第1章 绪 论1.1 本论文的背景和意义机器视觉和视觉检测是目前计算机图像学的研究热点,在工业上的许多领域得到了广泛的应用,计算机视觉不但可以代替很多人工工作,提高生产自动化水平,提高检测精度,更是很多常规检测方法无法实现时的有效解决途径。而计算机视觉系统的设计通常是从摄像机获取的图像出发,对图像中的目标进行检测和测量,以获得它们的客观信息从而建立对图像和目标的描述。如何从摄
写在前面由于涉及到公司的一些内容，本文仅做方法和思路记录，请见谅。用途9点法标定是工业上使用广泛的二维手眼标定，所谓二维，即工作平面限制在一个平面上，常用于从固定平面抓取对象进行装配等操作，这种应用场景可以满足大多数的工业应用场景。使用过程和一般的手眼标定一样的是，9点法标定也分eye_in_hand和eye_to_hand两种，标定的结果分别是相机坐标系与工具坐标系的转换矩阵（4*4），以及相机
对于初学者而言，对相机的标定经常模糊不清。不知道机器坐标与相机坐标如何转换，两个坐标系又是如何建立？ 我们通常是利用张氏标定法，针对于相机的畸变进行标定，利用校正得到的参数对图形进行处理后再呈现出来。这个方法网上用的人很多，资料也较为全面。这里就不做说明了。本文主要是针对机械手的手眼标定，一般而言目 ...
转载
2021-07-23 14:34:00
7862阅读
2评论
基于OpenCV-Python的机器人手眼标定和重投影（九点标定法） 文章目录基于OpenCV-Python的机器人手眼标定和重投影（九点标定法）前言：实验流程：实验流程如下：标定实验的主要环境配置和使用到的工具有：代码：计算转换矩阵m重投影误差计算：重投影误差-训练样本数测试：总结： 前言：这一篇，就是记录一下，如何标定，以及计算标定参数和重投影精度。 我好像没有在中文社区，搜到“九点标定”和“
转载
2024-06-05 21:02:37
846阅读
所谓手眼系统，就是人眼镜看到一个东西的时候要让手去抓取，就需要大脑知道眼镜和手的坐标关系。如果把大脑比作B，把眼睛比作A，把手比作C,如果A和B的关系知道，B和C的关系知道，那么C和A的关系就知道了，也就是手和眼的坐标关系也就知道了。 相机知道的是像素坐标，机械手是空间坐标系，所以手眼标定就是得到像素坐标系和空间机械手坐标系的坐标转化关系。 在实际控制中，相机检测到目标在图像
转载
2022-10-18 09:55:22
509阅读
目录传统手眼标定感性认识：传统手眼标定原理图： Eye in hand Eye to hand传统手眼标定代码：SVD手眼标定法原理：SVD求解数学原理：SVD手眼标定法代码：九点标定法感性认识：九点标定法代码：九点标定法流程：总结：传统手眼
一 手眼标定的两种情形首先讲一下在工业应用中，手和眼（摄像机）的两种位置关系，第一种是将摄像机（眼）固定在机械手（手）上面，眼随手移动；第二种是摄像机（眼）和机械手（手）分离，眼的位置相对于手是固定的，下面用网上的两张图来说明下：一种情况：相机移动 第二种情况：相机固定从上面两副示意图可以看出，第一种情况中我们要求的是相机坐标系和机械手坐标系的转化关系；第二种情况中要求的是相机坐标系和基
转载
2024-08-16 22:29:58
136阅读
记住一个很关键的点:我们最终求的是base 和Object之间的关系，无论是eye to hand 还是 eye in hand ，找不变的关系，推导中间量，最后推导base 和Object之间的关系。一、eye to hand（Camera Moving）什么动，什么不动？如下图：tool 坐标系和object 坐标系 是相对静止的固定关系camara 坐标系是发生移动的数学推导二、
因为有人问到这方面的问题，那么就在这里谈一下，作为一个开篇。下一章想笼统整体的聊一下自己对视觉的一些经验。 手眼标定中，一般是指相机搭载在机械手臂上，并且以六轴机器人为主，想要达到的目的是，搭载相机的机械手在移动中，可以通过相机来获
转载
2024-06-28 11:30:41
478阅读
之前做的眼在手上的手眼标定，流程结束后，会得到相机坐标系到机械臂末端坐标系的变换关系T_cam2end。我一般直接量取机械臂末端到相机的直线距离来校对z轴方向的距离，但只是做个估算，并未进行精确测量。 我认为手眼标定的误差计算流程： 以眼在手上为例，标定结束后得到T_cam2end，再根据公式计算得到目标和机械臂基底的位姿关系，让相机识别到某一点，然后在机械臂末端加装一个锥形的尖端，通
转载
2024-04-12 12:20:26
670阅读
经典手眼标定算法之Navy的OpenCV实现 在我的上一篇博客中已经介绍了Tsai的手眼标定算法，下面主要介绍Frank C. Park and Bryan J. Martin在文献Robot sensor calibration: solving AX=XB on the Euclidean group中提出的手眼标定算法，该算法也被称为Nav
转载
2024-08-29 16:13:40
85阅读
A New Technique for Fully Autonomous and Efficient 3D Robotics Hand/Eye Calibration(Tsai手眼标定算法)符号定义坐标系定义: 手爪（末端执行器）的坐标系。: 相机的坐标系。: 对于相机的世界坐标系（一般由标定板确定）。: 机器人基座坐标系。坐标系变换定义手爪——>基座camera world ——>c
转载
2024-05-21 11:07:35
631阅读
在手眼系统的坐标系理论变换中，从像素坐标到机器人坐标系转换过程中需要经过内参矫正、外参矩阵平移旋转的变换。本章节将进一步讨论手眼系统在标定过程中的应用，如何通过opencv来求解我们需要的内参、外参矩阵参数。opencv是一个开源的计算机视觉库，封装了很多相机标定所需要用到的算法，因此使用opencv来进行标定将能够极大简化手眼标定的步骤。我们将从代码层面简单剖析手眼标定的步骤以及注意事项。代码示
转载
2023-12-23 14:29:48
647阅读
文章目录说明Code 说明1、手眼标定实际上是求解矩阵方程：AX = XB ; A是摄像机（单目或双目）前后两次空间变换的齐次矩阵 ； B是机械臂末端坐标系前后两次变换的齐次矩阵 ； X为待求解的手眼矩阵；通过多次求解该方程，即可解出X（A 、B矩阵求法如下）2、calibrateHandeye() 参数描述如下：R_gripper2base，t_gripper2base是机械臂抓手相对于机器人
转载
2023-08-20 14:00:01
1159阅读
1.基本介绍手眼标定两种形式 眼在手外 eye to hand 眼在手上 eye in hand2.公式推导 眼在手上类似3.方程AX=XB求解4.opencv完成手眼标定 眼在手上 1.Rend2base机械臂末端到基点的变换矩阵，可从示教器或者在ROS直接订阅相关tf 2.Rboard2cam 标定板到相机，pnp求出眼在手外 1.Rbase2end，跟眼在手上相反 2.跟眼在手上相同。5.初
转载
2023-11-02 09:07:14
501阅读
传感器设备的标定1：单目标定单目标定opencv不稳定,matlab更好 Ubuntu下matlab安装方法ImageSize：图像大小 Radial Distortion：径向畸变 Tangential Distortion：切向畸变 World Points：世界坐标系下的点 World Units：世界坐标下的单位 Estimate Skew：估计倾斜 Num Radial Distorti
旷视MegMaster机器人系列是旷视自主研发的一系列AI智能机器人硬件设备，基于旷视全球领先的人工智能算法及机器人技术，可实现搬运、分拣、托举、存储等功能，被广泛应用于物流仓储、工厂制造等场景。旷视SLAM组主要负责多传感器建图、定位、标定等工作，在开发过程中总结了一些理论和实践方面的经验教训，在此分享出来，希望能够与大家一起探讨，为机器人行业贡献自己的绵薄之力。
近期
一、标定原理机器人手眼标定分为eye in hand与eye to hand两种。介绍之前进行变量定义说明：对于 Eye-in-hand 手眼标定方式，需要求解工业机器人的末端坐标系与相机坐标系之间的坐标转换关系。 Eye-in-hand 手眼标定的原理示意图如图 1所示。这其中有几个坐标系， 基础坐标系（用 base 表示） 是机器臂的基底坐标系，末端坐标系（用 end 表示） 是机器臂的末端坐
转载
2024-08-20 21:45:49
1373阅读
手眼标定eyes to hand1、写在前面线扫做了一些，现在希望将重建出来的模型转换到机器人坐标系下，进行机器人编程，加工，看了不少大神写的原理，代码，勉强把代码调通了，记录一下，还有些原理没懂，后面懂了再来填坑2、大概思路1）. 测出标定板在相机坐标系位姿 根据棋盘格角点实际坐标和相机检测到的角点坐标，利用opencv的solvePnP(objectPoints, cornerL, camer
转载
2024-04-02 08:56:33
904阅读
一、概论现在的机器人少不了有各种传感器，传感器之间的标定是机器人感知环境的一个重要前提。所谓标定，是指确定传感器之间的坐标转换关系。由于标定的传感器各异，好像没有特别通用的方法。手眼标定法是标定摄像头与机械臂的一个经典方法，不过这个思想也适用于其他传感器，比如自动驾驶中激光雷达与摄像头之间的标定，比如东京大学的这篇工作《LiDAR and Camera Calibration using Moti
