CN108180834A - 一种工业机器人同三维成像仪位姿关系现场实时标定方法 - Google Patents
一种工业机器人同三维成像仪位姿关系现场实时标定方法 Download PDFInfo
- Publication number
- CN108180834A CN108180834A CN201810109922.4A CN201810109922A CN108180834A CN 108180834 A CN108180834 A CN 108180834A CN 201810109922 A CN201810109922 A CN 201810109922A CN 108180834 A CN108180834 A CN 108180834A
- Authority
- CN
- China
- Prior art keywords
- robot
- same
- dimensional imaging
- cloud data
- imaging instrument
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
Abstract
本发明公开了一种工业机器人同三维成像仪关系现场实时标定方法,包括:步骤1)在法兰盘坐标系旋转参数保持不变的情况下,驱动机器人以固定姿态不同位置通过平移成像仪的方式对标定板的同一个点进行多次扫描,形成第一点云数据,并记录法兰盘坐标系的旋转和平移参数;步骤2)对成像仪的第一点云数据进行处理,通过拟合的方式以获取相应的圆心坐标,并计算出标定旋转参数;步骤3)再次驱动机器人以不同姿态、不同位置对同一目标点进行多次扫描,形成第二点云数据,并记录法兰盘坐标系的旋转和平移参数;步骤4)对获取的第二点云数据进行处理,求取点云的圆心,并计算标定平移参数。
Description
技术领域
本发明涉及大尺寸工件检测领域,尤其设计一种基于机器人和三维成像仪、扫描仪的标定的方法。
背景技术
在大尺寸工件检测领域中,若利用工业机器人携带三维成像仪、激光扫描仪获取工件表面不同部位点云数据,且各部位点云数据无公共区域时,通常利用工业机器人工具坐标系原点的位置和姿态,拼接各部位点云数据。
因此,若精确标定机器人法兰盘前端坐标系与三维成像仪坐标系或三维扫描仪坐标系的转换关系,即两坐标系的平移旋转参数,则可利用机器人建立以三维成像仪坐标系或三维扫描仪为工具的工具坐标系,实时精确获得三维成像仪坐标系或三维扫描仪,在检测过程中固定坐标下的位置与姿态,从而获得三维成像仪坐标系或三维扫描仪运动的相对位置姿态关系。根据其相对位置参数可获大工件不同区域点云数据的相对位置姿态关系,为其点云数据拼接提供原始数据。机器人法兰盘前端坐标系与三维成像仪坐标系或三维扫描仪坐标系的转换关系的精确标定,保证机器人携带三维成像仪坐标系或三维扫描仪以指定的方向、姿态和速度运动。
而现有精确标定方法属于非现场实时标定方法,存在标定精度低、速度慢、操作过程复杂、理论不严谨等缺点。
发明内容
本发明所要解决的技术问题是提供一种工业机器人同三维成像仪位姿关系现场实时标定方法,用于解决现有技术存在的问题。
本发明解决上述技术问题所采取的技术方案如下:
一种工业机器人同三维成像仪关系现场实时标定方法,包括:
步骤1)在法兰盘坐标系旋转参数保持不变的情况下,驱动机器人以固定姿态不同位置通过平移成像仪的方式对标定板的同一个点进行多次扫描,形成第一点云数据,并记录法兰盘坐标系的旋转和平移参数;
步骤2)对成像仪的第一点云数据进行处理,通过拟合的方式以获取相应的圆心坐标,并计算出标定旋转参数;
步骤3)在法兰盘坐标系旋转矩阵参数保持不变的情况下,再次驱动机器人以不同姿态、不同位置对同一目标点进行多次扫描,形成第二点云数据,并记录法兰盘坐标系的旋转和平移参数;
步骤4)对获取的第二点云数据进行处理,求取点云的圆心,并计算标定平移参数,从而完成标定工作。
优选的是,步骤1)和步骤3)中,至少要对同一目标点进行二十次扫描。
优选的是,步骤4)中,具体包括:
根据机器人反馈的坐标数据以及三维成像仪下目标点的坐标,利用其相对关系构建数学模型,引入罗德里格矩阵和整体最小二乘算法,从而解算出扫描仪/扫描仪和机器人其相对姿态位置关系。
优选的是,步骤1)中,驱动机器人以固定姿态不同位置通过平移成像仪的方式对标定板的同一个点进行多次扫描,形成第一点云数据,并记录法兰盘坐标系的旋转和平移参数,包括:
根据某一姿态法兰盘坐标系相对于机器人基坐标系的相对关系以及目标点在三维成像仪/扫描仪下的坐标的关系:
XH=Xf+Rf×Tt+Rf×Rt×xh
其中,XH为目标点在机器人基坐标系下的坐标,xh为目标点在扫描仪坐标系下坐标,Rf为机器人法兰盘坐标系同机器人基坐标系的旋转矩阵,Xf为法兰盘坐标系的平移矩阵;
Rt和Tt为所要标定的扫描仪的坐标系相对于法兰盘坐标系的旋转和平移矩阵。
优选的是,步骤1)中,保持机器人法兰盘旋转姿态对同一目标点测量多次,则有:
在测量中控制机器人的姿态Rfi保持不变,则可以得到:
在矩阵解算中采用罗德里格矩阵,即为:
其中,[a b c]为罗格里德矩阵的三个参数;
上式可简写成:
A×ξ=L
则基于总体最小二乘平差准的参数解算为:记增广矩阵C=[A L],对增广矩阵进行奇异值分解:
C=UΣVT
其中:Σ=diag(σ1,σ2,σ3,σ4)
则标定旋转矩阵的罗德里格参数为:
优选的是,步骤3)中,在解算出标定旋转参数后,再对目标点以不同的位置姿态测量多次,则在基本关系式中令:
Xq=Rf×Rt×xh+Xt
则目标点的Xq可知,因此关系式可表示为:
XH=Rf×Tt+Xq。
优选的是,步骤4)中,对获取的第二点云数据进行处理,求取点云的圆心,并计算标定平移参数,包括:
通过改变姿态对靶标圆进行扫描且拟合圆心,可得到多组Rf和Xq,从而解算出Tt,即:
通过最小二乘准则求解标定平移参数为:
通过上述方法,即可完成工业机器人同三维成像仪的位姿关系实时标定。
本发明用于解决检测系统运行路径的精确规划、点云拼接以及机器人安全运行等问题,实现无重叠区域的点云间的快速拼接,有助于提高大尺件工装外观尺寸的检测效率。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
下面结合附图对本发明进行详细的描述,以使得本发明的上述优点更加明确。其中,
图1是本发明工业机器人同三维成像仪关系现场实时标定方法中所采用的设备的示意图;
图2是本发明工业机器人同三维成像仪关系现场实时标定方法的流程示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
基于此,本发明提供了一种工业机器人同三维成像仪/扫描仪位姿关系实时标定方法,操作简单快捷,适用性和灵活性强。用于解决相邻点云之间的拼接问题,实现无重叠区域的点云间的快速拼接,有助于提高大尺件工装外观尺寸的检测效率。
其中,本专利中的三维成像仪的描述,都可以利用三维扫描仪进行代替,本专利在以下说明中不进行过多说明。
其中,如图1和2所示,一种工业机器人同三维成像仪关系现场实时标定方法,包括:
步骤1)在法兰盘坐标系旋转参数保持不变的情况下,驱动机器人以固定姿态不同位置通过平移成像仪的方式对标定板的同一个点进行多次扫描,形成第一点云数据,并记录法兰盘坐标系的旋转和平移参数;
步骤2)对扫描仪的第一点云数据进行处理,通过拟合的方式以获取相应的圆心坐标,并计算出标定旋转参数;
步骤3)在法兰盘坐标系旋转矩阵参数保持不变的情况下,再次驱动机器人以不同姿态、不同位置对同一目标点进行多次扫描,形成第二点云数据,并记录法兰盘坐标系的旋转和平移参数;
步骤4)对获取的第二点云数据进行处理,求取点云的圆心,并计算标定平移参数,从而完成标定工作。
优选的是,步骤1)和步骤3)中,至少要对同一目标点进行二十次扫描。
优选的是,步骤4)中,具体包括:
根据机器人反馈的坐标数据以及三维成像仪下目标点的坐标,利用其相对关系构建数学模型,引入罗德里格矩阵和整体最小二乘算法,从而解算出扫描仪/扫描仪和机器人其相对姿态位置关系。
其中,在实施例中,为了实现本发明的目的,本发明采用以下技术方案:(1)建立机器人和三维成像仪/扫描仪关系模型
根据某一姿态法兰盘坐标系相对于机器人基坐标系的相对关系以及目标点在三维成像仪/扫描仪下的坐标的关系:
XH=Xf+Rf×Tt+Rf×Rt×xh
其中,XH为目标点在机器人基坐标系下的坐标,xh为目标点在扫描仪坐标系下坐标,Rf为机器人法兰盘坐标系同机器人基坐标系的旋转矩阵,Xf为法兰盘坐标系的平移矩阵;
(2)标定旋转参数
保持机器人法兰盘旋转姿态对同一目标点测量多次,则有:
在测量中控制机器人的姿态保持不变,则可以得到:
在矩阵解算中采用罗德里格矩阵,即为:
其中,[a b c]为罗格里德矩阵的三个参数。
上式可简写成:
A×ξ=L
则基于总体最小二乘平差准的参数解算为:记增广矩阵C=[A L],对增广矩阵进行奇异值分解:
C=UΣVT
其中:Σ=diag(σ1,σ2,σ3,σ4)
则标定旋转矩阵的罗德里格参数为:
(3)标定平移参数
在解算出标定旋转参数后,再对目标点以不同的位置姿态测量多次,则在基本关系式中令:
Xq=Rf×Rt×xh+Xt
则目标点的Xq可知,因此关系式可表示为:
XH=Rf×Tt+Xq
通过改变姿态对靶标圆进行扫描且拟合圆心,可得到多组Rf和Xq,从而解算出Tt,即:
通过最小二乘准则求解标定平移参数为:
通过上述方法,即可完成工业机器人同三维成像仪/扫描仪位姿关系实时标定。
本发明设计合理,算法严谨,提高了效率,提高了标定参数的准确性和定位精度。
需要说明的是,对于上述方法实施例而言,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种工业机器人同三维成像仪关系现场实时标定方法,包括:
步骤1)在法兰盘坐标系旋转参数保持不变的情况下,驱动机器人以固定姿态不同位置通过平移成像仪的方式对标定板的同一个点进行多次扫描,形成第一点云数据,并记录法兰盘坐标系的旋转和平移参数;
步骤2)对成像仪的第一点云数据进行处理,通过拟合的方式以获取相应的圆心坐标,并计算出标定旋转参数;
步骤3)在法兰盘坐标系旋转矩阵参数保持不变的情况下,再次驱动机器人以不同姿态、不同位置对同一目标点进行多次扫描,形成第二点云数据,并记录法兰盘坐标系的旋转和平移参数;
步骤4)对获取的第二点云数据进行处理,求取点云的圆心,并计算标定平移参数,从而完成标定工作。
2.根据权利要求1所述的工业机器人同三维成像仪关系现场实时标定方法,其特征在于,步骤1)和步骤3)中,至少要对同一目标点进行二十次扫描。
3.根据权利要求1或2所述的工业机器人同三维成像仪关系现场实时标定方法,其特征在于,步骤4)中,具体包括:
根据机器人反馈的坐标数据以及三维成像仪下目标点的坐标,利用其相对关系构建数学模型,引入罗德里格矩阵和整体最小二乘算法,从而精确解算出扫描仪/扫描仪和机器人其相对姿态位置关系。
4.根据权利要求1或2所述的工业机器人同三维成像仪关系现场实时标定方法,其特征在于,步骤1)中,驱动机器人以固定姿态不同位置通过平移扫描仪的方式对标定板的同一个点进行多次扫描,形成第一点云数据,并记录法兰盘坐标系的旋转和平移参数,包括:
根据某一姿态法兰盘坐标系相对于机器人基坐标系的相对关系以及目标点在三维成像仪下的坐标的关系:
XH=Xf+Rf×Tt+Rf×Rt×xh
其中XH为目标点在机器人基坐标系下的坐标,xh为目标点在扫描仪坐标系下坐标,Rf为机器人法兰盘坐标系同机器人基坐标系的旋转矩阵,Xf为法兰盘坐标系的平移矩阵;
Rt和Tt为所要标定的扫描仪的坐标系相对于法兰盘坐标系的旋转和平移矩阵。
5.根据权利要求1或2所述的工业机器人同三维成像仪关系现场实时标定方法,其特征在于,步骤1)中,驱动机器人以固定姿态不同位置通过平移成像仪的方式对标定板的同一个点进行多次扫描,形成第一点云数据,并记录法兰盘坐标系的旋转和平移参数,还包括:保持机器人法兰盘旋转姿态对同一目标点测量多次,则有:
在测量中控制机器人的姿态保持不变,则可以得到:
在矩阵解算中采用罗德里格矩阵,即为:
其中,[a b c]为罗格里德矩阵的三个参数;
上式可简写成:
A×ξ=L
则基于总体最小二乘平差准则,参数的基本解算为:记增广矩阵C=[A L],对增广矩阵进行奇异值分解:
C=UΣVT
其中:Σ=diag(σ1,σ2,σ3,σ4)
则标定旋转矩阵的罗德里格参数为:
6.根据权利要求1或2所述的工业机器人同三维成像仪关系现场实时标定方法,其特征在于,步骤3)中,在法兰盘坐标系旋转矩阵参数保持不变的情况下,再次驱动机器人以不同姿态、不同位置对同一目标点进行多次扫描,形成第二点云数据,并记录法兰盘坐标系的旋转和平移参数,具体包括:
在解算出标定旋转参数后,再对目标点以不同的位置姿态测量多次,则在基本关系式中令:
Xq=Rf×Rt×xh+Xt
则目标点的Xq可知,因此关系式可表示为:
XH=Rf×Tt+Xq。
7.根据权利要求1或2所述的工业机器人同三维成像仪关系现场实时标定方法,其特征在于,步骤4)中,对获取的第二点云数据进行处理,求取点云的圆心,并计算标定平移参数,包括:
通过改变姿态对靶标圆进行扫描且拟合圆心,可得到多组Rf和Xq,从而解算出Tt,即:
通过最小二乘准则求解标定平移参数为:
通过上述方法,即可完成工业机器人同三维成像仪的位姿关系实时标定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810109922.4A CN108180834A (zh) | 2018-02-05 | 2018-02-05 | 一种工业机器人同三维成像仪位姿关系现场实时标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810109922.4A CN108180834A (zh) | 2018-02-05 | 2018-02-05 | 一种工业机器人同三维成像仪位姿关系现场实时标定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108180834A true CN108180834A (zh) | 2018-06-19 |
Family
ID=62552080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810109922.4A Pending CN108180834A (zh) | 2018-02-05 | 2018-02-05 | 一种工业机器人同三维成像仪位姿关系现场实时标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108180834A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108818535A (zh) * | 2018-07-05 | 2018-11-16 | 杭州汉振科技有限公司 | 机器人3d视觉手眼标定方法 |
CN110065072A (zh) * | 2019-05-21 | 2019-07-30 | 西南交通大学 | 机器人重复定位精度的验证方法 |
CN110260786A (zh) * | 2019-06-26 | 2019-09-20 | 华中科技大学 | 一种基于外部跟踪的机器人视觉测量系统及其标定方法 |
CN111879235A (zh) * | 2020-06-22 | 2020-11-03 | 杭州思看科技有限公司 | 弯管的三维扫描检测方法、三维扫描系统和计算机设备 |
CN112557768A (zh) * | 2020-11-23 | 2021-03-26 | 中山香山微波科技有限公司 | 片上天线测试系统及测试方法 |
CN113483661A (zh) * | 2021-07-06 | 2021-10-08 | 广东南方数码科技股份有限公司 | 一种点云数据获取方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103808277A (zh) * | 2013-12-23 | 2014-05-21 | 天津大学 | 一种多传感器点云拼接误差的修正方法 |
US20140327746A1 (en) * | 2013-05-06 | 2014-11-06 | Iphoton Solutions, Llc | Volume reconstruction of an object using a 3d sensor and robotic coordinates |
CN104463851A (zh) * | 2014-11-19 | 2015-03-25 | 哈尔滨工业大学深圳研究生院 | 一种基于机器人的鞋底边缘线自动跟踪方法 |
CN104484648A (zh) * | 2014-11-27 | 2015-04-01 | 浙江工业大学 | 基于轮廓识别的机器人可变视角障碍物检测方法 |
CN105526913A (zh) * | 2015-12-01 | 2016-04-27 | 北京航空航天大学 | 一种基于tof相机的三维扫描系统及扫描方法 |
CN106408556A (zh) * | 2016-05-23 | 2017-02-15 | 东南大学 | 一种基于一般成像模型的微小物体测量系统标定方法 |
CN107121062A (zh) * | 2016-12-07 | 2017-09-01 | 苏州笛卡测试技术有限公司 | 一种机器人三维扫描装置及方法 |
-
2018
- 2018-02-05 CN CN201810109922.4A patent/CN108180834A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140327746A1 (en) * | 2013-05-06 | 2014-11-06 | Iphoton Solutions, Llc | Volume reconstruction of an object using a 3d sensor and robotic coordinates |
CN103808277A (zh) * | 2013-12-23 | 2014-05-21 | 天津大学 | 一种多传感器点云拼接误差的修正方法 |
CN104463851A (zh) * | 2014-11-19 | 2015-03-25 | 哈尔滨工业大学深圳研究生院 | 一种基于机器人的鞋底边缘线自动跟踪方法 |
CN104484648A (zh) * | 2014-11-27 | 2015-04-01 | 浙江工业大学 | 基于轮廓识别的机器人可变视角障碍物检测方法 |
CN105526913A (zh) * | 2015-12-01 | 2016-04-27 | 北京航空航天大学 | 一种基于tof相机的三维扫描系统及扫描方法 |
CN106408556A (zh) * | 2016-05-23 | 2017-02-15 | 东南大学 | 一种基于一般成像模型的微小物体测量系统标定方法 |
CN107121062A (zh) * | 2016-12-07 | 2017-09-01 | 苏州笛卡测试技术有限公司 | 一种机器人三维扫描装置及方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108818535A (zh) * | 2018-07-05 | 2018-11-16 | 杭州汉振科技有限公司 | 机器人3d视觉手眼标定方法 |
CN110065072A (zh) * | 2019-05-21 | 2019-07-30 | 西南交通大学 | 机器人重复定位精度的验证方法 |
CN110260786A (zh) * | 2019-06-26 | 2019-09-20 | 华中科技大学 | 一种基于外部跟踪的机器人视觉测量系统及其标定方法 |
CN110260786B (zh) * | 2019-06-26 | 2020-07-10 | 华中科技大学 | 一种基于外部跟踪的机器人视觉测量系统及其标定方法 |
CN111879235A (zh) * | 2020-06-22 | 2020-11-03 | 杭州思看科技有限公司 | 弯管的三维扫描检测方法、三维扫描系统和计算机设备 |
CN112557768A (zh) * | 2020-11-23 | 2021-03-26 | 中山香山微波科技有限公司 | 片上天线测试系统及测试方法 |
CN113483661A (zh) * | 2021-07-06 | 2021-10-08 | 广东南方数码科技股份有限公司 | 一种点云数据获取方法、装置、设备及存储介质 |
CN113483661B (zh) * | 2021-07-06 | 2023-06-30 | 广东南方数码科技股份有限公司 | 一种点云数据获取方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108180834A (zh) | 一种工业机器人同三维成像仪位姿关系现场实时标定方法 | |
CN109373898B (zh) | 一种基于三维测量点云的复杂零件位姿估计系统及方法 | |
CN110555889B (zh) | 一种基于CALTag和点云信息的深度相机手眼标定方法 | |
CN111505606B (zh) | 多相机与激光雷达系统相对位姿检校方法及装置 | |
CN111012506B (zh) | 基于立体视觉的机器人辅助穿刺手术末端工具中心标定方法 | |
CN109859275A (zh) | 一种基于s-r-s结构的康复机械臂的单目视觉手眼标定方法 | |
CN105716542B (zh) | 一种基于柔性特征点的三维数据拼接方法 | |
CN109483516A (zh) | 一种基于空间距离和极线约束的机械臂手眼标定方法 | |
CN110276806A (zh) | 用于四自由度并联机器人立体视觉手眼系统的在线手眼标定和抓取位姿计算方法 | |
CN106949845A (zh) | 基于双目立体视觉的二维激光振镜扫描系统及标定方法 | |
WO2018201677A1 (zh) | 基于光束平差的远心镜头三维成像系统的标定方法及装置 | |
CN106323286B (zh) | 一种机器人坐标系与三维测量坐标系的变换方法 | |
CN110355464A (zh) | 激光加工的视觉匹配方法、系统及介质 | |
CN109493389B (zh) | 一种基于深度学习的相机标定方法及系统 | |
CN108510587A (zh) | 一种基于2d激光扫描的室内室外环境建模方法及系统 | |
CN109719722B (zh) | 一种精确标定机器人末端与视觉系统的方法 | |
CN111872922B (zh) | 基于3d视觉传感器的三自由度并联机器人手眼标定方法 | |
CN114310901B (zh) | 用于机器人的坐标系标定方法、装置、系统以及介质 | |
CN109781164A (zh) | 一种线激光传感器的静态标定方法 | |
CN110136204A (zh) | 基于双侧远心镜头相机机床位置标定的音膜球顶装配系统 | |
CN109242779A (zh) | 一种相机成像模型的构建方法、装置及汽车自动驾驶系统 | |
CN115546289A (zh) | 一种基于机器人的复杂结构件三维形貌测量方法 | |
CN115284292A (zh) | 基于激光相机的机械臂手眼标定方法及装置 | |
CN116026252A (zh) | 一种点云测量方法及系统 | |
WO2018168757A1 (ja) | 画像処理装置、システム、画像処理方法、物品の製造方法、プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |