8_手眼标定总结_auboi5机械臂与海康平面相机

经过不断地学习与调试，不断地学习网络上其他同志分享的资料，opencv手眼标定迎来了阶段性结束。实际测试结果在机械臂坐标系中X方向差5mm左右。

代码参考《https://blog.csdn.net/wanggao_1990/article/details/81435660》

注意事项：

①标定板占据相机视野1/3左右，否则找不到角点

②代码未使用opencv的手眼标定接口

③需要注意图像标定角点的顺序，由于姿态关系，可能会旋转90度，导致结果异常

测试平台与道具：

①海康工业黑白相机

②遨博i5机械臂

③Ubuntu18.04 Qt组织代码

④圆网格标定板

⑤对位置用的尖端

一、opencv手眼标定

1、操作流程

为了验证流程，只采集了5张图片，第一张图片相机平行标定板，用于调整相机焦距，剩余4张分别前后左右稍稍改变相机姿态。每个姿态需采集海康相机图片(MVS软件获取)与机械臂位姿(sdk获取)，机械臂位姿存取csv文件，之后我手动录入了xml文件中。

csv数据是机械臂基于base坐标系的位置、四元数姿态，欧拉角(ZYX)姿态。

第六行数据是标定板中心点对应机械臂位置，用于验证标定结果的手眼矩阵。

2、代码流程

①doCalibration()->runCalibration()->calibrateCamera()

如果看过之前的系列文章，再看代码，这块和网上是一致。得到相机内参和外参。

②readDatasFromFile()->attitudeVectorToMatrix()

Hg：机械臂齐次矩阵

Hc：相机外参齐次矩阵

③convertVectors2Hij()

// camera: A = A2*A1.inv(); robot: B = B2.inv()*B1

计算AX=BX中的A和B.

Hgij:机械臂的B

Hcij:相机的A

可以继续了解矩阵的左乘与右乘。

④computerHandEyeMatrix()

这块没看

⑤getWorldPos()

将像素坐标转为机械臂基坐标系下的映射。

这块也没看

我的验证结果：

前面5行是机械臂的四元数姿态；

hcg是手眼矩阵;

最后一行是像素转为Word的结果，对比(359.844,-436.166);

获取图片像素我有一个单独程序；需要各部分加起来才是相对完整，这部分有

兴趣的同志可以自己搞下。

hcg是相机相对于末端tcp的位置和姿态，如果相机像识别标定板一样可以识

别出位置和姿态，那就是单目识别标识物实现2.5D的效果了。

其实后续还有要验证的：

1>械臂固定位姿，相机拍照模板匹配的像素精度

2>增加相机拍照图片数量，对比测试结果精度提升

3>标定姿态与使用姿态一致，应该可以增加精度

对这个6维的标定结果还需要进一步加深理解。

二、9点法标定

这个是计算两个平面坐标系的相对关系，有3个自由度：位置x和y，还有一个旋转角θ.

流程：

1>相机拍摄一张图片：

2>机械臂末端走4个位置与像素点对应

3>计算矩阵

机械臂用法兰尖端分别对了4个圆的中心。

测试程序如下：

//camera pixelcv::Mat A = (cv::Mat_(4, 3) <<1482, 579, 1,2221, 571, 1,2233, 1316, 1,1490, 1322, 1);// 4x3   //robot base pointcv::Mat B = (cv::Mat_(4, 3) <<412.918, -430.683, 1,365.714, -488.583, 1,307.422, -441.517, 1,354.509, -383.258, 1);   cv::Mat X;cv::solve(A, B, X, CV_SVD);std::cout << "X=" << std::endl << X << std::endl;   cv::Mat a1 = (cv::Mat_(1, 3) << 1370, 1450, 1.0);//352.412  -365.895  1370 1450//359.844  -436.166 1857  947cv::Mat b1 = a1*X;std::cout << "b1=" << std::endl << b1 << std::endl;std::cout << "真实值为：" << "359.844, -436.166, 1" << std::endl;