基于機(jī)器視覺(jué)的五軸點(diǎn)膠機(jī)工件定位算法研發(fā)

周慶懿，瞿佳偉，張春雷，

（1.四川大學(xué) 機(jī)械工程學(xué)院，成都610065；2.成都樂(lè)創(chuàng)自動(dòng)化技術(shù)有限公司，成都610041）

在電子產(chǎn)品生產(chǎn)中，點(diǎn)膠機(jī)扮演著極其重要的角色[1]。例如PCB 電路板的電子元件粘結(jié)、智能手機(jī)外殼和攝像頭的固定等工業(yè)制造任務(wù)中無(wú)一不用到點(diǎn)膠機(jī)。由于工業(yè)產(chǎn)品中出現(xiàn)了越來(lái)越多的異形面、復(fù)雜空間曲線、曲面，導(dǎo)致普通的三軸點(diǎn)膠機(jī)不能很好地完成點(diǎn)膠任務(wù)，只能使用五軸點(diǎn)膠機(jī)來(lái)完成這樣的復(fù)雜任務(wù)，而五軸點(diǎn)膠機(jī)的工件定位和示教的任務(wù)復(fù)雜度和難度較大，使用傳統(tǒng)的專用定位夾具做工件定位和人工示教所帶來(lái)的成本高。結(jié)合當(dāng)下機(jī)器視覺(jué)的應(yīng)用領(lǐng)域和發(fā)展現(xiàn)狀，機(jī)器視覺(jué)技術(shù)是解決上述難題的不二選擇。

目前機(jī)器視覺(jué)工件定位的研究主要是針對(duì)于兩大類工件，一是平面工件[2-3]，主要用于流水線扁平工件的分揀工作，適用范圍有限，只能進(jìn)行工件的二維平面定位；二是立體工件[4-5]，由于使用純視覺(jué)技術(shù)的限制，造成精度不夠高，一般在毫米級(jí)，因此主要用于機(jī)器手分揀任務(wù)。而在數(shù)控機(jī)床中的相關(guān)應(yīng)用研究較少，且適用范圍比較局限，比如針對(duì)特定工件的特定加工環(huán)節(jié)視覺(jué)定位，如在花鍵加工中的應(yīng)用[6]。

本文研究基于機(jī)器視覺(jué)的雙轉(zhuǎn)臺(tái)五軸點(diǎn)膠機(jī)床運(yùn)動(dòng)學(xué)模型，并選取工件表面定位特征點(diǎn)，結(jié)合運(yùn)動(dòng)學(xué)模型進(jìn)行求解特征點(diǎn)的工件坐標(biāo)，完成工件定位，求得的定位特征點(diǎn)兩兩實(shí)際物理距離與理論物理距離的平均誤差為7.5 μm。數(shù)控機(jī)床很多基本的結(jié)構(gòu)相似，所以該定位方法還可以很容易地應(yīng)用在其它數(shù)控機(jī)床中，可移植性較高。該方法部分研究結(jié)果已于2021年在成都樂(lè)創(chuàng)自動(dòng)化技術(shù)有限公司正式投入使用。

1 工件定位算法原理

研究對(duì)象為雙轉(zhuǎn)臺(tái)五軸點(diǎn)膠機(jī)床，如圖1所示，相機(jī)安裝在Z軸滑臺(tái)上，它與五軸機(jī)床其它關(guān)鍵運(yùn)動(dòng)部件有著確定的運(yùn)動(dòng)關(guān)系，為了實(shí)現(xiàn)對(duì)工件的精確定位，求解工件在加工平臺(tái)上的位姿，首先需要使用張正友標(biāo)定法[10]進(jìn)行單相機(jī)標(biāo)定，確定工業(yè)相機(jī)的相機(jī)內(nèi)參與畸變系數(shù)，該方法比較成熟，可直接使用，然后確定相機(jī)和五軸機(jī)床中各個(gè)運(yùn)動(dòng)部件的運(yùn)動(dòng)學(xué)信息，建立運(yùn)動(dòng)學(xué)模型，最后基于該模型，結(jié)合工件定位特征點(diǎn)建立優(yōu)化目標(biāo)函數(shù)，使用LM優(yōu)化方法求解特征點(diǎn)的工件坐標(biāo)，完成工件定位。

圖1 雙轉(zhuǎn)臺(tái)五軸點(diǎn)膠機(jī)結(jié)構(gòu)Fig.1 Structure of dual turntable five-axis machine

1.1 基于齊次坐標(biāo)變換的理想運(yùn)動(dòng)學(xué)建模

基于視覺(jué)的五軸機(jī)床上的關(guān)鍵部件運(yùn)動(dòng)學(xué)關(guān)系可視為一條串聯(lián)運(yùn)動(dòng)鏈，如圖2所示，實(shí)線連接部分屬于物理連接，即運(yùn)動(dòng)部件之間的固聯(lián)關(guān)系，它們之間僅存在剛體變換運(yùn)動(dòng)，其中相機(jī)和針頭都安裝在同一滑臺(tái)上，相對(duì)位姿固定，可簡(jiǎn)化為同屬一個(gè)部件；點(diǎn)畫(huà)線部分屬于非物理連接，由相機(jī)模型聯(lián)系[10]。加工平臺(tái)上的標(biāo)定板世界坐標(biāo)信息可以通過(guò)兩個(gè)途徑變換到相機(jī)坐標(biāo)下，一是通過(guò)物理連接部分獲得，二是通過(guò)非物理連接部分獲得，非物理連接部分獲取的信息可以作為先驗(yàn)信息應(yīng)用于標(biāo)定環(huán)節(jié)，因此首先需要對(duì)物理連接部分進(jìn)行運(yùn)動(dòng)學(xué)建模，確定用于描述物理連接部分運(yùn)動(dòng)關(guān)系的數(shù)學(xué)模型，才能利用非物理連接部分的先驗(yàn)信息對(duì)其進(jìn)行關(guān)鍵參數(shù)的標(biāo)定。

圖2 五軸機(jī)床運(yùn)動(dòng)鏈Fig.2 Kinematic chain of five-axis machine

齊次坐標(biāo)變換可以描述空間中任意坐標(biāo)系之間的相對(duì)位姿關(guān)系[7-8]，也可以表示空間點(diǎn)在不同坐標(biāo)系下的描述之間的轉(zhuǎn)換關(guān)系。本文采用齊次坐標(biāo)變換法來(lái)描述機(jī)床中各個(gè)關(guān)鍵部件之間的運(yùn)動(dòng)關(guān)系，即相對(duì)位姿關(guān)系，通過(guò)在各個(gè)部件上建立標(biāo)準(zhǔn)笛卡爾右手坐標(biāo)系，用坐標(biāo)系之間的齊次變換來(lái)描述部件之間的關(guān)系，坐標(biāo)系示意圖如圖3所示。

圖3 五軸機(jī)床上的關(guān)鍵部件固聯(lián)坐標(biāo)系示意圖Fig.3 Coordinate system of critical components in five-axis machine

理想運(yùn)動(dòng)學(xué)模型如式（1）所示，忽略所有機(jī)床誤差，若知道坐標(biāo)系之間的相對(duì)位姿關(guān)系，便可知道它們之間的齊次變換矩陣，而物理連接部分屬于串聯(lián)關(guān)系，因此可以利用這些齊次變換矩陣，從標(biāo)定點(diǎn)世界坐標(biāo)出發(fā)，逐級(jí)變換到標(biāo)定點(diǎn)在相機(jī)坐標(biāo)系下的坐標(biāo)。

式中：pV為空間點(diǎn)在｛V｝下的坐標(biāo)；pW為世界坐標(biāo)；為空間點(diǎn)從｛W｝下變換到｛C｝下的齊次變換矩陣，同樣也表示｛W｝坐標(biāo)系相對(duì)｛C｝的位姿，以此類推。

標(biāo)定板可看作加工工件，當(dāng)把標(biāo)定板固定在加工平臺(tái)上后，標(biāo)定板與加工平臺(tái)的相對(duì)位姿不再發(fā)生改變，因此標(biāo)定板坐標(biāo)系｛W｝即是加工坐標(biāo)系，不難看出，在五軸機(jī)床的運(yùn)作過(guò)程中，標(biāo)定點(diǎn)的世界坐標(biāo)pW將不會(huì)發(fā)生改變。實(shí)際加工過(guò)程中，標(biāo)定點(diǎn)在｛V｝下的坐標(biāo)pV會(huì)因五軸機(jī)床的運(yùn)動(dòng)發(fā)生改變，而式（1）的齊次坐標(biāo)變換模型中，齊次變換矩陣D描述了五軸機(jī)床運(yùn)動(dòng)鏈節(jié)點(diǎn)的靜態(tài)位姿關(guān)系和運(yùn)動(dòng)關(guān)系。

1.2 耦合PIGE 的五軸機(jī)床運(yùn)動(dòng)學(xué)建模

機(jī)床的幾何誤差按照與各運(yùn)動(dòng)軸位置的相關(guān)性分為兩類，一是位置無(wú)關(guān)幾何誤差元素PIGE（position-independent geometric error，PIGE）；二是位置相關(guān)幾何誤差元素PDGE（position-dependent geometric error，PDGE）。在本文中將忽略PDGE，僅考慮機(jī)床的PIGE。PIGE 誤差主要包含機(jī)床各運(yùn)動(dòng)軸的安裝誤差，包括平動(dòng)軸的3 項(xiàng)垂直度誤差，旋轉(zhuǎn)軸的4項(xiàng)垂直度誤差以及4 項(xiàng)軸間距誤差[9]。

為了便于將誤差模型耦合到理想運(yùn)動(dòng)學(xué)模型中，同樣采用齊次坐標(biāo)變換法進(jìn)行誤差模型建模?？紤]到五軸機(jī)床中平動(dòng)軸和旋轉(zhuǎn)軸的誤差項(xiàng)不同，因此可以將式（1）分解為式（2），分別對(duì)平動(dòng)軸部分和旋轉(zhuǎn)軸部分進(jìn)行誤差分析與模型建立：

式中：pY為標(biāo)定點(diǎn)在坐標(biāo)系｛Y｝下的坐標(biāo)。

1.2.1 平動(dòng)軸誤差運(yùn)動(dòng)學(xué)模型

在理想情況下，無(wú)PIGE 誤差，｛X｝，｛Y｝，｛Z｝三個(gè)平動(dòng)軸滑臺(tái)固聯(lián)坐標(biāo)系中的三坐標(biāo)軸線均與機(jī)床基座坐標(biāo)系｛M｝的坐標(biāo)軸平行，機(jī)床復(fù)位時(shí)，以上各坐標(biāo)系重合。此時(shí)考慮PIGE 誤差[9]，即運(yùn)動(dòng)軸安裝誤差，該誤差實(shí)質(zhì)上是造成了運(yùn)動(dòng)軸相對(duì)于機(jī)床基座做剛體變換，部件上固聯(lián)的平動(dòng)軸坐標(biāo)系｛X｝，｛Y｝，｛Z｝同樣將產(chǎn)生相對(duì)｛M｝的剛體變換。因此在平動(dòng)軸誤差運(yùn)動(dòng)學(xué)模型中，將乘上對(duì)應(yīng)平動(dòng)軸PIGE誤差項(xiàng)所帶來(lái)的剛體變換矩陣。平動(dòng)軸誤差運(yùn)動(dòng)學(xué)模型如式（3）所示：

式中：EX，EY，EZ分別為PIGE 誤差所帶來(lái)的相對(duì)｛M｝的剛體變換矩陣。

由齊次變換矩陣的特性可知，該模型中的齊次變換矩陣可以耦合為一個(gè)齊次變換矩陣T，模型簡(jiǎn)化為

式中：RM的物理意義為｛Y｝坐標(biāo)系相對(duì)于相機(jī)坐標(biāo)系｛V｝的旋轉(zhuǎn)。相機(jī)安裝好后，在機(jī)床運(yùn)動(dòng)中，相機(jī)與Y軸滑臺(tái)之間只做平動(dòng)運(yùn)動(dòng)，不發(fā)生旋轉(zhuǎn)運(yùn)動(dòng)，因此可以想象RM是一個(gè)旋轉(zhuǎn)矩陣常量；tM的物理意義為｛Y｝相對(duì)于｛V｝的平移向量，該向量包含了兩個(gè)因素，一是由于機(jī)床做平動(dòng)運(yùn)動(dòng)時(shí)引起的平移變換，二是由于PIGE 幾何誤差項(xiàng)引起的靜態(tài)誤差。因此tM是一個(gè)關(guān)于機(jī)床輸入坐標(biāo)的線性函數(shù)，如式（5）所示：

式中：M3×4為映射矩陣。因此，對(duì)于平動(dòng)軸誤差運(yùn)動(dòng)學(xué)模型只需標(biāo)定出RM和M3×4兩個(gè)矩陣參數(shù)。

在實(shí)際標(biāo)定過(guò)程中，機(jī)床僅作平動(dòng)運(yùn)動(dòng)，旋轉(zhuǎn)軸不做轉(zhuǎn)動(dòng)，Y軸滑臺(tái)與加工平臺(tái)相對(duì)靜止，假設(shè)此時(shí)的坐標(biāo)系｛Y｝與標(biāo)定板坐標(biāo)系｛W｝重合，因此可以使機(jī)床僅作平動(dòng)運(yùn)動(dòng)，拍攝足夠數(shù)量不同平動(dòng)參數(shù)下的標(biāo)定板圖像，用已經(jīng)標(biāo)定好的相機(jī)內(nèi)參作為初始值，使用張氏標(biāo)定法[10]求解對(duì)應(yīng)圖像的單應(yīng)矩陣，再根據(jù)相機(jī)內(nèi)參矩陣解耦出每張圖像的外參矩陣，即｛W｝相對(duì)｛V｝的剛體變換矩陣，又因?yàn)椋鸜｝與｛W｝重合，該變換矩陣實(shí)質(zhì)也是｛Y｝相對(duì)相機(jī)｛V｝的變換矩陣。此時(shí)不難想象，由于機(jī)床僅作平動(dòng)運(yùn)動(dòng)，每張標(biāo)定板圖像對(duì)應(yīng)旋轉(zhuǎn)矩陣RM理論上應(yīng)該是常量，但由于圖像處理和計(jì)算會(huì)帶來(lái)隨機(jī)噪聲，導(dǎo)致這些旋轉(zhuǎn)矩陣存在微小偏差，因此可使用平均法求出所有旋轉(zhuǎn)矩陣的平均值作為標(biāo)定結(jié)果，而求解出來(lái)的平移向量則是tM，根據(jù)式（5）和多組變換矩陣的平移向量，可構(gòu)建超定方程組，最后利用最小二乘法可以求解出M3×4。

1.2.2 旋轉(zhuǎn)軸誤差運(yùn)動(dòng)學(xué)模型

旋轉(zhuǎn)軸運(yùn)動(dòng)將會(huì)導(dǎo)致原本重合的｛Y｝與｛W｝產(chǎn)生剛體變換，因此旋轉(zhuǎn)軸誤差運(yùn)動(dòng)學(xué)模型需要確定該剛體變換的具體形式。旋轉(zhuǎn)軸坐標(biāo)系｛A｝與｛C｝的原點(diǎn)建立在實(shí)際旋轉(zhuǎn)軸線上的一點(diǎn)，假設(shè)｛A｝原點(diǎn)在｛Y｝下的坐標(biāo)為ta，｛C｝的原點(diǎn)在｛A｝下的坐標(biāo)為tc，旋轉(zhuǎn)軸A的實(shí)際旋轉(zhuǎn)軸線在｛Y｝下的方向向量為va，C的實(shí)際軸線在｛A｝下的方向向量為vc。不難想象，在這種模型條件下，若求解出原點(diǎn)ta，tc和方向向量va，vc，便能確定A，C軸的實(shí)際旋轉(zhuǎn)軸線分別在｛Y｝和｛A｝下的位置，兩直線之間的相對(duì)位姿則包含了PIGE 誤差項(xiàng)中的旋轉(zhuǎn)軸垂直度誤差與軸間距誤差。

假設(shè)機(jī)床旋轉(zhuǎn)軸的旋轉(zhuǎn)度數(shù)分別為a和c，由旋轉(zhuǎn)軸引起的｛Y｝與｛W｝之間的坐標(biāo)變換可看作｛W｝繞直線（ta，va）旋轉(zhuǎn)a度，再繞（tc，vc）旋轉(zhuǎn)c度，并且在a，c為0 時(shí)｛Y｝，｛A｝，｛C｝坐標(biāo)系三軸線分別相互平行。又因｛Y｝在未作旋轉(zhuǎn)運(yùn)動(dòng)時(shí)與｛W｝重合，有pY=pW，因此可以通過(guò)僅旋轉(zhuǎn)一根旋轉(zhuǎn)軸實(shí)現(xiàn)對(duì)相應(yīng)旋轉(zhuǎn)軸的軸線參數(shù)標(biāo)定。以A軸為例，標(biāo)定過(guò)程推導(dǎo)如下：

｛W｝與｛Y｝的變換公式如式（7）所示，其中旋轉(zhuǎn)矩陣可由羅德里格斯公式求得，如式（6）所示：

式中：a為A軸旋轉(zhuǎn)度數(shù)；vaX，vaY，vaZ為va的分量。

此時(shí)相機(jī)拍下標(biāo)定板的照片，根據(jù)相機(jī)成像原理可得：

聯(lián)合式（7）與式（8）：

根據(jù)前一步的標(biāo)定結(jié)果，令機(jī)床此時(shí)的平動(dòng)軸參數(shù)為［X，Y，Z，1］T，則：

根據(jù)式（9）和式（10）可得：

式中：R和t為每張圖像對(duì)應(yīng)的外參矩陣，可同樣根據(jù)張正友標(biāo)定法求得，RM和M3×4可由平動(dòng)軸誤差模型標(biāo)定求得，平動(dòng)軸參數(shù)［X，Y，Z，1］T為已知量。因此采集n組僅做A軸旋轉(zhuǎn)的標(biāo)定板圖像，可根據(jù)式（11）建立n個(gè)方程求出ta，RA，進(jìn)而利用羅德里格斯公式反求出va。同理，在僅旋轉(zhuǎn)C軸時(shí)，可求得C軸軸線的方向向量vc，以及軸線上一點(diǎn)tc，完成旋轉(zhuǎn)軸誤差模型的標(biāo)定。

1.3 綜合誤差運(yùn)動(dòng)學(xué)模型

此時(shí)增加兩個(gè)坐標(biāo)系｛A0｝與｛C0｝。｛A0｝表示A軸未旋轉(zhuǎn)時(shí)的坐標(biāo)系，｛C0｝表示C軸未旋轉(zhuǎn)時(shí)的坐標(biāo)系，并且當(dāng)旋轉(zhuǎn)軸參數(shù)a，c為0 時(shí)，｛A0｝，｛C0｝分別與｛A｝，｛C｝重合，此時(shí)以上坐標(biāo)系的軸線分別與｛Y｝的三根軸線平行，因此通過(guò)上小節(jié)標(biāo)定的旋轉(zhuǎn)運(yùn)動(dòng)軸實(shí)際旋轉(zhuǎn)軸線分別在｛Y｝與｛A｝下的方向向量va，vc，結(jié)合機(jī)床的串聯(lián)運(yùn)動(dòng)模型，不難想象無(wú)論A，C是否旋轉(zhuǎn)，它們的實(shí)際旋轉(zhuǎn)軸線在｛A0｝，｛C0｝下數(shù)值上是不變的。｛A0｝，｛C0｝分別與｛A｝，｛C｝之間的關(guān)系如式（12）所示，顯然，它們之間僅存在因旋轉(zhuǎn)產(chǎn)生的旋轉(zhuǎn)變換。

式中：Ra和Rc為對(duì)應(yīng)旋轉(zhuǎn)軸旋轉(zhuǎn)動(dòng)a，c產(chǎn)生的旋轉(zhuǎn)矩陣，對(duì)應(yīng)旋轉(zhuǎn)軸線為上一小節(jié)標(biāo)定所得的va，vc。綜合誤差運(yùn)動(dòng)學(xué)模型如式（13）所示：

由于該運(yùn)動(dòng)鏈包含視覺(jué)系統(tǒng)，因此可以通過(guò)相機(jī)模型建立像素坐標(biāo)到加工坐標(biāo)的齊次坐標(biāo)變換模型，如式（14）所示：

基于該模型可建立優(yōu)化目標(biāo)函數(shù)，其中相機(jī)內(nèi)參K的初始值可通過(guò)張正友相機(jī)標(biāo)定法標(biāo)定得出[10]，其余優(yōu)化參數(shù)為齊次變換矩陣中的未知參數(shù)，如表1所示。pW為標(biāo)定板信息，是已知量，pp可由圖像處理提取標(biāo)定板Mark 點(diǎn)像素坐標(biāo)獲得，因此可以通過(guò)圖像處理獲得的像素坐標(biāo)作為先驗(yàn)信息，使用非線性優(yōu)化方法求解優(yōu)化參數(shù)。

表1 綜合誤差運(yùn)動(dòng)學(xué)模型的齊次變換矩陣Tab.1 Homogeneous transfer matrix of integrated-error-kinematic model

1.4 工件定位算法

從綜合誤差運(yùn)動(dòng)學(xué)模型可推導(dǎo)出像素坐標(biāo)與工件坐標(biāo)之間的齊次變換關(guān)系，如式（14）所示，基于該模型建立工件定位優(yōu)化目標(biāo)函數(shù)，如式（15）所示：

其中，在上述運(yùn)動(dòng)學(xué)模型標(biāo)定完成后，K相機(jī)內(nèi)參和D變換矩陣為已知量，Zc深度信息和pW工件坐標(biāo)，為未知量，作為優(yōu)化參數(shù)，再對(duì)實(shí)驗(yàn)零件4 個(gè)定位特征分別拍攝多張多視角圖像，通過(guò)圖像處理得到定位點(diǎn)像素坐標(biāo)，作為先驗(yàn)信息，通過(guò)LM 非線性優(yōu)化可以得到定位特征的加工坐標(biāo)信息，實(shí)現(xiàn)工件定位。實(shí)驗(yàn)零件如圖4所示。

圖4 測(cè)試零件Fig.4 Test workpiece

2 實(shí)驗(yàn)結(jié)果

2.1 五軸機(jī)床運(yùn)動(dòng)學(xué)模型標(biāo)定實(shí)驗(yàn)

該實(shí)驗(yàn)通過(guò)RANSAC 法對(duì)數(shù)據(jù)樣本進(jìn)行去噪[11]，并在此基礎(chǔ)上增加了RANSAC 參數(shù)搜索環(huán)節(jié)，利用處理后的數(shù)據(jù)樣本，使用LM 非線性優(yōu)化方法進(jìn)行各參數(shù)的優(yōu)化以及未知參數(shù)的求解，算法流程如圖5 和圖6所示。

圖5 增加參數(shù)搜索環(huán)節(jié)的RANSAC+LM 算法流程Fig.5 Flow chart of RANSAC+LM algorithm adding parameters searching

圖6 LM 非線性優(yōu)化流程Fig.6 Flow chart of LM nonlinear optimization

實(shí)驗(yàn)迭代兩次時(shí)平均重投影誤差就從175 下降到了0.5 以下，最終得到平均重投影誤差為0.17像素的五軸機(jī)床綜合誤差運(yùn)動(dòng)學(xué)模型，迭代誤差如圖7所示。

圖7 運(yùn)動(dòng)學(xué)模型標(biāo)定LM 迭代誤差Fig.7 LM errors of kinematic model

2.2 工件定位實(shí)驗(yàn)

該實(shí)驗(yàn)通過(guò)對(duì)建好的優(yōu)化目標(biāo)函數(shù)進(jìn)行LM 非線性優(yōu)化，得到工件定位特征點(diǎn)的工件坐標(biāo)值最優(yōu)解求解。定位結(jié)果如表2所示。

表2 工件定位特征點(diǎn)求解結(jié)果Tab.2 Solution result of workpiece-positioning-feature points

從標(biāo)定結(jié)果的平均重投影誤差可以看出，該算法的重投影誤差在1 個(gè)像素左右。根據(jù)實(shí)驗(yàn)工件的3D 模型可以得到4 個(gè)定位特征點(diǎn)之間的相對(duì)距離長(zhǎng)度，以該長(zhǎng)度作為理論長(zhǎng)度，最后根據(jù)定位結(jié)果計(jì)算對(duì)應(yīng)定位特征點(diǎn)之間的實(shí)際長(zhǎng)度，做誤差分析得到長(zhǎng)度平均誤差為0.0075 mm，也就是7.5 μm。

3 結(jié)語(yǔ)

本文提出了一種基于機(jī)器視覺(jué)的五軸機(jī)床運(yùn)動(dòng)學(xué)模型標(biāo)定算法，以及基于該模型的工件定位算法，該算法可解決五軸點(diǎn)膠機(jī)的工件定位問(wèn)題，減少專用定位夾具的必要，降低工件裝夾定位要求，該方法稍加修改后可應(yīng)用于三軸或四軸等其它類型數(shù)控機(jī)床、工業(yè)機(jī)器人、抓取機(jī)械臂等場(chǎng)景，為剛體變換場(chǎng)景中運(yùn)動(dòng)模型標(biāo)定以及目標(biāo)定位問(wèn)題提供了一種基于機(jī)器視覺(jué)技術(shù)的解決方案。但該方法標(biāo)定過(guò)程中需要人工采集大量標(biāo)定圖像，并且最后僅用到了求解出的加工坐標(biāo)信息，而深度信息未利用到，因此在今后的工作中可以繼續(xù)圍繞圖像采集自動(dòng)化、充分利用該算法中求解的深度信息解決其它合適的工程問(wèn)題這兩個(gè)問(wèn)題深入研究，進(jìn)一步改進(jìn)和擴(kuò)展該算法。