仪器仪表学报

作者：储昭碧，何沣奕，高金辉，彭乐峰

单位：储昭碧,合肥工业大学电气与自动化工程学院合肥230009,zbchu@hfut.edu.cn,何沣奕,合肥工业大学电气与自动化工程学院合肥230009,,高金辉,合肥工业大学电气与自动化工程学院合肥230009,,彭乐峰,合肥工业大学电气与自动化工程学院合肥230009,

关键词：手眼标定;强化学习;DQN算法;圆拟合

近年来，随着工业机器人技术的不断发展，机器人搭载激光测距仪实现多姿态测量的应用场景和对手眼标定的需求逐渐增多，对手眼标定技术的精度提出了更高要求，而传统标定方法往往依赖专用标定物或传感器，操作复杂且成本较高。故提出了一种基于深度Q网络（DQN）算法和圆轮廓拟合的机器人手眼标定方法。利用DQN算法控制机器人末端两关节带动激光测距仪运动，使得激光测距仪返回值最小，在此基础上，建立机械臂运动学模型计算得到此时光点的理论坐标值。通过设定关节一的多个角度值，使光点在目标平面形成一个圆轨迹，对实际采集的光点坐标值进行圆拟合，建立等式约束下的优化模型，求解得到手眼标定的参数值。基于MATLAB平台模拟仿真，对该方法的可行性进行了验证，分析了角度参数和位移参数初始值对标定结果的影响和抗激光测距噪声干扰的性能。与其他标定方法进行对比，结果显示该方法具有更高的精度。搭建了实验系统，利用该方法求解标定参数，实验结果表明，标定后的系统扫描实验误差不大于0?5mm，满足工业应用的精度要求。该方法无需额外昂贵的标定物，仅依靠激光测距仪的单测量量和几何约束，显著降低了标定成本与操作难度，同时具备良好的抗噪声性能，能实现工业现场高精度标定。

来源：2025年第8期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第8期