但在研究影響串聯(lián)機(jī)器人手腕位姿的誤差中,發(fā)現(xiàn)其主要誤差還包括非標(biāo)機(jī)械零部件的加工精度誤差、各部分裝配間隙誤差和標(biāo)準(zhǔn)件的精度誤差,以及溫度變化、動(dòng)負(fù)載等作用使得機(jī)器人桿件產(chǎn)生的柔性變形.此外,傳動(dòng)誤差和控制系統(tǒng)誤差(控制算法本身的缺陷)也使得誤差分析模型顯得非常復(fù)雜和缺少規(guī)律可循[3].顯然這類分析方法忽視了運(yùn)動(dòng)學(xué)幾何參數(shù)的綜合作用對(duì)末端

的智能控制建立在位姿修正的基礎(chǔ)上，采用空間三維位姿參數(shù)分析方法進(jìn)行雙足機(jī)器人的遠(yuǎn)程遙控控制，能夠提高機(jī)器人的自適應(yīng)控制能力。由于在對(duì)雙足機(jī)器人進(jìn)行自動(dòng)化控制過程中，容易受到機(jī)器的環(huán)境因素的干擾，導(dǎo)致雙足機(jī)器人的位姿修正效果并不好[2]。為了提高雙足機(jī)器人的位姿修正效果，本文提出基于視覺與IMU融合的機(jī)器人位姿修正方法。構(gòu)建機(jī)器人位姿參數(shù)分布模型，利用視覺與IMU融合方法進(jìn)行自主遙控雙足機(jī)器人的結(jié)構(gòu)參數(shù)辨識(shí)模型構(gòu)建和位姿修正，最后進(jìn)行仿真測(cè)試，展示了本文方法

人工停車難度大，位姿調(diào)整損耗時(shí)間長(zhǎng)，大大降低了自動(dòng)化撞車的效率?；趪?guó)外碼垛機(jī)器人的應(yīng)用經(jīng)驗(yàn)，徐東等人[2]研究開發(fā)了一套適用于集裝箱的自動(dòng)裝車系統(tǒng)，該方案利用視覺系統(tǒng)測(cè)量車廂體內(nèi)部長(zhǎng)寬高等尺寸數(shù)據(jù)。為了配合自動(dòng)裝車設(shè)備工作，方便貨車位姿的調(diào)整，陳顯龍等人[3]設(shè)計(jì)了一套激光雷達(dá)測(cè)量車廂尺寸的方案。車廂測(cè)量系統(tǒng)由2個(gè)激光雷達(dá)組成，分別測(cè)量貨車的寬度、高度，以及車廂長(zhǎng)度信息。以啤酒行業(yè)為背景，在2017年，中國(guó)人均啤酒消費(fèi)量達(dá)到34升/年，遠(yuǎn)超世界平均水平[

進(jìn)程中，液壓支架位姿和直線度的正確性是保證工作面能夠自動(dòng)連續(xù)推進(jìn)的關(guān)鍵[3-4]。只有保證液壓支架排成直線，才能把與之互為支點(diǎn)進(jìn)行推拉前進(jìn)的刮板輸送機(jī)推直，然后才能保證以刮板輸送機(jī)為運(yùn)行軌道的采煤機(jī)走直線，從而把煤壁切直[5]。單個(gè)支架位姿不僅反映了整個(gè)支架群直線度，還部分反映了工作面地板地質(zhì)情況和頂部來壓情況。因此，國(guó)內(nèi)外許多學(xué)者積極研究工作面的直線度檢測(cè)和控制問題[6]，有些學(xué)者以刮板輸送機(jī)為主要研究對(duì)象[7-9]，有些學(xué)者以液壓支架為主要研究對(duì)象[1

手術(shù)工具切入點(diǎn)的位姿（位置和姿態(tài)），然后通過導(dǎo)航器測(cè)量出機(jī)器人末端手術(shù)工具當(dāng)前位姿與規(guī)劃位姿的相對(duì)關(guān)系，再將機(jī)器人運(yùn)動(dòng)到規(guī)劃位姿，以實(shí)現(xiàn)手術(shù)的高精度定位[5]。在這一過程中，導(dǎo)航規(guī)劃的相對(duì)位姿與機(jī)器人實(shí)際運(yùn)動(dòng)相對(duì)位姿的一致程度以及機(jī)器人多次運(yùn)動(dòng)相對(duì)位姿的離散程度，即位姿距離準(zhǔn)確度與重復(fù)性[6]，決定了機(jī)器人定位精度的高低[7-8]。因而檢測(cè)機(jī)器人的位姿距離準(zhǔn)確度與重復(fù)性，就可以判斷機(jī)器人是否滿足這種以定位為主的手術(shù)場(chǎng)合的需求。關(guān)于機(jī)器人位姿距離精度檢測(cè)，國(guó)

1～3]，而奇異位姿將引起雙足機(jī)器人跌倒導(dǎo)致行走失敗，在雙足機(jī)器人的行走控制算法中，避開奇異位姿是機(jī)器人行走控制研究的重點(diǎn)之一。奇異位姿是雙足機(jī)器人行走過程中，位置雅可比矩陣行列式為零或趨近零引起的。所以，機(jī)器人的行走控制中，雅可比矩陣(Jacobian matrix)起著重要作用，位置雅可比矩陣是各關(guān)節(jié)角矢量的微分運(yùn)動(dòng)量，與末端執(zhí)行器廣義位置矢量的微分運(yùn)動(dòng)量之間的映射矩陣[4,5]。機(jī)器人的運(yùn)動(dòng)控制中除位置雅可比矩陣外，還有速度雅可比矩陣、力矩雅可比矩陣

。對(duì)從動(dòng)件搖桿的位姿等動(dòng)力參數(shù)進(jìn)行簡(jiǎn)單的分析。關(guān)鍵詞：運(yùn)動(dòng)學(xué)仿真;位姿;幾何模型DOI：10.16640/j.cnki.37-1222/t.2019.16.217現(xiàn)有的對(duì)曲柄搖桿機(jī)構(gòu)的優(yōu)化，大多是將基礎(chǔ)優(yōu)化和動(dòng)力學(xué)獨(dú)立處理。本論文將基于MATLAB的對(duì)曲柄搖桿機(jī)構(gòu)的基礎(chǔ)優(yōu)化與動(dòng)力學(xué)分析，使用Adams和SolidWorks對(duì)機(jī)構(gòu)的幾何模型進(jìn)行動(dòng)力學(xué)方面的初步仿真。從而提升并驗(yàn)證二維曲柄搖桿機(jī)構(gòu)的綜合機(jī)能。1 數(shù)學(xué)模型的建立一曲柄搖桿機(jī)構(gòu)，曲柄桿長(zhǎng)參數(shù)定為1

的方法估計(jì)相機(jī)的位姿變化，篩選關(guān)鍵幀，并進(jìn)行閉環(huán)檢測(cè)，得到全局優(yōu)化位姿，拼接點(diǎn)云形成地圖。2 ORB特征研究對(duì)圖像提取關(guān)鍵點(diǎn)以及跟蹤，依據(jù)跟蹤到的的特征點(diǎn)的變化，用于估計(jì)相機(jī)的位姿變化。目前常用的特征點(diǎn)提取算法有SIFT 算法、SUFT 算法、ORB 算法三種。SIFT 算法和SURF 算法在提取特征點(diǎn)時(shí)計(jì)算量大，影響系統(tǒng)的實(shí)時(shí)性，現(xiàn)在通常使用ORB 算法提取圖像特征，ORB 算法可以快速的提取特征。使用ORB 算法提取關(guān)鍵特征，但由于提取ORB 特征的過

09)基于視覺的位姿測(cè)量在工業(yè)自動(dòng)化中應(yīng)用廣泛,由于人們對(duì)機(jī)器人系統(tǒng)的智能化需求不斷提高,而位姿測(cè)量是實(shí)現(xiàn)機(jī)器人靈活有效運(yùn)動(dòng)的前提,故其精確度和實(shí)時(shí)性成為研究熱點(diǎn)．目前,基于單目視覺的位姿測(cè)量方法主要分為基于物體表面特征和基于模板匹配兩類．基于物體表面特征的方法通常使用點(diǎn)、線、圓等幾何特征進(jìn)行匹配,有時(shí)須人為設(shè)定特征點(diǎn)．Loncomilla 等[1]通過識(shí)別對(duì)象局部不變特征的方法總結(jié)出機(jī)器人視覺中用于對(duì)象識(shí)別的系統(tǒng)．Liu等[2]對(duì)工件上的幾個(gè)特征點(diǎn)進(jìn)行定

序列中的三維人體位姿還原依然是一個(gè)極具挑戰(zhàn)的問題[1]。針對(duì)該問題的研究，已經(jīng)有一些研究成果。如OuYang等[2]提出的單目三維位姿估計(jì)方法，是一種幀對(duì)幀的回歸跟蹤，但由于場(chǎng)景中其它人或物體的干擾和遮擋，該方法容易失效。為此，出現(xiàn)一些致力于通過探測(cè)進(jìn)行位姿跟蹤估計(jì)的方法，即探測(cè)每幀中或多或少的獨(dú)立人體位姿，然后將各幀中的位姿聯(lián)系起來[3,4]，這類方法在一定程度上提高獨(dú)立幀計(jì)算的魯棒性。Zhou等[5]研究將二維HOG特征的核基回歸到三維位姿的方法。通過

基于視覺的目標(biāo)位姿（位置和姿態(tài)）測(cè)量是光電精密測(cè)量技術(shù)領(lǐng)域重點(diǎn)研究的前沿方向，在空間操作、工業(yè)制造、機(jī)器人導(dǎo)航等領(lǐng)域扮演著舉足輕重的角色。尤其在空間領(lǐng)域中，目標(biāo)位姿的準(zhǔn)確測(cè)量是直接關(guān)系到空間任務(wù)成功與否的一項(xiàng)重要工作。當(dāng)前針對(duì)合作目標(biāo)的位姿測(cè)量技術(shù)已經(jīng)比較成熟，廣泛應(yīng)用于工業(yè)、醫(yī)療以及航天領(lǐng)域中。然而，由于大多數(shù)目標(biāo)缺乏合作目標(biāo)的先驗(yàn)信息，使得對(duì)這些沒有合作信息的目標(biāo)進(jìn)行位姿測(cè)量極具挑戰(zhàn)。在國(guó)家自然基金和中國(guó)科學(xué)院青年創(chuàng)新促進(jìn)會(huì)的支持下，針對(duì)任意不具有合作

作、單臂穩(wěn)定基座位姿的方案時(shí)，2個(gè)機(jī)械臂完成協(xié)同抓捕的任務(wù)，1個(gè)機(jī)械臂實(shí)現(xiàn)基座位姿穩(wěn)定［6］。基于運(yùn)動(dòng)學(xué)特征方程求解關(guān)節(jié)運(yùn)動(dòng)軌跡是機(jī)器人連續(xù)路徑規(guī)劃的基本方法，但運(yùn)動(dòng)學(xué)或動(dòng)力學(xué)奇異是機(jī)械臂的固有特性，在奇異點(diǎn)附近，采用雅可比矩陣直接求逆會(huì)造成關(guān)節(jié)角速度突變而導(dǎo)致控制不可實(shí)現(xiàn)。目前，已有學(xué)者提出回避奇異的方法來保證奇異點(diǎn)附近關(guān)節(jié)角速度的連續(xù)性和有限性，比如阻尼最小方差法［7］、選擇性最小阻尼方差法［8］、“奇異分離+阻尼倒數(shù)”方法［9］、“奇異轉(zhuǎn)化+阻尼倒數(shù)

須知道自己的實(shí)時(shí)位姿與正確位姿的相對(duì)偏差。由于快遞小車的運(yùn)行路線固定，我們可以事先人為控制讓安裝有雙目攝像頭的小車沿著正確的道路行走一遍，雙目攝像頭相對(duì)小車位置固定，并對(duì)前進(jìn)路線環(huán)境進(jìn)行拍攝，我們每一幀將有兩張照片，左攝像頭及右攝像頭所拍攝的照片，我們對(duì)兩張照片進(jìn)行特征點(diǎn)匹配，本文選用的是SIFT特征點(diǎn)匹配方式，并將匹配上的特征點(diǎn)的特征向量及其在小車坐標(biāo)系（一般選小車的中心點(diǎn)或者小車的某個(gè)頂點(diǎn)作為小車坐標(biāo)系的原點(diǎn)，小車的正前基線、水平基線、豎直方向基線分別

調(diào)整無人機(jī)和相機(jī)位姿不僅效率低而且準(zhǔn)確度低，因此對(duì)自動(dòng)控制無人機(jī)和相機(jī)位姿進(jìn)行航拍的研究很有意義。國(guó)內(nèi)外學(xué)者也對(duì)此項(xiàng)技術(shù)進(jìn)行了研究并有部分應(yīng)用。國(guó)內(nèi)華南理工大學(xué)的余寶意等人[2]根據(jù)機(jī)載芯片反饋數(shù)據(jù)利用PC機(jī)鍵盤手動(dòng)調(diào)整云臺(tái)相機(jī)角度到目標(biāo)區(qū)域，這種方法包含人為操作，相機(jī)角度定位準(zhǔn)確度低。西北工業(yè)大學(xué)的張治生等人[3]開發(fā)了一款地面站平臺(tái)控制臺(tái)軟件，具備數(shù)據(jù)接收、顯示、存儲(chǔ)、回放等功能，但只是作為飛行過程中無人機(jī)位姿等參數(shù)的接收端，缺少給無人機(jī)發(fā)送數(shù)據(jù)的能力

高效、穩(wěn)定的目標(biāo)位姿跟蹤技術(shù)對(duì)于諸多應(yīng)用領(lǐng)域具有重要意義，如空間應(yīng)用(交會(huì)對(duì)接、在軌服務(wù)等)、無人機(jī)應(yīng)用(自主降落等)、機(jī)器人應(yīng)用(抓取、裝配等)等。基于視覺的位姿跟蹤方法具有精度高、自主性強(qiáng)等優(yōu)勢(shì)，已成為上述應(yīng)用中近距離階段的主要位姿測(cè)量手段?；趫D像的精密位姿跟蹤方法涵蓋目標(biāo)特征提取、參數(shù)優(yōu)化求解等，屬于攝影測(cè)量與計(jì)算機(jī)視覺、數(shù)字圖像處理交叉的攝像測(cè)量或圖像測(cè)量范疇[1]。研究人員將目標(biāo)固有的紋理、幾何特征用于對(duì)位姿參數(shù)的精密測(cè)量，基本思路是通過建立目

方面，對(duì)不同工件位姿的測(cè)量是關(guān)鍵。與傳統(tǒng)的位姿測(cè)量技術(shù)，諸如使用陀螺儀，或者多激光傳感器配合等的位姿測(cè)量技術(shù)相比，視覺系統(tǒng)具有結(jié)構(gòu)簡(jiǎn)單、測(cè)量范圍廣、靈活性高等優(yōu)點(diǎn)，有良好的發(fā)展前景。2 目標(biāo)工件圖像識(shí)別2.1 位姿的測(cè)量在Windows中，利用QT軟件和OpenGL庫(kù)直接繪制出仿真圖像，為仿真零件加入不同光照，以一定的視角生成二維場(chǎng)景圖像，然后將生成的二維場(chǎng)景圖像導(dǎo)入MATLAB，同時(shí)生成2D邊緣圖像作為目標(biāo)物的模板，并記錄此二維場(chǎng)景圖像的視角信息，即虛擬

形學(xué)習(xí)的三維工件位姿估計(jì)方法李 林1，魏新華1，沈?qū)殗?guó)1，2（1.江蘇大學(xué)農(nóng)業(yè)裝備工程學(xué)院，江蘇鎮(zhèn)江212013；2.江蘇航空職業(yè)技術(shù)學(xué)院航空工程學(xué)院，江蘇鎮(zhèn)江212134）為了實(shí)現(xiàn)復(fù)雜工業(yè)環(huán)境中單目視覺三維工件的實(shí)時(shí)精確定位，提出了一種基于自適應(yīng)子模式流形學(xué)習(xí)（SP-IVP）的三維工件位姿估計(jì)方法.給出了通過非線性降維框架和重構(gòu)高維空間的流形構(gòu)建方法，獲得最優(yōu)保持本質(zhì)變量連續(xù)性的低維特征子空間；實(shí)現(xiàn)了基于該流形構(gòu)建方法的工件位姿估計(jì)；進(jìn)而給出了自適應(yīng)子模

似關(guān)鍵幀進(jìn)行相機(jī)位姿估計(jì)失敗后的重新定位，通過與程序集成框架InfiniTAM相結(jié)合，增大重建范圍。采用RGB-D SLAM驗(yàn)證數(shù)據(jù)集進(jìn)行了對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)表明：提出的方法可以大大增加重建范圍，在相機(jī)定位失敗后有效地進(jìn)行重新定位，同時(shí)減少了長(zhǎng)時(shí)間重建產(chǎn)生的累積誤差，使得三維重建的過程更加穩(wěn)定，獲得的相機(jī)位姿更加精確。隨機(jī)蕨編碼； 三維重建； 相機(jī)路徑回環(huán)； 關(guān)鍵幀0 引 言三維重建技術(shù)一直是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)，在人機(jī)交互、機(jī)器人導(dǎo)航控制、增強(qiáng)現(xiàn)實(shí)等方面

單目視覺下無人機(jī)位姿估計(jì)吳 妍，吳 芬，戚國(guó)慶（南京理工大學(xué) 江蘇 南京 210094）就無人機(jī)的自定位問題，文中提出一種數(shù)字圖像處理結(jié)合2D-3D場(chǎng)景重建的位姿估計(jì)算法。在已知人工標(biāo)志世界坐標(biāo)的前提下，對(duì)于單目視覺下機(jī)載非線性相機(jī)拍攝的單幀圖像，利用圖像處理技術(shù)為位姿解算提供特征點(diǎn)數(shù)據(jù)。位姿解算提供了一種改進(jìn)的N點(diǎn)透視算法，該算法結(jié)合正交迭代算法，以N點(diǎn)透視算法計(jì)算的旋轉(zhuǎn)矩陣值作為迭代算法初值，迭代得到最終估計(jì)結(jié)果。通過仿真實(shí)驗(yàn)和實(shí)物實(shí)驗(yàn)驗(yàn)證了算法的可行

74艙段自動(dòng)裝配位姿求解方法研究金賀榮1,2劉 達(dá)1,2于 斌1,2范秀斌3 1.燕山大學(xué)河北省并聯(lián)機(jī)器人與機(jī)電系統(tǒng)實(shí)驗(yàn)室，秦皇島，0660042.燕山大學(xué)先進(jìn)鍛壓成型技術(shù)與科學(xué)教育部重點(diǎn)實(shí)驗(yàn)室，秦皇島，0660043.北京星航機(jī)電裝備有限公司，北京，100074在航天器自動(dòng)化總裝過程中需首先確定航天器艙段在裝配空間內(nèi)的準(zhǔn)確位姿，為實(shí)現(xiàn)艙段位姿的快速精準(zhǔn)求解，以圓柱體類航天器艙段結(jié)構(gòu)為例，提出了一種矢量位姿求解法。通過在艙段的圓柱面上合理布設(shè)特征點(diǎn)，利用阻

000?一種基于位姿反饋的工業(yè)機(jī)器人定位補(bǔ)償方法何慶稀1游震洲1孔向東21.溫州職業(yè)技術(shù)學(xué)院，溫州，3250002.溫州大學(xué)甌江學(xué)院，溫州，325000為了提高工業(yè)機(jī)器人的絕對(duì)定位精度，提出了一種基于末端位姿閉環(huán)反饋的機(jī)器人精度補(bǔ)償方法。該方法通過激光跟蹤儀測(cè)量實(shí)時(shí)跟蹤機(jī)器人末端靶標(biāo)點(diǎn)的位置來監(jiān)測(cè)機(jī)器人末端的位姿，并通過對(duì)靶標(biāo)點(diǎn)的實(shí)際位置和理論位置進(jìn)行匹配獲得機(jī)器人末端的位姿偏差。工業(yè)機(jī)器人系統(tǒng)與激光跟蹤測(cè)量系統(tǒng)通過局域網(wǎng)進(jìn)行數(shù)據(jù)通信，并根據(jù)位姿偏差數(shù)據(jù)對(duì)

結(jié)構(gòu)的電機(jī).轉(zhuǎn)子位姿檢測(cè)是磁懸浮球形主動(dòng)關(guān)節(jié)運(yùn)行的重要環(huán)節(jié)，主要包括轉(zhuǎn)子的位置檢測(cè)和姿態(tài)檢測(cè).在球形主動(dòng)關(guān)節(jié)上建立三維坐標(biāo)系，提出轉(zhuǎn)子位置和姿態(tài)的數(shù)學(xué)表達(dá)式，基于MEMS陀螺儀測(cè)量轉(zhuǎn)子加速度和角速度，計(jì)算轉(zhuǎn)子的姿態(tài)矩陣，得出轉(zhuǎn)子的姿態(tài)角和球心的位置坐標(biāo).通過實(shí)驗(yàn)驗(yàn)證了轉(zhuǎn)子位姿檢測(cè)系統(tǒng)數(shù)學(xué)模型與位姿公式的正確性.關(guān)鍵詞：磁懸浮球形感應(yīng)電動(dòng)機(jī)；位姿；位置檢測(cè)；姿態(tài)檢測(cè)球形主動(dòng)關(guān)節(jié)可提供多個(gè)自由度，從而極大地簡(jiǎn)化了機(jī)構(gòu)的復(fù)雜度，提高了定位精度和響應(yīng)速度，同時(shí)還縮

需要對(duì)機(jī)翼的空間位姿參數(shù)進(jìn)行計(jì)算，以便指導(dǎo)機(jī)翼空間位姿的調(diào)整。文獻(xiàn)[1-5]中，通過使用激光跟蹤儀進(jìn)行測(cè)量，獲得部件上用于表達(dá)部件位姿的測(cè)量點(diǎn)的測(cè)量值，并結(jié)合這些測(cè)量點(diǎn)在產(chǎn)品理論姿態(tài)下的理論值，采用奇異分解法或最小二乘法，計(jì)算測(cè)量點(diǎn)與其理論值間平方和最小的轉(zhuǎn)換關(guān)系，從而得到部件的空間位姿。這種方法已成功應(yīng)用于機(jī)身的姿態(tài)計(jì)算，具有計(jì)算簡(jiǎn)單、精度高的特點(diǎn)，但由于這種方法在實(shí)際使用時(shí)，需要根據(jù)產(chǎn)品數(shù)模在產(chǎn)品上預(yù)先布置用于表達(dá)位姿的點(diǎn)，并對(duì)這些點(diǎn)在空間中的實(shí)際位置

型零部件最佳裝配位姿多目標(biāo)優(yōu)化算法朱緒勝， 鄭聯(lián)語(yǔ)*北京航空航天大學(xué) 機(jī)械工程及自動(dòng)化學(xué)院， 北京 100191為了控制裝配過程中的關(guān)鍵裝配特性，以大尺寸測(cè)量技術(shù)為輔助，實(shí)現(xiàn)大型零部件最優(yōu)位姿裝配，提出基于關(guān)鍵裝配特性的大型零部件最佳裝配位姿多目標(biāo)優(yōu)化算法。該方法將測(cè)量輔助裝配(MAA)中的關(guān)鍵環(huán)節(jié)——最佳裝配位姿擬合問題分為兩步：第1步利用基于奇異值分解的解析方法將測(cè)量坐標(biāo)系與裝配現(xiàn)場(chǎng)的全局坐標(biāo)系進(jìn)行精確的空間配準(zhǔn)，減小了坐標(biāo)系對(duì)齊的誤差，并以參考點(diǎn)擬合