CN108908399B - 一种基于同心圆环模板的机器人手眼标定方法 - Google Patents
一种基于同心圆环模板的机器人手眼标定方法 Download PDFInfo
- Publication number
- CN108908399B CN108908399B CN201810596402.0A CN201810596402A CN108908399B CN 108908399 B CN108908399 B CN 108908399B CN 201810596402 A CN201810596402 A CN 201810596402A CN 108908399 B CN108908399 B CN 108908399B
- Authority
- CN
- China
- Prior art keywords
- point
- coordinate system
- coordinates
- coordinate
- concentric ring
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000006243 chemical reaction Methods 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 230000009466 transformation Effects 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 24
- PXQPEWDEAKTCGB-UHFFFAOYSA-N orotic acid Chemical compound OC(=O)C1=CC(=O)NC(=O)N1 PXQPEWDEAKTCGB-UHFFFAOYSA-N 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于同心圆环模板的机器人手眼标定方法，包括以下步骤：步骤一：通过模板匹配获取在相机坐标系下的同心圆环模板的多个中心点坐标；步骤二：通过获取到的同心圆环模板的多个中心点坐标，计算得到在相机坐标系下的每个TCP末端点坐标；步骤三：利用在相机坐标系下和世界坐标系下的每个TCP末端点坐标，构建坐标转换方程组并进行求解。本发明克服了传统的基于棋盘格的手眼标定方法对棋盘格的精度要求较高的缺点，不仅计算量少、算法简单，而且容易求解TCP(Tool Center Point)末端点坐标在世界坐标系与相机坐标系之间的坐标转换方程组。
Description
技术领域
本发明涉及工业机器人技术领域，具体涉及一种基于同心圆环模板的机器人手眼标定方法。
背景技术
随着劳动力成本、市场对效率的需求增加，机器人产业得到快速的发展。机器人手眼视觉系统中需要将相机与机器人的手臂相结合，通过手眼标定，获取相机与机器人末端执行器之间的坐标关系，以便精确控制机器人执行相应的动作。因此，机器人手眼标定是计算机视觉的关键技术之一。传统的利用棋盘格进行手眼标定的方法对棋盘格的制作精度要求较高，而实际中对标定精度的要求不尽相同，因此，寻找新的基于标定板的手眼标定算法以提高算法效率和精度具有重要意义。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题，本发明提出一种基于同心圆环模板的机器人手眼标定方法，该方法计算量少、算法简单，而且容易求解TCP(Tool Center Point，TCP工具座标系是机器人运动的基准)末端点坐标在世界坐标系与相机坐标系之间的坐标转换方程组。
本发明的技术方案是这样实现的：
根据本发明的一个方面，提供了一种基于同心圆环模板的机器人手眼标定方法。
该基于同心圆环模板的机器人手眼标定方法包括以下步骤：
步骤一：通过模板匹配获取在相机坐标系下的同心圆环模板的多个中心点坐标；
步骤二：通过获取到的同心圆环模板的多个中心点坐标，计算得到在相机坐标系下的每个TCP末端点坐标；
步骤三：利用在相机坐标系下和世界坐标系下的每个TCP末端点坐标，构建坐标转换方程组并进行求解。
根据本发明的一个实施例，在步骤一中，利用深度相机Kinect获得的同心圆环模板的深度图像得到所述同心圆环模板的中心点坐标。
根据本发明的一个实施例，通过Ostu法自动获取所述同心圆环模板在相机坐标系下的深度阈值，对所述深度图像的深度信息进行判断，将大于深度阈值的深度信息表示为所述同心圆环模板的深度图像中的黑色区域，作为无效像素点并去除；将小于深度阈值的深度信息表示为所述同心圆环模板的深度图像中的白色区域，保留白色区域的深度信息作为有效像素点；最后，对所述同心圆环模板中所有白色区域的深度信息进行平均值处理，最终得到的均值即为所述同心圆环模板的中心点坐标。
根据本发明的一个实施例，在相机坐标系下的每个TCP末端点坐标与所述同心圆环模板的中心点坐标的关系表示为：
其中，
Pc(u，v,pc)为在相机坐标系下的TCP末端点坐标；Pm(u，v,pm)为所述同心圆环模板的中心点坐标；Po为模板匹配中心点；×为两个向量的叉乘；Pm1、Pm2、Pm3为匹配点，首先匹配到Pm1，然后以Pm1Po为轴心向逆时针、顺时针方向分别旋转30度，得到匹配点Pm2、Pm3，
为
的方向向量,r为TCP末端和同心圆环模板的中心点之间的距离，即r＝|Pm2-Pm3|，r＝|Pm2-Po|＝|Pm3-Po|＝|Pm2-Pm3|。
根据本发明的一个实施例，当求取平面坐标时，Pc＝Po；当求取非平面坐标时，
其中，h为TCP末端到模板匹配中心点之间的距离。
根据本发明的一个实施例，在步骤三中建立的坐标转换方程组可以表示为：
其中，Twc为待求的相机坐标系下和世界坐标系下的转换矩阵，每一个坐标转换方程组由一组先验坐标点
构成；Pc为在相机坐标系下的TCP末端点坐标；Pw为在世界坐标系下的TCP末端点坐标；n为TCP末端的个数；i为TCP末端的序号。
根据本发明的一个实施例，利用RANSAC算法筛选出有效的所述TCP末端点坐标，并求解所述坐标转换方程组。
根据本发明的一个实施例，求解所述坐标转换方程组的具体步骤为：
在坐标转换方程组中随机抽取多个坐标点方程，求出临时转换矩阵，并将临时转换矩阵代入剩余方程中，得到新的方程；
求取计算误差，并计算先验坐标点中有效内点个数，具体地，根据计算误差大于阈值的情况，确定先验坐标点为外点，否则确定先验坐标点为内点，当阈值的个数大于设定阈值的值时停止计算，得到有效先验坐标点方程；
对得到的有效先验坐标点方程求出最佳转换矩阵。
根据本发明的一个实施例，计算误差表示为：
其中，ΔP为计算误差，
为第i个点在世界坐标系下的真实坐标；
为第i个点在世界坐标系下的虚拟坐标，T′wc为临时转换矩阵；
为第i个点在相机坐标系下的真实坐标。
根据本发明的一个实施例，所述最佳转换矩阵通过最小二乘法求出。
本发明的有益技术效果在于：
本发明提供了一种基于同心圆环模板的手眼标定方法，在利用同心圆环模板求取世界坐标系与相机坐标系之间的坐标转换方程组时，利用RANSAC算法筛选有效TCP末端点坐标并求解坐标转换方程组。其中，TCP末端点坐标通过多个同心圆环模板的中心点获得，而同心圆环模板的中心点通过模板匹配经Ostu法自动求取阈值来去除深度相机中无效的像素点，然后求有效像素点的平均值获得。该方法克服了传统的基于棋盘格的手眼标定方法对棋盘格的精度要求较高的缺点，不仅计算量少、算法简单，而且容易求解TCP(ToolCenter Point)末端点坐标在世界坐标系与相机坐标系之间的坐标转换方程组。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明中一种基于同心圆环模板的机器人手眼标定方法流程图；
图2为本发明中一种基于同心圆环模板的机器人手眼标定方法原理图；
图3为本发明中步骤二的求解原理图；
图4为本发明中求取平面坐标时的同心圆环模板图；
图5为本发明中求取非平面坐标时的同心圆环模板图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
为了解决现有的利用棋盘格进行手眼标定的方法对棋盘格的制作精度要求较高，而实际中对标定精度的要求不尽相同的问题。本发明提出了一种基于同心圆环模板的机器人手眼标定方法，该方法计算量少、算法简单，求解TCP(Tool Center Point)末端在世界坐标系与相机坐标系之间的转换矩阵相应简单。
下面结合说明书附图和具体实施方式对本发明做出详细的说明。
如图1所示，本发明实施例提供的一种基于同心圆环模板的机器人手眼标定方法，包括以下步骤：
步骤一：通过模板匹配获取在相机坐标系下的同心圆环模板的多个中心点坐标。
步骤二：通过获取到的同心圆环模板的多个中心点坐标，计算得到在相机坐标系下的每个TCP末端点坐标。
步骤三：利用在相机坐标系下和世界坐标系下的每个TCP末端点坐标，构建坐标转换方程组并进行求解。
根据本发明的一个实施例，在步骤一中，利用深度相机Kinect获得的同心圆环模板的深度图像得到所述同心圆环模板的中心点坐标。
根据本发明的一个实施例，通过Ostu法自动获取所述同心圆环模板在相机坐标系下的深度阈值，对所述深度图像的深度信息进行判断，将大于深度阈值的深度信息表示为所述同心圆环模板的深度图像中的黑色区域，作为无效像素点并去除；将小于深度阈值的深度信息表示为所述同心圆环模板的深度图像中的白色区域，保留白色区域的深度信息作为有效像素点；最后，对所述同心圆环模板中所有白色区域的深度信息进行平均值处理，最终得到的均值即为所述同心圆环模板的中心点坐标。
根据本发明的一个实施例，在相机坐标系下的每个TCP末端点坐标与所述同心圆环模板的中心点坐标的关系表示为：
其中，
Pc(u，v,pc)为在相机坐标系下的TCP末端点坐标；Pm(u，v,pm)为所述同心圆环模板的中心点坐标；Po为模板匹配中心点；×为两个向量的叉乘；Pm1、Pm2、Pm3为匹配点，首先匹配到Pm1，然后以Pm1Po为轴心向逆时针、顺时针方向分别旋转30度，得到匹配点Pm2、Pm3，
为
的方向向量,r为TCP末端和同心圆环模板的中心点之间的距离，即r＝|Pm2-Pm3|，r＝|Pm2-Po|＝|Pm3-Po|＝|Pm2-Pm3|。
根据本发明的一个实施例，当求取平面坐标时，Pc＝Po；当求取非平面坐标时，
其中，h为TCP末端到模板匹配中心点之间的距离。
根据本发明的一个实施例，在步骤三中建立的坐标转换方程组可以表示为：
其中，Twc为待求的相机坐标系下和世界坐标系下的转换矩阵，每一个坐标转换方程组由一组先验坐标点
构成；Pc为在相机坐标系下的TCP末端点坐标；Pw为在世界坐标系下的TCP末端点坐标；n为TCP末端的个数；i为TCP末端的序号。
根据本发明的一个实施例，利用RANSAC算法筛选出有效的所述TCP末端点坐标，并求解所述坐标转换方程组。
根据本发明的一个实施例，求解所述坐标转换方程组的具体步骤为：
在坐标转换方程组中随机抽取多个坐标点方程，求出临时转换矩阵，并将临时转换矩阵代入剩余方程中，得到新的方程；
求取计算误差，并计算先验坐标点中有效内点个数，具体地，根据计算误差大于阈值的情况，确定先验坐标点为外点，否则确定先验坐标点为内点，当阈值的个数大于设定阈值的值时停止计算，得到有效先验坐标点方程；
对得到的有效先验坐标点方程求出最佳转换矩阵。
根据本发明的一个实施例，计算误差表示为：
其中，ΔP为计算误差，
为第i个点在世界坐标系下的真实坐标；
为第i个点在世界坐标系下的虚拟坐标，T′wc为临时转换矩阵；
为第i个点在相机坐标系下的真实坐标。
根据本发明的一个实施例，所述最佳转换矩阵通过最小二乘法求出。
为了便于理解本发明的技术方案，下面对本发明的技术方案进行详细的介绍。
如图2所示，步骤一中，利用深度相机Kinect获得的同心圆环模板的深度图得到同心圆环模板中心的坐标，由于深度相机在获取深度图像时，受到光的反射率影响，获得深度图像对黑色信息的表达精度偏低一些，因此，通过Ostu法自动获取同心圆环模板在相机坐标系下的深度阈值，区分黑白色图像的深度信息，其中，大于深度阈值的深度信息表示同心圆环模板中的黑色，小于深度阈值的信息为白色，最终保留白色深度信息作为求取同心圆环模板中心的有效信息。对同心圆环模板中所有的白色点的深度信息进行平均值处理，最终得到的均值为模板中心点的深度坐标，模板中心点的坐标记为Pm(u，v,pm)。
步骤二在步骤一的基础上进一步求得图2中TCP末端在相机坐标系下的坐标，记为Pc(u，v,pc)。该部分利用步骤一中获得的多个Pm求得Pc。求解原理如图3所示,图3中Po的坐标由以下公式求得：
其中，×表示两个向量的叉乘，Pm1、Pm2、Pm3为匹配点，首先匹配到Pm1，然后以Pm1Po为轴心向逆时针、顺时针方向分别旋转30度，得到匹配点Pm2、Pm3，
为
的方向向量,r为图3中TCP末端和模板匹配中心点之间的距离，即r＝|Pm2-Pm3|，由等边三角形可知r＝|Pm2-Po|＝|Pm3-Po|＝|Pm2-Pm3|。如图4所示，在求平面坐标时，Pc＝Po。如图5所示，在求非平面坐标时，Po为立体同心圆模板的中心，Pc为TCP末端的坐标，Po的坐标由步骤二中的方法求得，最终Pc的求取如下公式：
步骤三中利用n个TCP末端在相机坐标系下的坐标Pc与世界坐标系下的坐标(记为Pw),建立转换矩阵，如下公式所示：
其中，Twc为待求的两种坐标系下的转换矩阵，每一个方程由一组先验坐标点
构成。
步骤四中通过对n个方程，本发明要求n＞5，利用RANSAC算法思想进行求解，过程如下：
(1)在n个方程里随机找到5个先验坐标点方程，求出临时转换矩阵T′wc，将T′wc带入剩余方程中，得到方程：
(2)求取计算误差，计算有效点(内点)个数：
其中，ΔP为计算误差，
为第i个点在世界坐标系下的真实坐标，通过设定误差的阈值(记为阈值1)来判定先验坐标点
为内点还是外点，如果误差大于阈值，则判定先验坐标点为外点，否则为内点。对内点的个数设定阈值(记为阈值2)，当阈值的个数大于设定阈值的值时停止计算。假设阈值2的值为m,则最终获得m+5个有效先验坐标点方程，利用m+5个方程求得方程组的最佳转换矩阵。
(3)对m+5个方程利用最小二乘法求出最佳转换矩阵。
综上所述，借助于本发明的上述技术方案，通过本发明的一种基于同心圆环模板的机器人手眼标定方法，其可克服了传统的基于棋盘格的手眼标定方法对棋盘格的精度要求较高的缺点，不仅计算量少、算法简单，而且容易求解TCP(Tool Center Point)末端点坐标在世界坐标系与相机坐标系之间的坐标转换方程组。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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)
1.一种基于同心圆环模板的机器人手眼标定方法，其特征在于，包括以下步骤：
步骤一：通过模板匹配获取在相机坐标系下的同心圆环模板的多个中心点坐标；
步骤二：通过获取到的同心圆环模板的多个中心点坐标，计算得到在相机坐标系下的每个TCP末端点坐标；
步骤三：利用在相机坐标系下和世界坐标系下的每个TCP末端点坐标，构建坐标转换方程组并进行求解；
其中，在步骤一中，利用深度相机Kinect获得的同心圆环模板的深度图像得到所述同心圆环模板的中心点坐标；
通过Ostu法自动获取所述同心圆环模板在相机坐标系下的深度阈值，对所述深度图像的深度信息进行判断，将大于深度阈值的深度信息表示为所述同心圆环模板的深度图像中的黑色区域，作为无效像素点并去除；将小于深度阈值的深度信息表示为所述同心圆环模板的深度图像中的白色区域，保留白色区域的深度信息作为有效像素点；最后，对所述同心圆环模板中所有白色区域的深度信息进行平均值处理，最终得到的均值即为所述同心圆环模板的中心点坐标；
在相机坐标系下的每个TCP末端点坐标与所述同心圆环模板的中心点坐标的关系表示为：
其中，
Pc(u，v,pc)为在相机坐标系下的TCP末端点坐标；Pm(u，v,pm)为所述同心圆环模板的中心点坐标；Po为模板匹配中心点；×为两个向量的叉乘；Pm1、Pm2、Pm3为匹配点，首先匹配到Pm1，然后以Pm1Po为轴心向逆时针、顺时针方向分别旋转30度，得到匹配点Pm2、Pm3，
为
的方向向量,r为TCP末端和同心圆环模板的中心点之间的距离，即r＝|Pm2-Pm3|，r＝|Pm2-Po|＝|Pm3-Po|＝|Pm2-Pm3|。
2.根据权利要求1所述的基于同心圆环模板的机器人手眼标定方法，其特征在于，当求取平面坐标时，Pc＝Po；当求取非平面坐标时，
其中，h为TCP末端到模板匹配中心点之间的距离。
3.根据权利要求2所述的基于同心圆环模板的机器人手眼标定方法，其特征在于，在步骤三中建立的坐标转换方程组可以表示为：
…
其中，Twc为待求的相机坐标系下和世界坐标系下的转换矩阵，每一个坐标转换方程组由一组先验坐标点
构成；Pc为在相机坐标系下的TCP末端点坐标；Pw为在世界坐标系下的TCP末端点坐标；n为TCP末端的个数；i为TCP末端的序号。
4.根据权利要求3所述的基于同心圆环模板的机器人手眼标定方法，其特征在于，利用RANSAC算法筛选出有效的所述TCP末端点坐标，并求解所述坐标转换方程组。
5.根据权利要求4所述的基于同心圆环模板的机器人手眼标定方法，其特征在于，求解所述坐标转换方程组的具体步骤为：
在坐标转换方程组中随机抽取多个坐标点方程，求出临时转换矩阵，并将临时转换矩阵代入剩余方程中，得到新的方程；
求取计算误差，并计算先验坐标点中有效内点个数，具体地，根据计算误差大于阈值的情况，确定先验坐标点为外点，否则确定先验坐标点为内点，当阈值的个数大于设定阈值的值时停止计算，得到有效先验坐标点方程；
对得到的有效先验坐标点方程求出最佳转换矩阵。
6.根据权利要求5所述的基于同心圆环模板的机器人手眼标定方法，其特征在于，计算误差表示为：
其中，ΔP为计算误差，
为第i个点在世界坐标系下的真实坐标；
为第i个点在世界坐标系下的虚拟坐标，T′wc为临时转换矩阵；Pc i为第i个点在相机坐标系下的真实坐标。
7.根据权利要求6所述的基于同心圆环模板的机器人手眼标定方法，其特征在于，所述最佳转换矩阵通过最小二乘法求出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810596402.0A CN108908399B (zh) | 2018-06-11 | 2018-06-11 | 一种基于同心圆环模板的机器人手眼标定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810596402.0A CN108908399B (zh) | 2018-06-11 | 2018-06-11 | 一种基于同心圆环模板的机器人手眼标定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108908399A CN108908399A (zh) | 2018-11-30 |
| CN108908399B true CN108908399B (zh) | 2020-07-21 |
Family
ID=64410916
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810596402.0A Active CN108908399B (zh) | 2018-06-11 | 2018-06-11 | 一种基于同心圆环模板的机器人手眼标定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108908399B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109900207A (zh) * | 2019-03-12 | 2019-06-18 | 精诚工科汽车系统有限公司 | 机器人视觉工具的工具中心点标定方法及系统 |
| CN110497386B (zh) * | 2019-08-26 | 2021-03-30 | 中科新松有限公司 | 一种协作机器人手眼关系自动标定方法 |
| CN110834333B (zh) * | 2019-11-14 | 2021-11-02 | 中科新松有限公司 | 一种机器人手眼标定方法及存储介质 |
| CN110977980A (zh) * | 2019-12-17 | 2020-04-10 | 上海嘉奥信息科技发展有限公司 | 基于光学定位仪的机械臂实时手眼标定方法及系统 |
| CN112525074B (zh) * | 2020-11-24 | 2022-04-12 | 杭州素问九州医疗科技有限公司 | 标定方法、系统、机器人、计算机装置和导航系统 |
| CN114800520B (zh) * | 2022-05-23 | 2024-01-23 | 北京迁移科技有限公司 | 高精度的手眼标定方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102922521A (zh) * | 2012-08-07 | 2013-02-13 | 中国科学技术大学 | 一种基于立体视觉伺服的机械臂系统及其实时校准方法 |
| CN103706568A (zh) * | 2013-11-26 | 2014-04-09 | 中国船舶重工集团公司第七一六研究所 | 基于机器视觉的机器人分拣系统及方法 |
| CN107256568A (zh) * | 2017-05-08 | 2017-10-17 | 西安交通大学 | 一种高精度机械臂手眼相机标定方法及标定系统 |
| CN107498558A (zh) * | 2017-09-19 | 2017-12-22 | 北京阿丘科技有限公司 | 全自动手眼标定方法及装置 |
| CN108122257A (zh) * | 2016-11-28 | 2018-06-05 | 沈阳新松机器人自动化股份有限公司 | 一种机器人手眼标定方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100386090B1 (ko) * | 2001-04-02 | 2003-06-02 | 한국과학기술원 | 동심원 패턴을 이용한 카메라 내부변수 보정시스템 및카메라 보정방법 |
-
2018
- 2018-06-11 CN CN201810596402.0A patent/CN108908399B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102922521A (zh) * | 2012-08-07 | 2013-02-13 | 中国科学技术大学 | 一种基于立体视觉伺服的机械臂系统及其实时校准方法 |
| CN103706568A (zh) * | 2013-11-26 | 2014-04-09 | 中国船舶重工集团公司第七一六研究所 | 基于机器视觉的机器人分拣系统及方法 |
| CN108122257A (zh) * | 2016-11-28 | 2018-06-05 | 沈阳新松机器人自动化股份有限公司 | 一种机器人手眼标定方法及装置 |
| CN107256568A (zh) * | 2017-05-08 | 2017-10-17 | 西安交通大学 | 一种高精度机械臂手眼相机标定方法及标定系统 |
| CN107498558A (zh) * | 2017-09-19 | 2017-12-22 | 北京阿丘科技有限公司 | 全自动手眼标定方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 基于同心圆环模板的摄像机标定方法;徐仙伟等;《科学技术与工程》;20131130;9375-9380 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108908399A (zh) | 2018-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108908399B (zh) | 一种基于同心圆环模板的机器人手眼标定方法 | |
| CN111775152B (zh) | 基于三维测量引导机械臂抓取散乱堆叠工件的方法及系统 | |
| CN109015640B (zh) | 抓取方法、系统、计算机装置及可读存储介质 | |
| CN108656107B (zh) | 一种基于图像处理的机械臂抓取系统及方法 | |
| CN107953329B (zh) | 物体识别和姿态估计方法、装置及机械臂抓取系统 | |
| CN111515944B (zh) | 非固定路径机器人自动标定方法 | |
| CN113379849B (zh) | 基于深度相机的机器人自主识别智能抓取方法及系统 | |
| CN111267095B (zh) | 一种基于双目视觉的机械臂抓取控制方法 | |
| CN113096094B (zh) | 三维物体表面缺陷检测方法 | |
| CN111311689A (zh) | 一种激光雷达与相机相对外参的标定方法及系统 | |
| WO2022017131A1 (zh) | 点云数据的处理方法、智能行驶控制方法及装置 | |
| CN115609591B (zh) | 一种基于2D Marker的视觉定位方法和系统、复合机器人 | |
| CN110991227A (zh) | 一种基于深度类残差网络的三维物体识别和定位方法 | |
| CN111360821A (zh) | 一种采摘控制方法、装置、设备及计算机刻度存储介质 | |
| WO2023093739A1 (zh) | 一种多视图三维重建的方法 | |
| CN110796700A (zh) | 基于卷积神经网络的多物体抓取区域定位方法 | |
| CN115131444A (zh) | 一种基于单目视觉点胶平台的标定方法 | |
| CN114299039B (zh) | 一种机器人及其碰撞检测装置和方法 | |
| CN114782554A (zh) | 基于球形合作目标的立体相机位姿标定方法及系统 | |
| CN111098306A (zh) | 机器人的标定方法、装置、机器人和存储介质 | |
| WO2023082417A1 (zh) | 抓取点信息获取方法、装置、电子设备和存储介质 | |
| CN115619877A (zh) | 单目线激光传感器与二轴机床系统的位置关系标定方法 | |
| CN113759346B (zh) | 一种激光雷达标定方法、装置、电子设备及存储介质 | |
| CN116136388A (zh) | 机器人工具坐标系的标定方法、装置、设备以及存储介质 | |
| Hietanen et al. | Object pose estimation in robotics revisited |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A robot hand eye calibration method based on concentric ring template Effective date of registration: 20211201 Granted publication date: 20200721 Pledgee: Hangzhou High-tech Financing Guarantee Co.,Ltd. Pledgor: HANGZHOU LINGXI ROBOT INTELLIGENT TECHNOLOGY Co.,Ltd. Registration number: Y2021980013785 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20220322 Granted publication date: 20200721 Pledgee: Hangzhou High-tech Financing Guarantee Co.,Ltd. Pledgor: HANGZHOU LINGXI ROBOT INTELLIGENT TECHNOLOGY Co.,Ltd. Registration number: Y2021980013785 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A robot hand eye calibration method based on concentric ring template Effective date of registration: 20220322 Granted publication date: 20200721 Pledgee: Shanghai Guotai Junan Securities Asset Management Co.,Ltd. Pledgor: HANGZHOU LINGXI ROBOT INTELLIGENT TECHNOLOGY Co.,Ltd. Registration number: Y2022990000157 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230131 Granted publication date: 20200721 Pledgee: Shanghai Guotai Junan Securities Asset Management Co.,Ltd. Pledgor: HANGZHOU LINGXI ROBOT INTELLIGENT TECHNOLOGY Co.,Ltd. Registration number: Y2022990000157 |