Kamerabasierte Identifikation der seriellen Starrkörperkinematik von Industrierobotern

Abstract

Die vorliegende Arbeit behandelt die kamerabasierte Identifikation der seriellen Starrkörperkinematik von Industrierobotern auf Basis von Aruco-Markern und einer monokularen RGB-Kamera, ohne auf nominelle kinematische Parameter angewiesen zu sein. Zur Validierung steht dabei ein Lasertracker als hochgenaue Referenz zur Verfügung. Es wird zunächst die serielle kinematische Kette mittels der Denavit-Hartenberg-Konvention modelliert und der Levenberg-Marquardt-Algorithmus zur Optimierung der Modellparameter auf Basis von Messungen der Endeffektor-Position beschrieben. Die Bestimmung der Pose eines Aruco-Markers in einem Kamerasystem mit optischen Verzerrungen wird ebenfalls behandelt, ehe basierend auf diesen theoretischen Grundlagen ein allgemeiner, systematischer Kalibrieralgorithmus erarbeitet wird. Dieser umfasst die Schritte Modellierung, Messung, Optimierung und Validierung und wird durch eine gezielte Modellreduktion auf identifizierbare Parameter sowie den Einsatz von Optimalitätskriterien wie kleinster Singulärwert, Konditionszahl und Informationsvolumen numerisch stabil entworfen. Der Algorithmus kombiniert eine Grobkalibrierung in Eye‐to‐Hand‐ und eine Feinkalibrierung in Eye‐in‐Hand‐Konfiguration und nutzt Marker sowohl an der Basis als auch im Arbeitsraum des Endeffektors, um anwendungsrelevante Bereiche präzise abzudecken. Die Umsetzung am Kuka LBR iiwa zeigt, dass mit hochpräzisen Lasermessungen mittlere Positionsfehler von bis zu 0.39 mm erreichbar sind, während die Genauigkeit bei rein kamerabasierten Messungen bis zu 0.62 mm beträgt. Es wird gezeigt, dass Modelle mit explizitem Basisbezug und bekannten Relationen zwischen Markern einen günstigen Kompromiss zwischen lokaler Genauigkeit, Generalisierbarkeit im Arbeitsraum und Implementierungsaufwand bieten und sich daher besonders für Szenarien mit wechselnden Bezugskoordinatensystemen eignen. Abschließend werden mögliche Erweiterungen hin zu genaueren Modellen, automatisierter Posenauswahl und der Übertragung auf Großraummanipulatoren diskutiert.

This thesis addresses the camera-based identification of the serial rigid-body kinematics of industrial robots using Aruco markers and a monocular RGB camera, without relying on nominal kinematic parameters. For validation, a laser tracker is used as a high-precision ground truth reference. The serial kinematic chain is first modeled using the Denavit–Hartenberg convention, and the Levenberg–Marquardt algorithm is applied to optimize the model parameters based on position measurements of the end effector. The estimation of an Aruco marker’s pose in a camera system with optical distortion is also discussed. Building on these theoretical foundations, a general and systematic calibration algorithm is developed. This algorithm comprises the steps of modeling, measurement, optimization, and validation, and is numerically stabilized through targeted model reduction to identifiable parameters and the use of optimality criteria such as minimum singular value, condition number, and information volume. The approach combines a coarse calibration in an eye‐to‐hand setup with a fine calibration in an eye‐in‐hand configuration. Markers placed both at the robot base and within the end-effector workspace ensure precise coverage of application-relevant regions. The implementation on the Kuka LBR iiwa demonstrates that average position errors of up to 0.39 mm are achievable using high-precision laser measurements. In contrast, the accuracy for purely camera-based measurements amounts to up to 0.62 mm. It is shown that models with an explicit base reference and known relations between markers offer a favorable trade-off between local accuracy, workspace generalization, and implementation effort, making them particularly suitable for scenarios with changing reference coordinate systems. Finally, potential extensions toward more accurate models, automated pose selection, and the transfer to large-scale manipulators are discussed.