On Flange-based 3D Hand-Eye Calibration for Soft Robotic Tactile Welding

本文研究了在协作机器人中使用3D扫描仪直接应用标准化设计进行机器人手眼校准的方法。通过直接捕捉机器人法兰的点云数据，利用机器人法兰的已建立的几何特征。特别地，提出了一种迭代方法，以促进点云处理，实现精细的校准结果。在包括Universal Robots UR5和UR10 e-series、Franka Emika和AUBO i5在内的一系列协作机器人上进行了多次广泛的实验，使用了工业级3D扫描仪Photoneo Phoxi S&M和商业级3D扫描仪Microsoft Azure Kinect DK。实验结果表明，平移和旋转误差有效地收敛到小于0.28毫米和0.25度，分别实现了与相机分辨率一样高的手眼校准精度，探索了硬件极限。提出了一种焊缝跟踪系统，将基于法兰的校准方法与软触觉传感相结合。实验结果表明，该系统使机器人能够实时调整其运动，确保一致的焊接质量，为更高效和适应性的制造过程铺平了道路。

本论文旨在探讨利用标准化设计结合3D扫描仪和协作机器人进行机器人手眼标定的直接应用。研究旨在验证该方法的有效性和精度。

论文提出了一种迭代方法，通过直接捕获机器人法兰的点云数据来实现点云处理，以实现更精确的标定结果。

论文使用了多个协作机器人和两种3D扫描仪进行了广泛的实验，实验结果表明，该方法可以实现高精度的机器人手眼标定。论文还提出了一种焊接接缝跟踪系统，结合软触觉传感器，实现了机器人的实时调整，确保焊接质量的一致性。

近期的相关研究包括：《A Survey of Hand-Eye Calibration Techniques》、《Hand-Eye Calibration Using Dual Quaternions and the Algebraic Solution of the Wahba Problem》等。