千博企业网站管理系统旗舰版,装修工人找活平台,wordpress做分类网站,wordpress文章填写关键词描述标题机器人手眼标定 一、机器人手眼标定1. 眼在手上标定基本原理2. 眼在手外标定基本原理 二、眼在手外标定实验三、标定精度分析 一、机器人手眼标定
要实现由图像目标点到实际物体上抓取点之间的坐标转换#xff0c;就必须拥有准确的相机内外参信息。其中内参是相机内部的基本参… 机器人手眼标定 一、机器人手眼标定1. 眼在手上标定基本原理2. 眼在手外标定基本原理 二、眼在手外标定实验三、标定精度分析 一、机器人手眼标定
要实现由图像目标点到实际物体上抓取点之间的坐标转换就必须拥有准确的相机内外参信息。其中内参是相机内部的基本参数包括镜头焦距、畸变等。一般相机出厂时内参已标定完成保存在相机内部。 相机外参表示的是机器人与相机之间的位姿转换关系即手眼关系因此相机外参的标定称之为机器人手眼标定。机器人与相机在不同的使用场景下其相对位姿不固定需要在工作现场进行标定才能获得相机与机器人之间的手眼关系。
由于机器人手眼标定会使用相机的内参所以具有准确的内参是标定外参的前提。
机器人手眼标定的分类方式各不相同根据相机相对于机器人的安装方式将手眼标定分为两种:
相机独立于机器人固定在支架上称为ETH(Eye to hand) 方式。相机固定于机器人末端法兰上称为EIH(Eye in hand) 方式。
同时可使用多个随机标定板位姿或TCP 尖点触碰的方法添加标定点。 两者的主要区别在于
多个随机标定板位姿使用软件自动生成的轨迹点或手动添加的多个位姿在每个位姿拍照并识别标定板角点建立标定板、相机及机器人三者间的关系其过程简单标定精度高。TCP 尖点触碰利用三点法确定标定板位姿后建立标定板、相机及机器人三者间的关系。适用于机器人活动空间局促、无法使用上位机来控制和标定板无法安装等情况。 分类方式如下图
1. 眼在手上标定基本原理
机器人末端通过固定架将相机固定此时机器人末端法兰中心与相机光心之间的位姿相对固定即下图中的未知变量X机器人末端法兰中心相对于机器人基坐标系Base的位姿为已知量B相机通过对标定板calibration grid进行拍照获得相机光心和标定板上每个圆点之间的位姿关系可得已知量C标定板平放在相机视野可达区域其相对于机器人基坐标之间的位姿关系为一固定值A这样变量A、B、C、X 构成闭环关系。下列等式中由于A 为固定值将前两个等式合并得到的新等式中只有X 为未知待求量。变换机器人末端位姿进行不同角度拍照得到多组A、B、C 的值利用这些数值进行拟合计算得到最优的X 的值。 在这里插入图片描述
当使用TCP 触碰法标定时标定板或者其它标定物放置在工作平面机器人末端加装已知尺寸的TCP 尖点触碰标定标定物其中A、B、C 已知则X 的值也可求得。 EIH 标定的是相机光心和机器人末端法兰中心之间的位姿关系。如果相机相对于机器人末端法兰中心坐标发生移动对应的外参就会相应发生变化此时需要重新标定外参。
2. 眼在手外标定基本原理
机器人末端通过法兰连接已知尺寸的标定板可以得到标定板calibration grid上的每个标志点相对于机器人基坐标Base 的坐标A通过相机拍照获得标定板上每个圆点的图像可以得到相机光心相对于标定板上每个标志点的坐标B相机光心和机器人基坐标Base之间的位姿关系X 为待求量。A、B 和X构成闭环形成等式可以在等式中求解未知数X。通过移动机器人变换标定板相对于相机的位姿可以得到多组等式对这些等式的值进行拟合优化计算最终得到最优的X 的值。位姿关系如下图所示。 当使用TCP 触碰法标定时标定板放置在工作平面机器人末端加装已知TCP 的尖点触碰标定板圆点其中A、B 已知求解X 的值。 实际操作中坐标A的获取有以下三种方式
标定板到法兰末端位置关系已知三点法或是已知连接件尺寸计算得到则A 可以直接计算得到标定板到法兰末端位置关系未知则通过标定板在标定过程中的一系列相对移动通过数值方法计算得到标定板到法兰末端的位置关系进而计算得到A标定板与机器人末端不固定则可以通过已知tcp 坐标的尖点对标定板标志点进行触碰的方式计算得到A的数值。以上三种方式对应三种不同获取标定数据的方式。
ETH 方式标定的是相机光心和机器人基坐标之间的位姿关系。如果机器人基坐标或者相机发生移动对应的外参就会相应发生变化此时需要重新标定手眼关系。
二、眼在手外标定实验
下图为相机从上至下拍摄标定板且计算出标定板圆心实验过程图片。 代码不便拿出来展示。其余实验过程此处省略。
三、标定精度分析
本人分别进行了采用多个随机标定板位姿的眼在手外标定和TCP尖点触碰进行标定实验。 多个随机标定板位姿标定方法集成了3D相机采集数据、机器人轨迹规划、数据处理算法自动化程度较高但标定精度较低平均在2.5mm左右。 TCP尖点触碰方法需要人工实时指导调整位置但标定精度较高1mm以内。 经过多次相机引导机器人进行标定实验总结下来 机械臂的运动重复性、光照条件、反射和阴影等环境因素、相机的内参、用于提取特征点的算法的准确性都会是影响标定精度的因素。
