CN109859277A - 一种基于Halcon的机器人视觉系统标定方法 - Google Patents
一种基于Halcon的机器人视觉系统标定方法 Download PDFInfo
- Publication number
- CN109859277A CN109859277A CN201910055316.3A CN201910055316A CN109859277A CN 109859277 A CN109859277 A CN 109859277A CN 201910055316 A CN201910055316 A CN 201910055316A CN 109859277 A CN109859277 A CN 109859277A
- Authority
- CN
- China
- Prior art keywords
- camera
- coordinate system
- point
- coordinate
- calibration
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 241001292396 Cirrhitidae Species 0.000 title claims abstract description 13
- 238000012546 transfer Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000009466 transformation Effects 0.000 claims description 17
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 6
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种基于Halcon的可以较准确的求出斜切角的工业机器人视觉系统的标定方法,首先对摄相机采集的图片进行标定,从而获取摄像机的参数和位资;通过机械手标定得到图像坐标系与机械坐标系可进行相互换算的对应关系;将图像坐标系对应的点经过旋转平移转换到机械坐标系,由此便可根据识别得到的像素位置去引导机械手抓取,实验结果表明该标定方法能够提高工业机器人视觉系统的精度、实用性强。
Description
技术领域
本发明涉及工业机器人技术领域,特别涉及一种基于Halcon的机器人视觉系统标定方法。
背景技术
机器视觉标定是工业机器人的关键技术之一,是机器人领域的重要研究方向。随着工业自动化生产对技术需求的日益增长,由于机器视觉系统比光学或机器传感器有更好的适应性,更多企业、研究机构将目光转向了机器视觉领域,其中对视觉定位系统的精度和实用性要求也越来越高。
发明内容
为了克服上述现有技术的不足,本发明的目的在于提供一种基于Halcon的机器人视觉系统标定方法,可以较准确求出斜切角的工业机器人视觉系统的标定方法,能够提高工业机器人视觉系统的精度并且实用性强。
为了实现上述目的,本发明采用的技术方案是:
一种基于Halcon的机器人视觉系统标定方法,包括以下步骤;
首先对摄相机采集的图片进行标定[1],从而获取摄像机的内参与外参;
内参一般包括镜头的焦距f、镜头畸变参数k、光轴中心坐标(Cx,Cy)以及像元尺寸Sx,Sy;
外参是指摄像机坐标系与世界坐标系的转换参数主要是由旋转矩阵R和平移矩阵T组成;
T=(tx,ty,tz)T (2)
式(1)中α,β,γ分别为绕x轴、y轴,z轴旋转的角度;
式(2)中tx,ty,tz分别为沿x轴、y轴,z轴作直线运动的平移量。
通过机械手标定[2]得到图像坐标系与机械坐标系可进行相互换算的对应关系;将图像坐标系对应的点经过旋转平移转换到机械坐标系,由此便可根据识别得到的像素位置去引导机械手抓取。
所述摄像机标定[1]是为了准确测量目标物体,由于每个镜头的畸变程度不同,通过摄像机标定就可以校正这种镜头畸变,在实际的应用中,根据镜头的畸变模型用推导出镜头畸变校正模型如方程式(3)、(4),
u′=u+u(k1r2+k2r4+k3r6)+2p1uv+p2(r2+2u2) (3)
v′=v+v(k1r2+k2r4+k3r6)+2p2uv+p1(r2+2v2) (4)
r2=x2+y2 (5)
其中,(x,y)为世界坐标系中任意一点的坐标、(u,v)为获取的原始像素坐标、(u′,v′)为校正后的像素坐标;k1,k2,k3分别为以主点展开的泰勒级数展开式中的前三项畸变参数;p1,p2分别为畸变模型中两个额外的参数。
所述的具体标定过程如下:采用Halcon提供的高精度标定板,在调用校准相机之前,使用create_calib_data创建一个校准数据模型,并使用set_calib_data_camparam为所有的相机指定相机型号和初始内部相机参数,用set_calib_data_calib_object指定所有校准对象的描述,然后使用摄像机对放置在检测平面上不同位置的标定板拍照;
(1)通过摄像机使用grab_image采集一张图片;
(2)通过find_calib_object查找标定板;
(3)使用get_calib_data_observ_contours获取标志点和轮廓;
(4)使用get_calib_data_observ_points提取标定点中心坐标;
(5)使用disp_circle来显示标定标记。循环执行25次使用calibrate_cameras进行摄像机标定。
所述机械手标定[2]是为了实现世界坐标系与机械手坐标系之间的转换,从而推算出图像坐标系下的坐标值对应的机械手坐标系下的坐标值,具体过程如下:
(1)使用grab_image通过摄像机采集一张图像;
(2)对采集到的图像使用threshold进行阈值分割;
(3)通过select_shape提取mark点;
(4)然后通过使用area_center获取mark点中心坐标;
(5)运动机械手末端工具依次对准对应的mark点获取对应的机械手坐标;
(6)使用vector_to_hom_mat2d创建图像坐标和机械坐标的仿射变换矩阵;此算法从至少3个点的通信中近似一个仿射变换,并将其作为齐次变换矩阵HomMat2D。点通信在元组(Px、Py)和(Qx,Qy)中传递,其中对应的点必须位于元组中相同的索引位置,如果超过3个点的通信通过,则转换是过度确定的,在这种情况下,返回的转换是最小化输入点(Px、Py)和转换点(Qx,Qy)之间的距离的转换,如下面的方程式所描述;
(7)使用hom_mat2d_to_affine_par获取仿射矩阵参数:X方向的像素单量Sx、Y方向的像素单量Sy、旋转角度Phi、斜切角度Theta、沿X方向平移的距离Tx、沿X方向平移的距离Ty,如下方程式所描述:
运用affine_trans_point_2d可以运用已确定的齐次变换矩阵将获得的图像坐标转换为机械坐标。affine_trans_point_2d应用任意仿射2D变换,缩放、旋转、平移和倾斜(倾斜),到输入点(Px,Py),并返回(Qx,Qy)的结果点,仿射变换是由同型变换矩阵中给出的齐次变换矩阵描述的,这对应于下列等式:
本发明的有益效果:
本发明是一种可以较准确的求出斜切角的工业机器人视觉系统的标定方法。在实验过程中发现,随着标定点数的增加,偏差会呈现逐渐缩小的趋势。因此,标定点数越多,精度越高。由于机器人坐标系X与Y之间的角度不是绝对的90度,从原点沿着Y轴方向不断移动时,X方向的偏移会越来越大,在求图像坐标系和机械坐标系映射关系时,不能忽略了斜切角的影响。此标定方法可以较准确的求出斜切角。
该方法标定结果平均误差为0.071943、经过放射变换得到对应的机械坐标与实际机械坐标平均偏差为0.055。结果表明,该标定方法可以较准确的求出斜切角,满足工业机器人的工作要求。
附图说明
图1为摄像机标定流程示意图。
图2为机械手标定流程示意图。
图3为采用图2算法流程,采集三张不同圆点个数的机械手标定mark点图像示意图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
首先对摄相机采集的图片进行标定[1],从而获取摄像机的参数和位资;通过机械手标定[2]得到图像坐标系与机械坐标系可进行相互换算的对应关系;将图像坐标系对应的点经过旋转平移转换到机械坐标系,由此便可根据识别得到的像素位置去引导机械手抓取。
一种基于Halcon的机器人视觉系统标定方法,包括以下步骤;
首先对摄相机采集的图片进行标定[1],从而获取摄像机的内参与外参;
内参一般包括镜头的焦距f、镜头畸变参数k、光轴中心坐标(Cx,Cy)以及像元尺寸Sx,Sy;
外参是指摄像机坐标系与世界坐标系的转换参数主要是由旋转矩阵R和平移矩阵T组成;
T=(tx,ty,tz)T (2)
通过机械手标定[2]得到图像坐标系与机械坐标系可进行相互换算的对应关系;将图像坐标系对应的点经过旋转平移转换到机械坐标系,由此便可根据识别得到的像素位置去引导机械手抓取。
如图1所示:所述摄像机标定[1]是为了准确测量目标物体,由于每个镜头的畸变程度不同,通过摄像机标定就可以校正这种镜头畸变,在实际的应用中,根据镜头的畸变模型推导出镜头畸变校正模型如方程式(3)、(4):
u′=u+u(k1r2+k2r4+k3r6)+2p1uv+p2(r2+2u2) (3)
v′=v+v(k1r2+k2r4+k3r6)+2p2uv+p1(r2+2v2) (4)
r2=x2+y2 (5)
所述的具体标定过程如下:采用Halcon提供的高精度标定板,在调用校准相机之前,使用create_calib_data创建一个校准数据模型,并使用set_calib_data_camparam为所有的相机指定相机型号和初始内部相机参数,用set_calib_data_calib_object指定所有校准对象的描述,然后使用摄像机对放置在检测平面上不同位置的标定板拍照;
(1)通过摄像机使用grab_image采集一张图片;
(2)通过find_calib_object查找标定板;
(3)使用get_calib_data_observ_contours获取标志点和轮廓;
(4)使用get_calib_data_observ_points提取标定点中心坐标;
(5)使用disp_circle来显示标定标记。循环执行25次使用calibrate_cameras进行摄像机标定。
如图2所示:所述机械手标定[2]是为了实现世界坐标系与机械手坐标系之间的转换,从而推算出图像坐标系下的坐标值对应的机械手坐标系下的坐标值,具体过程如下:
(1)使用grab_image通过摄像机采集一张图像;
(2)对采集到的图像使用threshold进行阈值分割;
(3)通过select_shape提取mark点;
(4)然后通过使用area_center获取mark点中心坐标;
(5)运动机械手末端工具依次对准对应的mark点获取对应的机械手坐标,(如图3所示);
(6)使用vector_to_hom_mat2d创建图像坐标和机械坐标的仿射变换矩阵;此算法从至少3个点的通信中近似一个仿射变换,并将其作为齐次变换矩阵HomMat2D。点通信在元组(Px、Py)和(Qx,Qy)中传递,其中对应的点必须位于元组中相同的索引位置,如果超过3个点的通信通过,则转换是过度确定的,在这种情况下,返回的转换是最小化输入点(Px、Py)和转换点(Qx,Qy)之间的距离的转换,如下面的方程式所描述;
(7)使用hom_mat2d_to_affine_par获取仿射矩阵参数:X方向的像素单量Sx、Y方向的像素单量Sy、旋转角度Phi、斜切角度Theta、沿X方向平移的距离Tx、沿X方向平移的距离Ty,如下方程式所描述:
运用affine_trans_point_2d可以运用已确定的齐次变换矩阵将获得的图像坐标转换为机械坐标。affine_trans_point_2d应用任意仿射2D变换,缩放、旋转、平移和倾斜(倾斜),到输入点(Px,Py),并返回(Qx,Qy)的结果点,仿射变换是由同型变换矩阵中给出的齐次变换矩阵描述的,这对应于下列等式:
Claims (3)
1.一种基于Halcon的机器人视觉系统标定方法,其特征在于,包括以下步骤;
首先对摄相机采集的图片进行标定[1],从而获取摄像机的内参与外参;
内参一般包括镜头的焦距f、镜头畸变参数k、光轴中心坐标(Cx,Cy)以及像元尺寸Sx,Sy;
外参是指摄像机坐标系与世界坐标系的转换参数主要是由旋转矩阵R和平移矩阵T组成;
T=(tx,ty,tz)T (2)
通过机械手标定[2]得到图像坐标系与机械坐标系可进行相互换算的对应关系;将图像坐标系对应的点经过旋转平移转换到机械坐标系,由此便可根据识别得到的像素位置去引导机械手抓取。
2.根据权利要求1所述的、一种基于Halcon的机器人视觉系统标定方法,其特征在于,所述摄像机标定[1]是为了准确测量目标物体,由于每个镜头的畸变程度不同,通过摄像机标定就可以校正这种镜头畸变,在实际的应用中,根据镜头的畸变模型推导出镜头畸变校正模型如方程式(3)、(4):
u′=u+u(k1r2+k2r4+k3r6)+2p1uv+p2(r2+2u2) (3)
v′=v+v(k1r2+k2r4+k3r6)+2p2uv+p1(r2+2v2) (4)
r2=x2+y2 (5)
所述的具体标定过程如下:采用Halcon提供的高精度标定板,在调用校准相机之前,使用create_calib_data创建一个校准数据模型,并使用set_calib_data_camparam为所有的相机指定相机型号和初始内部相机参数,用set_calib_data_calib_object指定所有校准对象的描述,然后使用摄像机对放置在检测平面上不同位置的标定板拍照;
(1)通过摄像机使用grab_image采集一张图片;
(2)通过find_calib_object查找标定板;
(3)使用get_calib_data_observ_contours获取标志点和轮廓;
(4)使用get_calib_data_observ_points提取标定点中心坐标;
(5)使用disp_circle来显示标定标记。循环执行25次使用calibrate_cameras进行摄像机标定。
3.根据权利要求1所述的、一种基于Halcon的机器人视觉系统标定方法,其特征在于,所述机械手标定[2]是为了实现世界坐标系与机械手坐标系之间的转换,从而推算出图像坐标系下的坐标值对应的机械手坐标系下的坐标值,具体过程如下:
(1)使用grab_image通过摄像机采集一张图像;
(2)对采集到的图像使用threshold进行阈值分割;
(3)通过select_shape提取mark点;
(4)然后通过使用area_center获取mark点中心坐标;
(5)运动机械手末端工具依次对准对应的mark点获取对应的机械手坐标;
(6)使用vector_to_hom_mat2d创建图像坐标和机械坐标的仿射变换矩阵;此算法从至少3个点的通信中近似一个仿射变换,并将其作为齐次变换矩阵HomMat2D。点通信在元组(Px、Py)和(Qx,Qy)中传递,其中对应的点必须位于元组中相同的索引位置,如果超过3个点的通信通过,则转换是过度确定的,在这种情况下,返回的转换是最小化输入点(Px、Py)和转换点(Qx,Qy)之间的距离的转换,如下面的方程式所描述;
(7)使用hom_mat2d_to_affine_par获取仿射矩阵参数:X方向的像素单量Sx、Y方向的像素单量Sy、旋转角度Phi、斜切角度Theta、沿X方向平移的距离Tx、沿X方向平移的距离Ty,如下方程式所描述:
运用affine_trans_point_2d可以运用已确定的齐次变换矩阵将获得的图像坐标转换为机械坐标,affine_trans_point_2d应用任意仿射2D变换,缩放、旋转、平移和倾斜(倾斜),到输入点(Px,Py),并返回(Qx,Qy)的结果点,仿射变换是由同型变换矩阵中给出的齐次变换矩阵描述的,这对应于下列等式:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910055316.3A CN109859277A (zh) | 2019-01-21 | 2019-01-21 | 一种基于Halcon的机器人视觉系统标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910055316.3A CN109859277A (zh) | 2019-01-21 | 2019-01-21 | 一种基于Halcon的机器人视觉系统标定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109859277A true CN109859277A (zh) | 2019-06-07 |
Family
ID=66895454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910055316.3A Pending CN109859277A (zh) | 2019-01-21 | 2019-01-21 | 一种基于Halcon的机器人视觉系统标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109859277A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110158967A (zh) * | 2019-06-13 | 2019-08-23 | 浙江科技学院 | 一种钢筋捆扎方法及系统 |
CN110428457A (zh) * | 2019-08-08 | 2019-11-08 | 苏州中科全象智能科技有限公司 | 一种视觉定位中的点集仿射变换算法 |
CN110503691A (zh) * | 2019-07-01 | 2019-11-26 | 广州超音速自动化科技股份有限公司 | 锂电池的极片叠片标定方法、终端设备以及存储装置 |
CN110524301A (zh) * | 2019-09-23 | 2019-12-03 | 珠海格力智能装备有限公司 | 电机定子加工定位的方法 |
CN111098306A (zh) * | 2019-12-31 | 2020-05-05 | 广东利元亨智能装备股份有限公司 | 机器人的标定方法、装置、机器人和存储介质 |
CN111707289A (zh) * | 2020-05-19 | 2020-09-25 | 深圳市银星智能科技股份有限公司 | 一种移动机器人、传感器标定方法及计算机可读存储介质 |
CN111958604A (zh) * | 2020-08-20 | 2020-11-20 | 扬州蓝邦数控制刷设备有限公司 | 一种高效的基于cad模型的异形毛刷单目视觉示教抓取方法 |
CN112001967A (zh) * | 2020-08-14 | 2020-11-27 | 苏州华兴源创科技股份有限公司 | 相机指导机械手搬运物体的方法和装置 |
CN112541942A (zh) * | 2020-12-08 | 2021-03-23 | 深圳市华成工业控制股份有限公司 | 一种基于距离变换的中药丸视觉引导定位方法 |
CN112598734A (zh) * | 2020-12-17 | 2021-04-02 | 的卢技术有限公司 | 一种基于图像的车身周围行人精确定位方法 |
CN112802122A (zh) * | 2021-01-21 | 2021-05-14 | 珠海市运泰利自动化设备有限公司 | 机器人视觉引导组装方法 |
CN112802107A (zh) * | 2021-02-05 | 2021-05-14 | 梅卡曼德(北京)机器人科技有限公司 | 基于机器人的夹具组的控制方法及装置 |
CN112947407A (zh) * | 2021-01-14 | 2021-06-11 | 华南理工大学 | 一种多智能体有限时间的编队路径跟踪控制方法及系统 |
CN112967337A (zh) * | 2021-03-23 | 2021-06-15 | 乐聚(深圳)机器人技术有限公司 | 双足机器人控制方法、装置以及双足机器人 |
CN113012234A (zh) * | 2021-03-16 | 2021-06-22 | 中国人民解放军火箭军工程大学 | 基于平面变换的高精度相机标定方法 |
CN114332231A (zh) * | 2022-03-04 | 2022-04-12 | 成都创像科技有限公司 | 视觉检测设备中机械手与相机的定位方法、装置及介质 |
CN114347013A (zh) * | 2021-11-05 | 2022-04-15 | 深港产学研基地(北京大学香港科技大学深圳研修院) | 印刷电路板与fpc柔性电缆线的装配方法及相关设备 |
CN114359266A (zh) * | 2022-03-04 | 2022-04-15 | 成都创像科技有限公司 | 通过视觉检测设备检测被测零件的方法和视觉检测设备 |
CN114683267A (zh) * | 2020-12-31 | 2022-07-01 | 北京小米移动软件有限公司 | 标定方法、装置、电子设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015024407A1 (zh) * | 2013-08-19 | 2015-02-26 | 国家电网公司 | 基于电力机器人的双目视觉导航系统及方法 |
CN108830905A (zh) * | 2018-05-22 | 2018-11-16 | 苏州敏行医学信息技术有限公司 | 仿真医疗器械的双目标定定位方法及虚拟仿真医教系统 |
-
2019
- 2019-01-21 CN CN201910055316.3A patent/CN109859277A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015024407A1 (zh) * | 2013-08-19 | 2015-02-26 | 国家电网公司 | 基于电力机器人的双目视觉导航系统及方法 |
CN108830905A (zh) * | 2018-05-22 | 2018-11-16 | 苏州敏行医学信息技术有限公司 | 仿真医疗器械的双目标定定位方法及虚拟仿真医教系统 |
Non-Patent Citations (1)
Title |
---|
宋岳秦等: "基于HALCON的机器人视觉系统标定方法研究", 《机械装备》 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110158967A (zh) * | 2019-06-13 | 2019-08-23 | 浙江科技学院 | 一种钢筋捆扎方法及系统 |
CN110503691A (zh) * | 2019-07-01 | 2019-11-26 | 广州超音速自动化科技股份有限公司 | 锂电池的极片叠片标定方法、终端设备以及存储装置 |
CN110503691B (zh) * | 2019-07-01 | 2024-02-20 | 广州超音速自动化科技股份有限公司 | 锂电池的极片叠片标定方法、终端设备以及存储装置 |
CN110428457A (zh) * | 2019-08-08 | 2019-11-08 | 苏州中科全象智能科技有限公司 | 一种视觉定位中的点集仿射变换算法 |
CN110428457B (zh) * | 2019-08-08 | 2022-02-22 | 苏州中科全象智能科技有限公司 | 一种视觉定位中的点集仿射变换算法 |
CN110524301B (zh) * | 2019-09-23 | 2021-04-09 | 珠海格力智能装备有限公司 | 电机定子加工定位的方法 |
CN110524301A (zh) * | 2019-09-23 | 2019-12-03 | 珠海格力智能装备有限公司 | 电机定子加工定位的方法 |
CN111098306A (zh) * | 2019-12-31 | 2020-05-05 | 广东利元亨智能装备股份有限公司 | 机器人的标定方法、装置、机器人和存储介质 |
CN111707289A (zh) * | 2020-05-19 | 2020-09-25 | 深圳市银星智能科技股份有限公司 | 一种移动机器人、传感器标定方法及计算机可读存储介质 |
CN111707289B (zh) * | 2020-05-19 | 2022-06-07 | 深圳银星智能集团股份有限公司 | 一种移动机器人、传感器标定方法及计算机可读存储介质 |
CN112001967A (zh) * | 2020-08-14 | 2020-11-27 | 苏州华兴源创科技股份有限公司 | 相机指导机械手搬运物体的方法和装置 |
CN111958604A (zh) * | 2020-08-20 | 2020-11-20 | 扬州蓝邦数控制刷设备有限公司 | 一种高效的基于cad模型的异形毛刷单目视觉示教抓取方法 |
CN112541942A (zh) * | 2020-12-08 | 2021-03-23 | 深圳市华成工业控制股份有限公司 | 一种基于距离变换的中药丸视觉引导定位方法 |
CN112598734A (zh) * | 2020-12-17 | 2021-04-02 | 的卢技术有限公司 | 一种基于图像的车身周围行人精确定位方法 |
CN114683267B (zh) * | 2020-12-31 | 2023-09-19 | 北京小米移动软件有限公司 | 标定方法、装置、电子设备和存储介质 |
CN114683267A (zh) * | 2020-12-31 | 2022-07-01 | 北京小米移动软件有限公司 | 标定方法、装置、电子设备和存储介质 |
CN112947407A (zh) * | 2021-01-14 | 2021-06-11 | 华南理工大学 | 一种多智能体有限时间的编队路径跟踪控制方法及系统 |
CN112802122A (zh) * | 2021-01-21 | 2021-05-14 | 珠海市运泰利自动化设备有限公司 | 机器人视觉引导组装方法 |
CN112802122B (zh) * | 2021-01-21 | 2023-08-29 | 珠海市运泰利自动化设备有限公司 | 机器人视觉引导组装方法 |
CN112802107A (zh) * | 2021-02-05 | 2021-05-14 | 梅卡曼德(北京)机器人科技有限公司 | 基于机器人的夹具组的控制方法及装置 |
CN113012234B (zh) * | 2021-03-16 | 2022-09-02 | 中国人民解放军火箭军工程大学 | 基于平面变换的高精度相机标定方法 |
CN113012234A (zh) * | 2021-03-16 | 2021-06-22 | 中国人民解放军火箭军工程大学 | 基于平面变换的高精度相机标定方法 |
CN112967337A (zh) * | 2021-03-23 | 2021-06-15 | 乐聚(深圳)机器人技术有限公司 | 双足机器人控制方法、装置以及双足机器人 |
CN112967337B (zh) * | 2021-03-23 | 2022-05-03 | 乐聚(深圳)机器人技术有限公司 | 双足机器人控制方法、装置以及双足机器人 |
CN114347013A (zh) * | 2021-11-05 | 2022-04-15 | 深港产学研基地(北京大学香港科技大学深圳研修院) | 印刷电路板与fpc柔性电缆线的装配方法及相关设备 |
CN114359266A (zh) * | 2022-03-04 | 2022-04-15 | 成都创像科技有限公司 | 通过视觉检测设备检测被测零件的方法和视觉检测设备 |
CN114359266B (zh) * | 2022-03-04 | 2022-06-28 | 成都创像科技有限公司 | 通过视觉检测设备检测被测零件的方法和视觉检测设备 |
CN114332231B (zh) * | 2022-03-04 | 2022-06-14 | 成都创像科技有限公司 | 视觉检测设备中机械手与相机的定位方法、装置及介质 |
CN114332231A (zh) * | 2022-03-04 | 2022-04-12 | 成都创像科技有限公司 | 视觉检测设备中机械手与相机的定位方法、装置及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109859277A (zh) | 一种基于Halcon的机器人视觉系统标定方法 | |
CN111775146B (zh) | 一种工业机械臂多工位作业下的视觉对准方法 | |
CN108109174B (zh) | 一种用于散乱零件随机分拣的机器人单目引导方法和系统 | |
CN109454634B (zh) | 一种基于平面图像识别的机器人手眼标定方法 | |
CN109658460A (zh) | 一种机械臂末端相机手眼标定方法和系统 | |
CN110189382A (zh) | 一种基于无共视区域的多双目相机运动标定方法 | |
CN107478203B (zh) | 一种基于激光扫描的3d成像装置及成像方法 | |
CN110136204B (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 | |
JP3138080B2 (ja) | 視覚センサの自動キャリブレーション装置 | |
CN110148187A (zh) | 一种SCARA机械手Eye-in-Hand的高精度手眼标定方法和系统 | |
CN112958960B (zh) | 一种基于光学靶标的机器人手眼标定装置 | |
CN110136068B (zh) | 基于双侧远心镜头相机之间位置标定的音膜球顶装配系统 | |
CN113724337B (zh) | 一种无需依赖云台角度的相机动态外参标定方法及装置 | |
CN114714356A (zh) | 基于双目视觉的工业机器人手眼标定误差精确检测方法 | |
CN112109072B (zh) | 一种大型稀疏特征托盘精确6d位姿测量和抓取方法 | |
CN111047586A (zh) | 一种基于机器视觉的像素当量测量方法 | |
CN111986267A (zh) | 一种多相机视觉系统的坐标系统标定方法 | |
CN116276938B (zh) | 基于多零位视觉引导的机械臂定位误差补偿方法及装置 | |
CN112507755A (zh) | 最小化二维码角点重投影误差的目标物体六自由度定位方法及系统 | |
CN113359461B (zh) | 一种适用于仿生眼系统的运动学标定方法 | |
Lee et al. | CCD camera calibrations and projection error analysis | |
CN113240751B (zh) | 一种机器人末端相机的标定方法 | |
CN113255662A (zh) | 一种基于视觉成像的定位矫正方法、系统、设备及存储介质 | |
CN112785647A (zh) | 一种三目立体图像检测方法和系统 | |
CN114373019B (zh) | 一种利用最优化方法对无公共视场相机进行标定的方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190607 |
|
WD01 | Invention patent application deemed withdrawn after publication |