关于机器人标定，还有这些内幕你必须知道

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

定位精度作为影响机器人性能的重要因素，所以经常要对机器人进行标定来提高机器人的定位精度从而满足工业上的需要。但是在某些示教类的应用中，如果谐波减速器的精度足够高，不需要标定也能够满足精度要求。

1.为什么机器人需要标定？

影响机器人本体精度因素分为两大类：运动学因素——加工误差、机械公差/装配误差、减速器精度、减速器空程等；动力学因素——质量、惯性张量、摩擦力、关节柔性、连杆柔性。

机器人本体的实际精度和理论设计模型可能会存在一定的误差。为了使机器人本体达到与理论设计模型一致，提高机器人点精度和轨迹精度或者能够完全以编程设定的动作运动，机器人在装配后需要进行标定工作。

标定一般采用激光跟踪仪、拉线法、20点法等方法。至于采用哪种方法，可以根据企业的资金预算、客户需求及市场定位的要求选择不同的方法。毋庸置疑的是，无论使用哪种方法，对机器人本体企业来说都是成本的增加。 

2.哪种情况不需要标定？

在多数工业机器人应用中，示教再现的编程方式仍然占据主流，这要求机器人具有较好的重复定位精度，对其绝对定位精度则要求不高。

特别是对于主要用于点到点工况的SCARA机器人，在点到点的示教类应用中：比如上下料搬运，起点和终点的位置都是示教出来的，因此对于这类应用，只要编码器、减速器精度足够高即可省去标定工作。

以爱普生G3-351mmSCARA机器人为例：机器人臂展350mm，重复定位精度±0.01，额定负载1kg，最大负载3kg。

表1   爱普生SCARA机器人技术参数表（图片来自官网）

机器人本体的精度推算其对谐波减速器精度的要求，要想确保350mm臂展重复定位精度±0.01的精度，谐波减速器单向重复定位精度必须控制在11.88角秒。因此需要谐波减速器单向重复定位精度均低于10角秒。 

3.国内外减速器精度对比

此前，谐波减速器作为国产机器人的“掣肘”被认为精度表现能力与国外品牌相差很大。但事实上，这两年国产谐波减速器发展迅速，甚至已经在部分关键指标上已经赶超国外品牌。

如果以哈默纳克产品的标准品来作为行业标准的话。根据主流减速器厂商产品样册上的指标来看：目前国产品牌，比如绿的品牌产品14、17规格80以上减速比传动精度与哈默纳克标准品精度指标基本一致，但其他规格型号的产品却要低于哈默纳克标准品精度33%~50%。

而日本新宝品牌谐波减速器50减速比25以上规格的传动精度也低于哈默纳克标准品精度33%；但是无论标准品还是特殊品，昊志机电的传动精度均高于哈默纳克产品20%。

图1   减速比50标准品传动精度对比（传动精度值低为优，单位：arc sec，数据摘自厂商样册）

图2   减速比50特殊品传动精度对比（传动精度值低为优，单位：arc sec，数据摘自厂商样册）

图3   减速比≥50标准品传动精度对比（传动精度值低为优，单位：arc sec，数据摘自厂商样册）

4.国内外减速器刚性性能对比

从上述影响机器人本体精度的动力学分析发现，关节柔性也是重要影响因素之一。由于谐波减速器是柔性产品，关节柔性主要表现为谐波减速器的柔性即减速器的刚性值；谐波减速器的刚性越好，机器人本体精度越高。

同样是以哈默纳科减速器刚性指标作为行业标准。可以看出：日本新宝和苏州绿的产品的刚性仅达到哈默纳克刚性标准的85%左右；而昊志机电产品刚性却为哈默纳克刚性标准的1.1倍。

图4   减速比50刚性对比（单位：×10⁴Nm/rad，数据摘自厂商样册）

图5   减速比≥80刚性对比（单位：×10⁴Nm/rad，数据摘自厂商样册）

未来可期，目前部分国产品牌谐波减速器产品已经达到世界级的精度和寿命。这对于SCARA细分领域大部分客户来说：在无需标定的情况下，机器人本体既可达到超高的重复定位精度要求，又能省去本体厂家的人工成本、设备采购成本及时间成本，同时提升本体厂家的核心竞争力。

好消息！

小白学视觉知识星球

开始面向外开放啦👇👇👇

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。


下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。


下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。


交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~