2. KUKA机器人硬件与运动学基础

在视觉引导系统中,相机负责“看”,机器人负责“动”,而把“看”与“动”真正连接起来的,是机器人的硬件结构与运动学模型。如果只把KUKA机器人当成一个能接收坐标点并移动的执行器,视觉系统给出的目标位置往往无法稳定落到工件上。理解KR系列本体、控制柜、示教器以及坐标系和运动学参数,实际上是在理解视觉引导的“物理边界”和“数学桥梁”。

KR系列本体:视觉引导的机械载体

KUKA KR系列机器人通常由底座、转盘、大臂、小臂、腕部和法兰盘组成。以常见的六轴关节机器人为例,A1轴绕底座垂直方向旋转,A2轴驱动大臂前后摆动,A3轴驱动小臂上下摆动,A4、A5、A6轴共同构成腕部姿态调整。视觉引导中,相机给出的目标通常包含位置和姿态,机器人能否到达,首先取决于本体结构和各轴运动范围。

例如,当视觉系统识别到一个位于传送带侧面的工件,并给出法兰盘需要到达的位姿时,机器人不仅要移动末端到该点,还要保证腕部不干涉、线缆不拉扯、关节不超限。KR系列不同型号的工作范围、负载能力和重复定位精度不同,视觉引导方案选型时必须先确认这些参数。若工件位于机器人最大伸展半径附近,即使视觉坐标计算正确,机器人也可能因为接近奇异位形而出现关节速度突变,导致抓取失败。

控制柜与示教器:视觉数据的落点

KUKA控制柜是机器人运动控制的核心,负责解析程序、计算逆解、驱动伺服并管理安全信号。视觉系统通常通过以太网、Profinet或EtherCAT等接口把目标位姿发送给控制柜,控制柜再将其转换为机器人可执行的运动指令。这里有一个关键点:视觉系统输出的坐标必须与机器人控制系统使用的坐标系一致,否则控制柜收到的“正确数据”会变成错误动作。

示教器是现场调试和验证的主要工具。在视觉引导项目中,示教器不仅用于手动移动机器人,还用于查看当前工具坐标、基坐标、关节角度和笛卡尔位姿。实际调试时,常用示教器把机器人移动到标定板或工件上的特征点,记录当前位姿,再与视觉系统输出的坐标对比,从而判断标定是否准确。例如,视觉给出目标点X=520.3 mm、Y=-180.6 mm、Z=310.2 mm,示教器上机器人到达同一特征点时的实际坐标若偏差超过2 mm,就需要检查标定参数或坐标系设置。

坐标系:视觉与机器人之间的共同语言

KUKA机器人涉及多个坐标系:世界坐标系、基坐标系、工具坐标系和工件坐标系。视觉引导中最常用的是基坐标系、工具坐标系和工件坐标系。基坐标系通常固定在机器人底座上,是机器人运动的参考原点;工具坐标系定义在法兰盘末端工具上,决定机器人以什么点、什么方向去接触工件;工件坐标系则定义在工件或夹具上,便于视觉系统直接输出相对于工件的目标位置。

视觉引导的核心标定任务之一,就是建立相机坐标系与机器人坐标系之间的变换关系。常见做法是使用标定板或标准球,让机器人带着标定针或相机在不同位置采集数据,计算旋转矩阵和平移向量。这个变换关系一旦建立,视觉系统识别到的像素坐标就可以转换为机器人基坐标系下的目标位姿。若忽略工具坐标系,机器人可能用法兰盘中心去抓取,而不是用夹爪中心,结果就是“看起来对准了,实际夹偏了”。

视觉引导中KUKA机器人坐标系与运动学参数关系 KR本体 A1~A6关节 Z_base X_base Y_base 基坐标系 Z_tool X_tool Y_tool 工具坐标系 KUKA控制柜 运动学逆解 伺服驱动 / 安全信号 示教器 位姿查看 / 手动示教 坐标系切换 视觉系统 目标识别 / 位姿输出 像素坐标 → 相机坐标 工件/夹具 工件坐标系 目标位姿数据 标定变换矩阵 调试/验证 关节指令 位姿反馈 关键运动学参数: DH参数(连杆长度a、连杆扭角α、关节距离d、关节转角θ) · 关节限位 · 最大速度/加速度 · 奇异位形 · 重复定位精度

运动学参数:从“能到”到“到得准”

KUKA机器人的运动学参数通常以DH参数或厂商内部模型描述,包括连杆长度、连杆扭角、关节距离和关节转角。这些参数决定了机器人正运动学和逆运动学的计算结果。正运动学用于根据各关节角度计算法兰盘位姿,逆运动学则用于根据目标位姿反算各关节角度。视觉引导中,逆运动学是否可解、解是否唯一、是否接近奇异位形,直接影响抓取动作的稳定性。

以六轴机器人为例,同一个末端位姿可能存在多组逆解,分别对应“肘部朝上”“肘部朝下”“腕部翻转”等不同构型。视觉系统给出目标位姿后,控制系统需要选择一组合理解。如果选择不当,机器人可能以较大幅度绕行,甚至与周边设备碰撞。实际项目中,常通过设置状态参数或轴配置参数来约束逆解选择,使机器人始终以预期构型接近工件。

此外,工具坐标系参数(TCP)和负载参数也会影响运动学计算。TCP定义不准,机器人到达的“目标点”就会偏离夹爪实际作用点;负载质量、质心和惯量设置错误,则会影响加速度规划和动态精度。视觉引导对精度要求较高时,这些参数必须与实际情况一致,不能沿用默认值。

视觉引导中的实际判断依据

在调试视觉引导系统时,可以用以下方式判断硬件与运动学参数是否匹配:第一,用示教器把机器人移动到视觉标定板上的多个特征点,记录机器人坐标与视觉坐标,计算两者偏差;第二,观察机器人到达目标点时的关节角度是否接近限位或奇异区域;第三,检查TCP标定后,夹爪中心与视觉目标点的重合程度;第四,在低速和高速下分别测试抓取重复性,判断动态参数是否合理。

视觉引导不是“相机给点、机器人就走”的简单过程。相机坐标系、机器人基坐标系、工具坐标系和工件坐标系之间的变换关系,以及KR本体的运动学约束,共同决定了视觉数据能否转化为稳定、准确、可重复的机器人动作。调试时先确认坐标系和TCP,再检查逆解构型和关节限位,最后验证动态精度,通常比反复修改视觉算法更有效。