随着“工业4.0”时代的不断推进,为打造“绿色矿山”、“智慧矿山”,矿山智能化逐步发展成为了矿产技术开发领域新的发展趋势。在矿石开采运输过程中,需要对溜井口的大块矿石进行破碎处理。目前破碎作业的主要方式以人工操作为主,由矿工操作液压破碎锤对大块矿石进行破碎处理,自动化程度较低且存在一定的安全隐患。为实现矿石破碎的无人化作业,提高矿石破碎的智能化,本课题将机器视觉技术与矿石破碎作业相结合,对深度相机和机械臂组成的视觉系统进行手眼标定和深度测量误差补偿的应用研究。本文的工作主要包含以下四个方面:(1)为得到手眼标定所需的目标点机械坐标,首先对破碎锤的液压机械结构进行分析建模。根据液压机械臂的关节构造将其等效为四自由度机器人,利用D-H建模方法,建立机械臂关节和连杆间的模型。对建模后的液压机械臂进行运动学分析,得到目标执行点所在坐标系与机械臂基坐标系间的齐次变换关系。通过测量液压机械臂油缸行程可计算得到目标点的机械坐标。(2)将手眼标定技术在液压机械臂构成的视觉系统中应用实现。根据现场作业环境及作业流程搭建Eye-to-Hand视觉系统。利用棋盘格完成深度相机的标定,得到相机的内外参数。通过设计的三维标定件,对Eye-to-Hand视觉系统进行手眼标定,得到目标点从相机坐标系到机械臂基坐标系的转换关系。(3)对深度测量中产生的深度误差进行分析补偿。根据深度相机的TOF成像原理分析得到误差的产生与同一平面不同的光径飞行时间有关,通过建立误差查找表和曲线拟合的方法得到误差补偿模型,而后利用深度成像时像素点的旋转对称关系、像素点间的等效距离对补偿模型进行优化。补偿后的最大误差不超过5mm,平均误差不超过1mm,较补偿前有明显提高,经现场试验后,测量精度明显提升。(4)根据研究结果和现场作业流程基于.NET平台设计矿石破碎无人化系统上层软件界面。