1.一种工业机器人重复定位精度测量方法，其特征在于：该方法包括以下步骤，步骤一，将图像传感器固定于机械手臂末端，并随动于机械手臂，预先定义三维空域坐标系，在预先定义的三维空域坐标系中的每一正对位置点安装配准盘；

步骤二，机械手臂往复运动于预先定义的三维空域坐标系中的两点或多点之间，在每次机械手臂到达正对位置点后，图像传感器拍摄预先放置的配准盘，并将生成图像信息传输到图像处理系统；

步骤三，图像处理系统对每一位置点采集到的图像信息进行特征提取运算，并与该位置点的第一幅图像进行基于尺度不变特征的图像配准，从而获得机械手臂重复定位点云；

步骤四，通过对点云的空间坐标变换，得到机械手臂的重复定位精度；

该方法具体包括以下步骤，

S1,启动工业机器人的测量装置；借助于测量装置，该测量装置包括支架底座(10)、设置在支架底座(10)上且平行移动的支撑架(3)、设置在支撑架(3)上且作为图像传感器图像数据的远心成像光学器件的相机(1)、设置在支撑架(3)横梁下方的机械臂(7)、设置在机械臂(7)末端的转动关节(6)、设置在转动关节(6)上的图像测量平台(5)、设置在图像测量平台(5)上且用于检测相机(1)且作为配准盘的校准网格(4)、转换器(8)、作为图像处理系统的计算机控制系统(9)、设置在机械臂(7)与转换器(8)之间的第一接线(12)、以及设置在计算机控制系统(9)与转换器(8)之间的第二接线(13)；

S2,设定机械手臂控制参数，控制参数包括要到达的目标位置的位移尺寸和旋转角度、以及往复运动的次数；

S3,启动机械手臂，并触发图像传感器获取图像信号，若没有获取图像信号，检测系统重新启动机械手臂；

S4，对图像传感器获取的图像进行图像增强处理,根据预设程序指令，图像增强处理是突出图像中设定的感兴趣的部分，减弱或去除设定的不需要的信息；

S5,图像处理系统对图像增强处理后的图像进行快速Hession检测与卷积操作，计算特征采用经过方向配准的梯度方向直方图特征作为算法的特征；

S6，构造特征描述算子；首先，在SURF算法中，在相对于第一幅图像，待匹配图的特征点周围取一个正方形框，框的边长为20s，s是所检测到该特征点所在的尺度，该框的方向是SURF算法中检测出来的主方向；然后，把该框分为16个子区域，每个子区域统计25个像素的水平方向和垂直方向的Haar小波特征，其水平和垂直方向都是相对主方向而言的，该Haar小波特征为水平方向值之和、水平方向绝对值之和、垂直方向之和、垂直方向绝对值之和，从而每个小区域就有4个值，所以每个特征点就是16×4＝64维的向量；

其中，该正方形框为图像测量平台(5)；

S7，特征点的粗匹配；首先，对两个图形的匹配是对两个图形各自特征点描述算子的相似性度量的检测，并用欧式距离进行计算：式中，Xik表示待匹配图中第i个特征描述算子的第k个元素，Xjk是参考图中第j个特征描述算子的第k个元素，n表示特征向量的维数，从而对于待匹配图上的特征点，计算它到参考图像上所有特征点的欧氏距离，得到一个距离集合；

然后，通过对距离集合进行比较运算得到最小欧氏距离与次最小欧氏距离；其次，设定一个阈值；其次，当最小欧氏距离和次最小欧氏距离的比值小于该阈值时，认为特征点与对应最小欧氏距离的特征点是匹配的，否则没有点与该特征点相匹配；

S8，基于KMeans聚类过滤的RANSAC精匹配修正，首先，前提规律是，在使用RANSAC算法进行特征点匹配时，误匹配的匹配点对的连线相比于真匹配的匹配点的连线都是无规律随机交叉的；然后，基于该规律从参考图像变换矩阵H推出，图像特征点配对中，模型即为从一个平面上的特征点到另一个平面上的特征点的映射关系，反映为映射矩阵H，H是一个包含8个自由度的3×3矩阵，它最少从两个平面中的4对匹配点计算出，但同一平面上的3个点必须不共面；

则投影关系为：

其次，得到每一个齐次坐标(u,v,w)对应的非齐次坐标为 即为变换后的新坐标(x′,y′)计算公式如下：其中，在求解单应性矩阵H的8个参数至少需要4对特征匹配点；

再次，通过方程解得的H一一对应地把匹配图像上的特征点归一化到参考图像坐标系中；再后来，在解得矩阵H后用式(4)来检验特征点，不满足式(4)的特征点是误匹配特征点，正确匹配特征点是满足式(4)的特征点，但是满足式(4)的特征点对却不一定是正确匹配。

2.根据权利要求1所述的工业机器人重复定位精度测量方法，其特征在于:在S8中，关于正确匹配特征点与误匹配特征点筛选，首先，把相似旋转角度θ的特征点对分成一类，认为的正确匹配特征点，不相似旋转角度θ的特征点对分成另一类，认定为误匹配特征点，然后，只对相似旋转角度θ的特征点进行后续的RANSAC匹配。

3.根据权利要求2所述的工业机器人重复定位精度测量方法，其特征在于:在S8中，关于正确匹配特征点与误匹配特征点筛选，基于聚类算法分好初始聚类中心，并且要预知划分类，预处理过滤算法：Step1计算所有可能匹配点对连线与水平X轴的夹角θ值；

Step2计算每组夹角的差值Δθk，即与0°的差值；

Step3对Δθk进行单调递增排序；

Step4对每一个Δθk，计算ε＝|Δθk-Δθmin|，如果ε<θε,则点对(Pi,Pj)k属于正确匹配的点对类；由于Δθk是单调递增的，ε>θε后的Δθk则属于误匹配的点对类。

4.根据权利要求3所述的工业机器人重复定位精度测量方法，其特征在于:具体包括以下步骤，

S8.1,设定K＝2值,即分成相似旋转角度θ与不相似旋转角度θ两类；

假设计算出来特征点集为：

P＝{p1,p2,p3,...,pi},i＝1,2,3,...,m           (5),Pi＝{pix,piy}                                (6),式(7)为求第k组匹配点对连线与X轴正方向形成的夹角θ值；

S8.2,求第k组θ值与第l组θ值的差值,

式(8)为求第k组θ值与第l组θ值的差值；

S8.3,以S8.2中最小的Δθmin为聚类中心，按照预设的误差条件，分成Δθmin相似的一类和与Δθmin不相似的另一类。

5.根据权利要求4所述的工业机器人重复定位精度测量方法，其特征在于:S9，计算基准图像的匹配点坐标误差均值；

S10，计算与基准图像的尺度和角度差；

S11，输出定位点云并计算重复定位精度，即最终的机器人位置接近所需的点，并构成点云，重复精度即点云半径。

6.根据权利要求5所述的工业机器人重复定位精度测量方法，其特征在于:其中，精度，基本的测试是控制机器人到达所需的点并返回，这个循环在相同的条件下重复多次；

准确性的特点是不同最终位置的平均值与所需位置之间的距离；

重复精度指数估计不同点与云中心的接近程度。

7.根据权利要求6所述的工业机器人重复定位精度测量方法，其特征在于:其中，匹配阈值为θ；欧氏距离的阈值为0.6～0.8。