很多初学者,都对标定概念模糊不清,分不清坐标系之间的关系,搞不清相机标定和机械手相机标定有什么关系,想当初自己也是一个人摸索了很久,本文将尽量给大家解释。

我们通常所说的相机标定分为两种,一种是相机参数的标定,这一般用到张氏标定法标定的作用是校正相机自身的畸变,利用校正得到的参数对图形进行处理后再呈现出来。关于这方面的资料,网上大把,我也不再此说明。一般的机械手定位也不会进行这个标定,因为现在的相机畸变还是很小的,精度可以满足大多数要求。

本文要介绍的是第二种,相机和机械手之间的标定,作用:建立相机坐标系和机械手坐标系之间的关系,即给机械手装上眼睛,让它去哪就去哪。

常用的方法是9点标定,所用到函数是EstimateRigidTransform,网上关于 estimateRigidTransform 的详细说明很少,Emgucv的几乎没有。当时找了N久,一度以为opencv没有坐标系转换的算法,差点就投奔halcon去了,不得不说,opencv在机器视觉方面的应用是完全不如halcon的。EstimateRigidTransform有两个方法。

方法一:Mat EstimateRigidTransform(PointF[] sourcePoints, PointF[] destinationPoints, bool fullAffine);返回的是一个2*3的double的矩阵 。

第一个参数sourcePoints:换之前图像上的点(相机坐标系下的点)

第二个参数destinationPoints:换之后图像上的点(机械手坐标系下的点)

第三个参数fullAffine:  TRUE(全仿射变换,包括:rotation, translation, scaling,shearing,reflection)

FALSE(带有约束的仿射变换)

方法二:Mat EstimateRigidTransform(IInputArray src, IInputArray dst, bool fullAffine);   //返回的是图像

第一个参数src:变换之前的图像

第二个参数dst:变换之前的图像

第三个参数fullAffine:  TRUE(全仿射变换,包括:rotation, translation, scaling,shearing,reflection)

FALSE(带有约束的仿射变换)

因为我们需要的是坐标点,所以选用第一个函数。采用9点标定是因为点数越多越精确,但也不是越多越好,因为点数越多标定也会越麻烦,所选取的9个点在相机中间不要太靠近边缘,能够照顾到要定位的点即可。最少需要机械手和相机系下各2组点。

标定步骤:

0.准备工作:相机位置,机械手位置全部固定好,标定针固定在机械手上,固定好后不能够再移动。标定针的位置一定要与夹手或吸盘之内的工具同一位置高度。

1.制作标定板,条件不行的,用普通的纸绘制9个圆,打印出来就行。

2.将标定板放到相机下方,位置区域要与机械手工作的区域一样,包括高度必须尽量一致,这是标定准确度的关键。

3.调整好相机焦距,拍照,然后识别9个点的坐标,关于如何找圆,opecv的霍夫变换找圆非常容易误判,比较好的方法是采用轮廓找圆法。这个我也想写篇博客讲一讲。

4.将机械手依次移动到9的圆的中心,记下机械手坐标

5.将机械手坐标destinationPoints与相机坐标sourcePoints代入方法EstimateRigidTransform,即可算出一个2*3的矩阵。

private void CalRobot()
{
Mat warpMat;
warpMat = CvInvoke.EstimateRigidTransform(points_camera, points_robot, true);
Image<Gray, float> img = warpMat.ToImage<Gray, float>();
A = img.Data[0, 0, 0];
B = img.Data[0, 1, 0];
C = img.Data[0, 2, 0];
D = img.Data[1, 0, 0];
E = img.Data[1, 1, 0];
F = img.Data[1, 2, 0];
}

6.根据所得到的标定参数,可将图像下的所有坐标转换为机器人的坐标,机器人即可移动到图像上指定的位置。

坐标转换方法:

 public PointF TransformPoint(PointF pPoint)
{
//********************************************
// x = x'k*cost-y'k* sint+x0,
// y = x'k*sint+y'k* cost+y0.
//A = k*cost,B =-k* sint,C
//D = k*sint,E = k* cost,F
//*********************************************
PointF tPoint = new PointF();
tPoint.X = Convert.ToSingle(A * pPoint.X + B * pPoint.Y + C);
tPoint.Y = Convert.ToSingle(D * pPoint.X + E * pPoint.Y + F);
return tPoint;
}

至此,标定结束,可以随意玩耍机械手,对着物体拍张照,定位要夹取的点,然后根据以上标定得到的参数将换算为机械手坐标系下的坐标,然后将坐标通过通信协议传送给机械手,就大功告成了!

机械手相机9点坐标标定-基于C#+EmguCV的更多相关文章

  1. VINS(四)初始化与相机IMU外参标定

    和单目纯视觉的初始化只需要获取R,t和feature的深度不同,VIO的初始化话通常需要标定出所有的关键参数,包括速度,重力方向,feature深度,以及相机IMU外参$R_{c}^{b}$和$p_{ ...

  2. 相机imu外参标定

    1. 第一步初始化imu外参(可以从参数文档中读取,也可以计算出),VINS中处理如下: # Extrinsic parameter between IMU and Camera. estimate_ ...

  3. 经纬度坐标数据处理——基于R

    ggmap w=read.csv("LA.Neighborhoods.csv") w=data.frame(w,density=w$Population/w$Area) u=w[, ...

  4. 【开篇】基于C#+EmguCV的机器视觉平台开发

    市面上关于通用的机器视觉平台已有不少,一些大的视觉产品.设备制造商都有开发自己的一套系统.其通用性也都有一些行业局限,难以囊括所有可能性,一些需要经过二次开发,这也是难以攻克的问题.本人水平有限,再加 ...

  5. 相机标定:PNP基于单应面解决多点透视问题

              利用二维视野内的图像,求出三维图像在场景中的位姿,这是一个三维透视投影的反向求解问题.常用方法是PNP方法,需要已知三维点集的原始模型. 本文做了大量修改,如有不适,请移步原文:  ...

  6. 基于OpenCV单目相机的快速标定--源码、工程、实现过程

    相机的标定是所有人走进视觉世界需要做的第一件事,辣么多的视觉标定原理解释你可以随便在网上找到,这里只讲到底如何去实现,也算是给刚入门的朋友做个简单的分享. 1.单目相机标定的工程源码 首先请到同性交友 ...

  7. SLAM入门之视觉里程计(6):相机标定 张正友经典标定法详解

    想要从二维图像中获取到场景的三维信息,相机的内参数是必须的,在SLAM中,相机通常是提前标定好的.张正友于1998年在论文:"A Flexible New Technique fro Cam ...

  8. Camera Calibration 相机标定:Opencv应用方法

    本系列文章由 @YhL_Leo 出品,转载请注明出处. 文章链接: http://blog.csdn.net/yhl_leo/article/details/49427383 Opencv中Camer ...

  9. 手眼标定之相机随动eye-in-hand 示例:handeye_movingcam_calibration

    * * This example explains how to use the hand eye calibration for the case where* the camera is atta ...

随机推荐

  1. Vue源码思维导图------------Vue选项的合并之$options

    本节将看下初始化中的$options: Vue.prototype._init = function (options?: Object) { const vm: Component = this / ...

  2. 测试常用——linux 基础命令

    测试常用 的 linux 基础命令 1,查看服务器日志vi 查看文件(查找关键字:exception/exception  :  从上往下找,按n查找下一个关键字,按shift+n查找上一个关键字?e ...

  3. [转] JPA 2.0 with EclipseLink - 教程

    原文: http://www.vogella.com/articles/JavaPersistenceAPI/article.html Lars Vogel Version 2.2 Copyright ...

  4. leetcode-1053. 交换一次的先前排列

      题目描述: 给你一个正整数的数组 A(其中的元素不一定完全不同),请你返回可在 一次交换(交换两数字 A[i]和 A[j] 的位置)后得到的.按字典序排列小于 A 的最大可能排列. 如果无法这么操 ...

  5. vue富文本vue-quill-editor

    这个富文本需要装一下插件 "quill": "^1.3.6" "quill-image-drop-module": "^1.0.3 ...

  6. 某个ip段可以访问mysql

    我们先创建一个测试用户LimitIP,只允许192.168段的IP地址访问,具体权限如下所示: mysql> GRANT SELECT ON MyDB.* TO LimitIP@'192.168 ...

  7. HTML5篇

    [HTML5十大新特性] (1) 语义化标签 (2) 增强型表单 (3) 视频和音频 (4) canvas绘图 (5) SVG绘图 (6) 地理定位 (7) 拖放API (8) Web Worker ...

  8. nuxt 利用lru-cache 做服务器数据请求缓存

    // 运行与服务端的js // node.js lru-cache import LRU from 'lru-cache' const lruCache = LRU({ // 缓存队列长度 max: ...

  9. H5新增input表单、表单属性

    新增表单 email,Email类型 url , Url类型 date,日期类型 time,时间类型 month,月类型 week,周类型 number,数字类型 tel,电话类型 search,搜索 ...

  10. 笔记30 视图解析 ——TilesViewResolver

    Apache Tiles,定义适用于所有页面 的通用页面布局.Spring MVC以视图解析器的形式为Apache Tiles提 供了支持,这个视图解析器能够将逻辑视图名解析为Tile定义.  1.配 ...