CN113601503B - 手眼标定方法、装置、计算机设备和存储介质 - Google Patents

手眼标定方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN113601503B
CN113601503B CN202110875108.5A CN202110875108A CN113601503B CN 113601503 B CN113601503 B CN 113601503B CN 202110875108 A CN202110875108 A CN 202110875108A CN 113601503 B CN113601503 B CN 113601503B
Authority
CN
China
Prior art keywords
image
target
calibration
coordinate system
acquiring
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
Application number
CN202110875108.5A
Other languages
English (en)
Other versions
CN113601503A (zh
Inventor
吴童
吴博
谢强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan United Imaging Zhirong Medical Technology Co Ltd
Original Assignee
Wuhan United Imaging Zhirong Medical Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan United Imaging Zhirong Medical Technology Co Ltd filed Critical Wuhan United Imaging Zhirong Medical Technology Co Ltd
Priority to CN202110875108.5A priority Critical patent/CN113601503B/zh
Publication of CN113601503A publication Critical patent/CN113601503A/zh
Priority to EP22848584.3A priority patent/EP4364902A1/en
Priority to PCT/CN2022/108272 priority patent/WO2023005979A1/zh
Application granted granted Critical
Publication of CN113601503B publication Critical patent/CN113601503B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • B25J9/1679—Programme controls characterised by the tasks executed
    • B25J9/1692—Calibration of manipulator
    • 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
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/39—Robotics, robotics to robotics hand
    • G05B2219/39045—Camera on end effector detects reference pattern
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/39—Robotics, robotics to robotics hand
    • G05B2219/39057—Hand eye calibration, eye, camera on hand, end effector

Abstract

本申请涉及一种手眼标定方法、装置、计算机设备和存储介质。所述方法包括：通过成像装置采集标定靶的图像，得到第一图像；其中，成像装置设置于机械臂上，标定靶可以发射强度可调的光；从第一图像中获取标定靶的图像角点，并根据图像角点，得到重投影误差；若检测到重投影误差小于或等于预设阈值，则将标定靶的当前强度确定为目标强度；在目标强度下，获取第二图像，并根据第二图像，确定出成像装置到机械臂之间的手眼标定矩阵。从而能够得到使重投影误差小于或等于预设阈值时的标定靶的目标强度，在该目标强度处成像装置的成像质量高，因此，在目标强度处根据高质量的第二图像来确定手眼标定矩阵，提高了手眼标定的精度。

Description

手眼标定方法、装置、计算机设备和存储介质
技术领域
本申请涉及机器人视觉技术领域，特别是涉及一种手眼标定方法、装置、计算机设备和存储介质。
背景技术
随着机器人技术和计算机觉技术的发展，出现了对机器人的成像装置到机械臂之间的坐标变换进行标定的技术，这个技术可以使机器人通过成像装置和机械臂模拟人的动作，例如抓取、移动特定的实物，或执行设置的动作等。为得到手眼标定矩阵，通常是根据成像装置获取到的图像和预设的算法，对成像装置到机械臂之间的坐标变换进行标定，以得到相应的手眼标定矩阵。在得到手眼标定矩阵的过程中，传统技术通常是通过对成像装置进行改进，采用改进后的成像装置采集到的高质量的图像，对成像装置到机械臂之间的坐标变换进行标定，以提高手眼标定的精度。
然而，成像装置的提升空间有限，采用传统技术得到的手眼标定矩阵，还是无法满足工业机器人、手术机器人等领域的精度要求，手眼标定精度低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高手眼标定精度的手眼标定方法、装置、计算机设备和存储介质。
一种手眼标定方法，所述方法包括：
通过成像装置采集标定靶的图像，得到第一图像；其中，所述成像装置设置于机械臂上，所述标定靶可以发射强度可调的光；
从所述第一图像中获取所述标定靶的图像角点，并根据图像角点，得到重投影误差；
若检测到所述重投影误差小于或等于预设阈值，则将所述标定靶的当前强度确定为目标强度；
在所述目标强度下，获取所述标定靶的第二图像，并根据所述第二图像，确定出所述成像装置到所述机械臂之间的手眼标定矩阵。
在其中一个实施例中，所述方法还包括：
若检测到所述重投影误差大于所述预设阈值，则调整所述标定靶的强度，得到调整后的强度；
在所述调整后的强度处，通过所述成像装置采集标定靶的图像，得到更新后的第一图像；
从所述第一图像中获取所述标定靶的图像角点，并根据所述图像角点，得到重投影误差；
直到检测到所述重投影误差小于或等于所述预设阈值，则将所述标定靶的当前强度确定为所述目标强度。
在其中一个实施例中，所述从所述第一图像中获取所述标定靶的图像角点，并根据所述图像角点，得到重投影误差，包括：
从所述第一图像中识别出所述标定靶的图像角点；
获取所述成像装置的成像参数，并根据所述成像参数确定所述标定靶的角点信息，得到目标角点；
根据所述图像角点与所述目标角点，确定出所述重投影误差。
在其中一个实施例中，所述在所述目标强度下，获取所述标定靶的第二图像，并根据所述第二图像，确定出所述成像装置到所述机械臂之间的手眼标定矩阵，包括：
获取所述机械臂的位姿，并根据所述机械臂的位姿，获取基坐标系到工具坐标系之间的第一变换矩阵；
在所述目标强度和所述机械臂的位姿处，获取所述第二图像，并根据所述第二图像，获取目标坐标系到成像坐标系之间的第二变换矩阵；
根据所述第一变换矩阵和所述第二变换矩阵，确定出所述成像坐标系到所述工具坐标系之间的手眼标定矩阵。
在其中一个实施例中，所述在所述目标强度和所述机械臂的位姿处，获取所述第二图像，并根据所述第二图像，获取目标坐标系到成像坐标系之间的第二变换矩阵，包括：
在所述目标强度和所述机械臂的位姿处，通过所述成像装置采集所述标定靶的图像，得到预设数量的所述第二图像；
根据所述预设数量的所述第二图像，确定所述目标坐标系到所述成像坐标系之间的第二变换矩阵。
在其中一个实施例中，所述根据所述预设数量的所述第二图像，确定所述目标坐标系到所述成像坐标系之间的第二变换矩阵，包括：
对于每一所述第二图像，获取所述第二图像对应的外参矩阵，得到所述预设数量的外参矩阵；
对所述预设数量的外参矩阵进行滤波，得到目标外参矩阵；
根据所述目标外参矩阵，得到所述第二变换矩阵。
在其中一个实施例中，所述根据所述第一变换矩阵和所述第二变换矩阵，确定出所述成像坐标系到所述工具坐标系之间的手眼标定矩阵，包括：
根据所述第一变换矩阵和所述第二变换矩阵，确定出所述成像坐标系到所述工具坐标系之间的初始手眼标定矩阵；
对所述初始手眼标定矩阵进行非线性优化，得到所述手眼标定矩阵。
一种手眼标定装置，所述装置包括：
图像采集模块，用于通过成像装置采集标定靶的图像，得到第一图像；其中，所述成像装置设置于机械臂上，所述标定靶可以发射强度可调的光；
误差确定模块，用于从所述第一图像中获取所述标定靶的图像角点，并根据所述图像角点，得到重投影误差；
强度确定模块，用于若检测到所述重投影误差小于或等于预设阈值，则将所述标定靶的当前强度确定为目标强度；
手眼标定模块，用于在所述目标强度下，获取所述标定靶的第二图像，并根据所述第二图像，确定出所述成像装置到所述机械臂之间的手眼标定矩阵。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项实施例所述的方法。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项实施例所述的方法。
上述手眼标定方法、装置、计算机设备和存储介质，通过成像装置采集标定靶的图像，得到第一图像；其中，成像装置设置于机械臂上，标定靶可以发射强度可调的光；从第一图像中获取图像角点，并根据图像角点，得到重投影误差；若检测到重投影误差小于或等于预设阈值，则将标定靶的当前强度确定为目标强度；在目标强度下，获取第二图像，并根据第二图像，确定出成像装置到机械臂之间的手眼标定矩阵。从而能够得到使重投影误差小于或等于预设阈值时的标定靶的目标强度，在该目标强度处成像装置的成像质量高，因此，在目标强度处根据高质量的第二图像来确定手眼标定矩阵，提高了手眼标定的精度。
附图说明
图1为一个实施例中手眼标定方法的应用环境图；
图2为一个实施例中手眼标定方法的流程示意图；
图3为一个实施例中步骤S300的一种可实施方式的流程示意图；
图4为一个实施例中步骤S200的一种可实施方式的流程示意图；
图5为一个实施例中目标强度确定的流程示意图；
图6为一个实施例中步骤S400的一种可实施方式的流程示意图；
图7为一个实施例中步骤S420的一种可实施方式的流程示意图；
图8为一个实施例中步骤S422的一种可实施方式的流程示意图；
图9为一个实施例中外参矩阵的优化流程示意图；
图10为一个实施例中手眼标定装置的结构框图；
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的手眼标定方法，可以应用于如图1所示的应用环境中。图1所示为一种“眼”在“手”上的手眼标定系统，其中，“眼”是指成像装置(2)，“手”是指机械臂(1)，成像装置(2)与机械臂(1)刚体连接。标定靶(3)为黑白相间的棋盘格并作为成像装置(2)的拍摄目标。整个手眼标定过程需要采集机械臂(1)在运动后的位姿变换，具体体现在：1、机械臂(1)的工具坐标系(tool坐标系)相对于基坐标系(Base坐标系)的变换；2、标定靶(3)的目标坐标系(Object坐标系)相对于成像坐标系(Camera坐标系)的变换。需要标定的为成像坐标系到工具坐标系的位姿变换，即手眼标定矩阵。可选地，为了实现图1中(a)、(b)图中机械臂的不同的位姿变换，可以使用ROS(Robot Operating System，ROS)系统进行同步传输机械臂及相机数据。其中，可以通过ROS系统预设若干组机械臂(1)的位姿信息，在标定过程中使用ROS完成机械臂(1)的运动控制，在系统稳定后获取成像装置(2)拍摄标定靶(3)的图像。
在一个实施例中，如图2所示，提供了一种手眼标定方法，以该方法应用于图1中的应用环境为例进行说明，包括以下步骤：
步骤S100，通过成像装置采集标定靶的图像，得到第一图像；其中，成像装置设置于机械臂上，标定靶可以发射强度可调的光。
步骤S200，从第一图像中获取标定靶的图像角点，并根据图像角点，得到重投影误差。
步骤S300，若检测到重投影误差小于或等于预设阈值，则将标定靶的当前强度确定为目标强度。
步骤S400，在目标强度下，获取标定靶的第二图像，并根据第二图像，确定出成像装置到机械臂之间的手眼标定矩阵。
其中，重投影误差是指当前使用角点算法提取出的角点像素坐标值(图像角点)和使用相机内外参数计算得到的角点像素坐标的差值。预设阈值是指重投影误差的上限值。成像装置设置于机械臂上，标定靶可以发射强度可调的光。
具体地，通过成像装置采集标定靶的图像，得到第一图像。接着，使用角点算法从第一图像中提取第一图像中标定靶的角点像素坐标值，得到图像角点，并根据获取第一图像的相机内外参数，计算得到角点像素坐标。根据图像角点和角点像素坐标，得到重投影误差。然后，检测重投影误差与预设阈值之间的大小关系，若检测到重投影误差小于或等于预设阈值，则将标定靶的当前强度确定为目标强度。并在目标强度下，获取第二图像，第二图像是用于确定成像装置到机械臂之间的手眼标定矩阵的图像，并根据第二图像的参数，确定出成像装置到机械臂之间的手眼标定矩阵。
上述手眼标定方法，通过成像装置采集标定靶的图像，得到第一图像；其中，成像装置设置于机械臂上，标定靶可以发射强度可调的光；从第一图像中获取标定靶的图像角点，并根据图像角点，得到重投影误差；若检测到重投影误差小于或等于预设阈值，则将标定靶的当前强度确定为目标强度；在目标强度下，获取第二图像，并根据第二图像，确定出成像装置到机械臂之间的手眼标定矩阵。从而能够得到使重投影误差小于或等于预设阈值时的标定靶的目标强度，在该目标强度处成像装置的成像质量高，因此，在目标强度处根据高质量的第二图像来确定手眼标定矩阵，提高了手眼标定的精度。
可选地，在一个实施例中，成像装置用于采集预设波段的红外光，标定靶用于发射预设波段的红外光。
其中，预设波段是指预先设置的光的波段，可选地，预设波段可以是特定波段的红外光。
具体地，当成像装置用于采集预设波段的红外光，而标定靶用于发射预设波段的红外光时，成像装置采集的光的波段与标定靶发生的光的波段相对应，如此，可以滤除无用的场景信息出射的光，提高图像的采集质量。可选地，预设波段还可以是红外光之外的其他波段的光，此处需要保持成像装置采集图像的波段与标定靶发射的光的波段相对应，以实现滤除无用的场景信息出射的光，提高图像的采集质量的目的。
在一个实施例中，如图3所示，为步骤S300的一种可实施方式的流程示意图，具体包括：
步骤S310，若检测到重投影误差大于预设阈值，则调整标定靶的强度，得到调整后的强度。
步骤S320，在调整后的强度处，通过成像装置采集标定靶的图像，得到更新后的第一图像。
步骤S330，从第一图像中获取标定靶的图像角点，并根据图像角点，得到重投影误差。
步骤S340，直到检测到重投影误差小于或等于预设阈值，则将标定靶的当前强度确定为目标强度。
具体地，在步骤S300中，若检测到重投影误差小于或等于预设阈值，则将标定靶的当前强度确定为目标强度。然而，若检测到重投影误差小于或等于预设阈值，则需要对标定靶的强度进行调整，并在调整后的强度处，再次通过成像装置采集标定靶的图像，得到新的第一图像。并从新的第一图像中获取标定靶的图像角点，得到新的图像角点，并根据新的图像角点，得到新的重投影误差。接着，检测新的重投影误差与预设阈值之间的大小关系，若检测到重投影误差小于或等于预设阈值，则将标定靶的当前强度确定为目标强度。若检测到重投影误差仍然大于预设阈值，则再次调整标定靶的强度，直到检测到重投影误差小于或等于预设阈值，则将标定靶的当前强度确定为目标强度。
上述实施例中，若检测到重投影误差大于预设阈值，则调整标定靶的强度，得到调整后的强度；在调整后的强度处，通过成像装置采集标定靶的图像，得到更新后的第一图像；从第一图像中获取标定靶的图像角点，并根据图像角点，得到重投影误差直到检测到重投影误差小于或等于预设阈值，则将标定靶的当前强度确定为目标强度。从而可以实现对标定靶的强度进行调节，达到成像装置采集图像的最佳波段(目标强度处)，并在该目标强度处，进行手眼标定矩阵的标定，能够提高手眼标定的精度。
在一个实施例中，如图4所示，为步骤S200的一种可实施方式的流程示意图，具体包括：
步骤S210，从第一图像中识别出标定靶的图像角点。
步骤S220，获取成像装置的成像参数，并根据成像参数确定标定靶的角点信息，得到目标角点。
步骤S230，根据图像角点与目标角点，确定出重投影误差。
其中，图像角点是从第一图像中提取出的标定靶的角点坐标值，目标角点是指采用对应的成像装置的理论投影坐标值。
具体地，从第一图像中识别出标定靶的角点，得到图像角点。根据成像装置的成像参数(相机内外参数)计算得到标定靶的角点信息，得到目标角点。并根据图像角点与目标角点，确定出重投影误差，即当前使用角点算法提取出的角点像素坐标值和使用相机内外参数计算得到的角点像素坐标的差值。
可选地，如图5所示，为目标强度确定的流程示意图。在得到重投影误差后，可根据重投影误差与预设阈值之间的关系，使标定靶的红外光强度能基于成像装置(或IR相机)拍摄的图像质量自主调节至最佳波段(目标强度)，调节的方案如图5所示。其中的预设阈值为重投影误差上限值，即若当前图像的重投影误差值大于所给的预设阈值，则需要局部调整标定靶的发光强度以获取更高质量的图像。当重投影误差小于或等于预设阈值的时候，将标定靶当前的强度确定为目标强度。重投影误差指当前使用角点算法提取出的角点像素坐标值和使用相机内外参数计算得到的角点像素坐标的差值，在相机内参标定准确的条件下可以反映当前图像的质量，重投影误差reprojection_err的计算方法如公式(1)所示：
Figure BDA0003190051900000081
其中，n表示标定靶上识别的角点数目，
Figure BDA0003190051900000082
和/>
Figure BDA0003190051900000083
分别表示第i个识别角点在图像上的像素坐标和标定靶坐标系Object上的世界坐标。矩阵K表示相机的内参，矩阵M表示相机的外参，i为自然数。其中，相机的内参是指相机内参数，是与相机自身特性相关的参数，比如相机的焦距、像素大小等；相机的外参是指相机外参数，是在世界坐标系中的参数，比如相机的位置、旋转方向等。
上述实施例中，从第一图像中识别出标定靶的图像角点；获取成像装置的成像参数，并根据成像参数确定标定靶的角点信息，得到目标角点；根据图像角点与目标角点，确定出重投影误差。能够为后续根据重投影误差确定目标强度提供基础，使得后续能够在目标强度处采集标定靶的高质量图像(第二图像)，并根据高质量的第二图像确定手眼标定矩阵，提高手眼标定的精度。
在一个实施例中，如图6所示，为步骤S400的一种可实施方式的流程示意图，具体包括：
步骤S410，获取机械臂的位姿，并根据机械臂的位姿，获取基坐标系到工具坐标系之间的第一变换矩阵。
步骤S420，在目标强度和机械臂的位姿处，获取第二图像，并根据第二图像，获取目标坐标系到成像坐标系之间的第二变换矩阵。
步骤S430，根据第一变换矩阵和第二变换矩阵，确定出成像坐标系到工具坐标系之间的手眼标定矩阵。
其中，基坐标系为机械臂的一端对应的坐标系，工具坐标系为机械臂的另一端对应的坐标系。目标坐标系为标定靶对应的坐标系，成像坐标系为成像装置对应的坐标系。目标坐标系为标定靶对应的坐标系，成像坐标系为成像装置对应的坐标系。
具体地，为获取目标强度下标定靶的图像，需要将机械臂移动到指定位姿。在将机械臂移动到指定位姿后，获取机械臂的位姿，并根据机械臂的位姿，获取机械臂的一端对应的坐标系基坐标系(Base坐标系)到机械臂的另一端对应的坐标系工具坐标系(tool坐标系)之间的第一变换矩阵A。在目标强度和机械臂的位姿处，获取第二图像，并根据第二图像，获取目标坐标系(Object坐标系)到成像坐标系(Camera坐标系)之间的第二变换矩阵B。最后，根据第一变换矩阵A、第二变换矩阵B，确定出成像坐标系到工具坐标系之间的手眼标定矩阵X。
示例地，应用ROS系统得到机械臂tool坐标系到机械臂Base坐标系的位姿变换
Figure BDA0003190051900000091
和标定靶3到IR相机2的位姿变换，即相机外参矩阵/>
Figure BDA0003190051900000092
可以采取S(S＝1,2,3…)组手眼标定数据，S为大于1的自然数；每一组数据形如/>
Figure BDA0003190051900000093
表示第j组的变换/>
Figure BDA0003190051900000094
和/>
Figure BDA0003190051900000095
本实例中采用形如AX＝XB的手眼标定模型，其中X表示需要求解的手眼标定矩阵，即成像装置(IR相机)相对于机械臂的相对位姿变换/>
Figure BDA0003190051900000096
A表示机械臂1的tool坐标系相对于第0组(j＝0)数据产生的相对变换，B表示成像装置相对于第0组(j＝0)数据产生的相对变换。在采集的S组手眼标定数据中共可生成S-1组矩阵A和矩阵B，记作At和Bt(t＝1,2,…,S)，At和Bt的计算方法如公式(2)所示：
Figure BDA0003190051900000101
可选地，步骤S430还包括：根据第一变换矩阵和第二变换矩阵，确定出成像坐标系到工具坐标系之间的初始手眼标定矩阵；对初始手眼标定矩阵进行非线性优化，得到手眼标定矩阵。
具体地，对手眼标定矩阵的计算采取非线性优化的策略进行优化，即对于输入的S-1组At和Bt数据，采用手眼标定算法，如Tsai算法计算标定矩阵X的初值，在此基础上进行非线性优化。本实例中所采用的非线性优化模型如公式(3)所示：
Figure BDA0003190051900000102
其中，手眼标定矩阵X为变量，函数f是整个手眼标定输入数据产生的残差，通过(3)进行优化计算，能够得到精度更高的手眼标定矩阵。
上述实施例中，获取机械臂的位姿，并根据机械臂的位姿，获取基坐标系到工具坐标系之间的第一变换矩阵；在目标强度和机械臂的位姿处，获取第二图像，并根据第二图像，获取目标坐标系到成像坐标系之间的第二变换矩阵；其中，目标坐标系为标定靶对应的坐标系，成像坐标系为成像装置对应的坐标系；根据第一变换矩阵和第二变换矩阵，确定出成像坐标系到工具坐标系之间的手眼标定矩阵。从而能够在目标强度下采集标定靶的第二图像，并根据高质量的第二图像确定手眼标定矩阵，提高手眼标定的精度。同时，通过非线性优化法对手眼标定矩阵进行优化，进一步提高了手眼标定的精度。
在一个实施例中，如图7所示，为步骤S420的一种可实施方式的流程示意图，具体包括：
步骤S421，在目标强度和机械臂的位姿处，通过成像装置采集标定靶的图像，得到预设数量的第二图像。
步骤S422，根据预设数量的第二图像，确定目标坐标系到成像坐标系之间的第二变换矩阵。
具体地，重投影误差的计算与相机的外参M相关，为提高相机的外参M，并进一步提高标定靶对应的坐标系Object坐标系到Camera坐标系之间的第二变换矩阵，需要在目标强度和机械臂的位姿处，通过成像装置采集标定靶的图像，得到预设数量的第二图像。并根据预设数量的第二图像，确定出目标坐标系到成像坐标系之间的第二变换矩阵，通过预设数量的第二图像消除单一第二图像得到的第二变换矩阵的偏差，使得第二变换矩阵更加精确。
上述实施例中，在目标强度和机械臂的位姿处，通过成像装置采集标定靶的图像，得到预设数量的第二图像，根据预设数量的第二图像，确定目标坐标系到成像坐标系之间的第二变换矩阵，能够通过预设数量的第二图像消除单一第二图像得到的第二变换矩阵的偏差，使得第二变换矩阵更加精确。
在一个实施例中，如图8所示，为步骤S422的一种可实施方式的流程示意图，具体包括：
步骤S4221，对于每一第二图像，获取第二图像对应的外参矩阵，得到预设数量的外参矩阵。
步骤S4222，对预设数量的外参矩阵进行滤波，得到目标外参矩阵。
步骤S4223，根据目标外参矩阵，得到第二变换矩阵。
具体地，对于每一第二图像，获取第二图像对应的外参矩阵，得到预设数量的外参矩阵M。对预设数量的外参矩阵进行滤波，得到目标外参矩阵，然后根据目标外餐矩阵，确定出第二变换矩阵。
可选地，如图9所示，为外参矩阵的优化流程示意图。通过ROS系统和提高计算相机外参精度的方法可以得到任意标定姿态下计算手眼标定所需要的矩阵，即应用ROS系统得到机械臂tool坐标系到机械臂Base坐标系的位姿变换
Figure BDA0003190051900000111
和标定靶3到IR相机2的位姿变换，即相机外参矩阵/>
Figure BDA0003190051900000112
为了提高计算相机的外参矩阵M的精度，即手眼标定所需采集的Object坐标系相对于Camera坐标系的变换矩阵精度，针对稳定状态下的手眼标定系统，采用在某一标定位姿下连续采集多组Object坐标系相对于Camera坐标系位姿变换的第二图像，计算相机的外参，对获取到的预设数量组外参矩阵后进行滤波，以稳定的输出高精度的外参矩阵(第二变换矩阵)，本方案采用RANSAC算法滤波得到更准确的结果。
可选地，在步骤S220中获取成像装置的成像参数(包括相机外参矩阵)时，可以采用上述方法，通过成像装置获取多个(或者预设数量)图像，然后根据多个图像得到多个外参矩阵，对该外参矩阵进行滤波，得到更为精确地外参矩阵。
上述实施例中，对于每一第二图像，获取第二图像对应的外参矩阵，得到预设数量的外参矩阵；对预设数量的外参矩阵进行滤波，得到目标外参矩阵；根据目标外参矩阵，得到第二变换矩阵。从而可以实现获得高精度相机外参矩阵(第二变换矩阵)的目的，进一步提高了根据第一变换矩阵和第二变换矩阵确定出的手眼标定矩阵的高精度。
应该理解的是，虽然图2-9的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-9中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图10所示，提供了一种手眼标定装置，包括：图像采集模块101、误差确定模块102、强度确定模块103和手眼标定模块104，其中：
图像采集模块101，用于通过成像装置采集标定靶的图像，得到第一图像；其中，成像装置设置于机械臂上，标定靶可以发射强度可调的光；
误差确定模块102，用于从第一图像中获取标定靶的图像角点，并根据图像角点，得到重投影误差；
强度确定模块103，用于若检测到重投影误差小于或等于预设阈值，则将标定靶的当前强度确定为目标强度；
手眼标定模块104，用于在目标强度下，获取标定靶的第二图像，并根据第二图像，确定出成像装置到机械臂之间的手眼标定矩阵。
在其中一个实施例中，强度确定模块103还用于：若检测到重投影误差大于预设阈值，则调整标定靶的强度，得到调整后的强度；在调整后的强度处，通过成像装置采集标定靶的图像，得到更新后的第一图像；从第一图像中获取标定靶的图像角点，并根据图像角点，得到重投影误差直到检测到重投影误差小于或等于预设阈值，则将标定靶的当前强度确定为目标强度。
在其中一个实施例中，误差确定模块102还用于：从第一图像中识别出标定靶的图像角点；获取成像装置的成像参数，并根据成像参数确定标定靶的角点信息，得到目标角点；根据图像角点与目标角点，确定出重投影误差。
在其中一个实施例中，手眼标定模块104还用于：获取机械臂的位姿，并根据机械臂的位姿，获取基坐标系到工具坐标系之间的第一变换矩阵；在目标强度和机械臂的位姿处，获取第二图像，并根据第二图像，获取目标坐标系到成像坐标系之间的第二变换矩阵；根据第一变换矩阵和第二变换矩阵，确定出成像坐标系到工具坐标系之间的手眼标定矩阵。
在其中一个实施例中，手眼标定模块104还用于：在目标强度和机械臂的位姿处，通过成像装置采集标定靶的图像，得到预设数量的第二图像；根据预设数量的第二图像，确定目标坐标系到成像坐标系之间的第二变换矩阵。
在其中一个实施例中，手眼标定模块104还用于：对于每一第二图像，获取第二图像对应的外参矩阵，得到预设数量的外参矩阵；对预设数量的外参矩阵进行滤波，得到目标外参矩阵；根据目标外参矩阵，得到第二变换矩阵。
在其中一个实施例中，手眼标定模块104还用于：根据第一变换矩阵和第二变换矩阵，确定出成像坐标系到工具坐标系之间的初始手眼标定矩阵；对初始手眼标定矩阵进行非线性优化，得到手眼标定矩阵。
关于手眼标定装置的具体限定可以参见上文中对于手眼标定方法的限定，在此不再赘述。上述手眼标定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种手眼标定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
通过成像装置采集标定靶的图像，得到第一图像；其中，成像装置设置于机械臂上，标定靶可以发射强度可调的光；
从第一图像中获取标定靶的图像角点，并根据图像角点，得到重投影误差；
若检测到重投影误差小于或等于预设阈值，则将标定靶的当前强度确定为目标强度；
在目标强度下，获取标定靶的第二图像，并根据第二图像，确定出成像装置到机械臂之间的手眼标定矩阵。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：若检测到重投影误差大于预设阈值，则调整标定靶的强度，得到调整后的强度；在调整后的强度处，通过成像装置采集标定靶的图像，得到更新后的第一图像；从第一图像中获取标定靶的图像角点，并根据图像角点，得到重投影误差直到检测到重投影误差小于或等于预设阈值，则将标定靶的当前强度确定为目标强度。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：从第一图像中识别出标定靶的图像角点；获取成像装置的成像参数，并根据成像参数确定标定靶的角点信息，得到目标角点；根据图像角点与目标角点，确定出重投影误差。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取机械臂的位姿，并根据机械臂的位姿，获取基坐标系到工具坐标系之间的第一变换矩阵；在目标强度和机械臂的位姿处，获取第二图像，并根据第二图像，获取目标坐标系到成像坐标系之间的第二变换矩阵；根据第一变换矩阵和第二变换矩阵，确定出成像坐标系到工具坐标系之间的手眼标定矩阵。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：在目标强度和机械臂的位姿处，通过成像装置采集标定靶的图像，得到预设数量的第二图像；根据预设数量的第二图像，确定目标坐标系到成像坐标系之间的第二变换矩阵。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对于每一第二图像，获取第二图像对应的外参矩阵，得到预设数量的外参矩阵；对预设数量的外参矩阵进行滤波，得到目标外参矩阵；根据目标外参矩阵，得到第二变换矩阵。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据第一变换矩阵和第二变换矩阵，确定出成像坐标系到工具坐标系之间的初始手眼标定矩阵；对初始手眼标定矩阵进行非线性优化，得到手眼标定矩阵。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
通过成像装置采集标定靶的图像，得到第一图像；其中，成像装置设置于机械臂上，标定靶可以发射强度可调的光；
从第一图像中获取标定靶的图像角点，并根据图像角点，得到重投影误差；
若检测到重投影误差小于或等于预设阈值，则将标定靶的当前强度确定为目标强度；
在目标强度下，获取标定靶的第二图像，并根据第二图像，确定出成像装置到机械臂之间的手眼标定矩阵。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若检测到重投影误差大于预设阈值，则调整标定靶的强度，得到调整后的强度；在调整后的强度处，通过成像装置采集标定靶的图像，得到更新后的第一图像；从第一图像中获取标定靶的图像角点，并根据图像角点，得到重投影误差直到检测到重投影误差小于或等于预设阈值，则将标定靶的当前强度确定为目标强度。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：从第一图像中识别出标定靶的图像角点；获取成像装置的成像参数，并根据成像参数确定标定靶的角点信息，得到目标角点；根据图像角点与目标角点，确定出重投影误差。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取机械臂的位姿，并根据机械臂的位姿，获取基坐标系到工具坐标系之间的第一变换矩阵；在目标强度和机械臂的位姿处，获取第二图像，并根据第二图像，获取目标坐标系到成像坐标系之间的第二变换矩阵；根据第一变换矩阵和第二变换矩阵，确定出成像坐标系到工具坐标系之间的手眼标定矩阵。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在目标强度和机械臂的位姿处，通过成像装置采集标定靶的图像，得到预设数量的第二图像；根据预设数量的第二图像，确定目标坐标系到成像坐标系之间的第二变换矩阵。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对于每一第二图像，获取第二图像对应的外参矩阵，得到预设数量的外参矩阵；对预设数量的外参矩阵进行滤波，得到目标外参矩阵；根据目标外参矩阵，得到第二变换矩阵。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据第一变换矩阵和第二变换矩阵，确定出成像坐标系到工具坐标系之间的初始手眼标定矩阵；对初始手眼标定矩阵进行非线性优化，得到手眼标定矩阵。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种手眼标定方法，其特征在于，所述方法包括：
通过成像装置采集标定靶的图像，得到第一图像；其中，所述成像装置设置于机械臂上，所述标定靶可以发射强度可调的光；
从所述第一图像中获取所述标定靶的图像角点，并根据所述图像角点，得到重投影误差；
若检测到所述重投影误差小于或等于预设阈值，则将所述标定靶的当前强度确定为目标强度，所述预设阈值为所述重投影误差的上限值；
在所述目标强度下，获取所述标定靶的第二图像，并根据所述第二图像，确定出所述成像装置到所述机械臂之间的手眼标定矩阵。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若检测到所述重投影误差大于所述预设阈值，则调整所述标定靶的强度，得到调整后的强度；
在所述调整后的强度处，通过所述成像装置采集标定靶的图像，得到更新后的第一图像；
从所述第一图像中获取所述标定靶的图像角点，并根据所述图像角点，得到重投影误差；
直到检测到所述重投影误差小于或等于所述预设阈值，则将所述标定靶的当前强度确定为所述目标强度。
3.根据权利要求1所述的方法，其特征在于，所述从所述第一图像中获取所述标定靶的图像角点，并根据所述图像角点，得到重投影误差，包括：
从所述第一图像中识别出所述标定靶的图像角点；
获取所述成像装置的成像参数，并根据所述成像参数确定所述标定靶的角点信息，得到目标角点；
根据所述图像角点与所述目标角点，确定出所述重投影误差。
4.根据权利要求1所述的方法，其特征在于，所述在所述目标强度下，获取所述标定靶的第二图像，并根据所述第二图像，确定出所述成像装置到所述机械臂之间的手眼标定矩阵，包括：
获取所述机械臂的位姿，并根据所述机械臂的位姿，获取基坐标系到工具坐标系之间的第一变换矩阵；
在所述目标强度和所述机械臂的位姿处，获取所述第二图像，并根据所述第二图像，获取目标坐标系到成像坐标系之间的第二变换矩阵；
根据所述第一变换矩阵和所述第二变换矩阵，确定出所述成像坐标系到所述工具坐标系之间的手眼标定矩阵。
5.根据权利要求4所述的方法，其特征在于，所述在所述目标强度和所述机械臂的位姿处，获取所述第二图像，并根据所述第二图像，获取目标坐标系到成像坐标系之间的第二变换矩阵，包括：
在所述目标强度和所述机械臂的位姿处，通过所述成像装置采集所述标定靶的图像，得到预设数量的所述第二图像；
根据所述预设数量的所述第二图像，确定所述目标坐标系到所述成像坐标系之间的第二变换矩阵。
6.根据权利要求5所述的方法，其特征在于，所述根据所述预设数量的所述第二图像，确定所述目标坐标系到所述成像坐标系之间的第二变换矩阵，包括：
对于每一所述第二图像，获取所述第二图像对应的外参矩阵，得到所述预设数量的外参矩阵；
对所述预设数量的外参矩阵进行滤波，得到目标外参矩阵；
根据所述目标外参矩阵，得到所述第二变换矩阵。
7.根据权利要求5所述的方法，其特征在于，所述根据所述第一变换矩阵和所述第二变换矩阵，确定出所述成像坐标系到所述工具坐标系之间的手眼标定矩阵，包括：
根据所述第一变换矩阵和所述第二变换矩阵，确定出所述成像坐标系到所述工具坐标系之间的初始手眼标定矩阵；
对所述初始手眼标定矩阵进行非线性优化，得到所述手眼标定矩阵。
8.一种手眼标定装置，其特征在于，所述装置包括：
图像采集模块，用于通过成像装置采集标定靶的图像，得到第一图像；其中，所述成像装置设置于机械臂上，所述标定靶可以发射强度可调的光；
误差确定模块，用于从所述第一图像中获取所述标定靶的图像角点，并根据所述图像角点，得到重投影误差；
强度确定模块，用于若检测到所述重投影误差小于或等于预设阈值，则将所述标定靶的当前强度确定为目标强度，所述预设阈值为所述重投影误差的上限值；
手眼标定模块，用于在所述目标强度下，获取所述标定靶的第二图像，并根据所述第二图像，确定出所述成像装置到所述机械臂之间的手眼标定矩阵。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202110875108.5A 2021-07-30 2021-07-30 手眼标定方法、装置、计算机设备和存储介质 Active CN113601503B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110875108.5A CN113601503B (zh) 2021-07-30 2021-07-30 手眼标定方法、装置、计算机设备和存储介质
EP22848584.3A EP4364902A1 (en) 2021-07-30 2022-07-27 Hand-eye calibration method and system for robot, and storage medium
PCT/CN2022/108272 WO2023005979A1 (zh) 2021-07-30 2022-07-27 一种机器人手眼标定方法、系统和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110875108.5A CN113601503B (zh) 2021-07-30 2021-07-30 手眼标定方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN113601503A CN113601503A (zh) 2021-11-05
CN113601503B true CN113601503B (zh) 2023-06-27

Family

ID=78306320

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110875108.5A Active CN113601503B (zh) 2021-07-30 2021-07-30 手眼标定方法、装置、计算机设备和存储介质

Country Status (3)

Country Link
EP (1) EP4364902A1 (zh)
CN (1) CN113601503B (zh)
WO (1) WO2023005979A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113601503B (zh) * 2021-07-30 2023-06-27 武汉联影智融医疗科技有限公司 手眼标定方法、装置、计算机设备和存储介质
CN115861322B (zh) * 2023-02-28 2023-05-16 江西省智能产业技术创新研究院 口腔区域定位方法、系统、可读存储介质及电子设备
CN115984388B (zh) * 2023-02-28 2023-06-06 江西省智能产业技术创新研究院 一种空间定位精度评估方法、系统、存储介质及计算机
CN116061196B (zh) * 2023-04-06 2023-07-18 广东工业大学 一种多轴运动平台运动学参数标定方法和系统
CN116592899B (zh) * 2023-04-28 2024-03-29 哈尔滨工业大学 一种基于模块化红外靶标的位姿测量系统
CN116370088B (zh) * 2023-05-17 2023-08-11 深圳惟德精准医疗科技有限公司 机械臂的运动控制方法及相关装置
CN116852382A (zh) * 2023-09-04 2023-10-10 青岛理工大学 一种轴孔装配机器人末端姿态快速调整系统和方法
CN117415826B (zh) * 2023-12-19 2024-02-23 苏州一目万相科技有限公司 检测系统的控制方法、装置和可读存储介质

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102221409B (zh) * 2011-04-12 2012-09-26 华南理工大学 一种近红外标定模板的制备方法
CN104978732A (zh) * 2014-04-11 2015-10-14 中国船舶工业系统工程研究院 一种摄像机参数标定板
EP2983131A1 (en) * 2014-08-06 2016-02-10 Thomson Licensing Method and device for camera calibration
US9560345B2 (en) * 2014-12-19 2017-01-31 Disney Enterprises, Inc. Camera calibration
CN204795440U (zh) * 2015-07-21 2015-11-18 哈尔滨理工大学 一种用于结构光三维重构的红外可见光双波段标定板
CN105014667B (zh) * 2015-08-06 2017-03-08 浙江大学 一种基于像素空间优化的相机与机器人相对位姿标定方法
CN107590835B (zh) * 2017-08-24 2020-12-25 中国东方电气集团有限公司 一种核环境下机械臂工具快换视觉定位系统与定位方法
CN109658460A (zh) * 2018-12-11 2019-04-19 北京无线电测量研究所 一种机械臂末端相机手眼标定方法和系统
CN109765036A (zh) * 2019-02-28 2019-05-17 人加智能机器人技术（北京）有限公司 一种用于相机参数标定的发光标定板及其制作方法
CN111076677A (zh) * 2020-01-20 2020-04-28 上海交通大学烟台信息技术研究院 一种组合式微调相机标定用靶标
CN113601503B (zh) * 2021-07-30 2023-06-27 武汉联影智融医疗科技有限公司 手眼标定方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN113601503A (zh) 2021-11-05
WO2023005979A1 (zh) 2023-02-02
EP4364902A1 (en) 2024-05-08

Similar Documents

Publication Publication Date Title
CN113601503B (zh) 手眼标定方法、装置、计算机设备和存储介质
CN109118545B (zh) 基于旋转轴和双目摄像头的三维成像系统标定方法及系统
CN110136208B (zh) 一种机器人视觉伺服系统的联合自动标定方法及装置
CN113643378B (zh) 多相机环境中主动式刚体的位姿定位方法及相关设备
CN110193849A (zh) 一种机器人手眼标定的方法及装置
JP7458741B2 (ja) ロボット制御装置及びその制御方法及びプログラム
CN112686950B (zh) 位姿估计方法、装置、终端设备及计算机可读存储介质
CN113379849A (zh) 基于深度相机的机器人自主识别智能抓取方法及系统
CN113205560A (zh) 多深度相机的标定方法、装置、设备及存储介质
JP6410411B2 (ja) パターンマッチング装置及びパターンマッチング方法
CN115187612A (zh) 一种基于机器视觉的平面面积测量方法、装置及系统
CN112809668B (zh) 一种机械臂自动手眼标定的方法及系统、终端
CN116188594B (zh) 沙姆相机的标定方法、标定系统、装置和电子设备
CN114505864B (zh) 一种手眼标定方法、装置、设备及存储介质
CN114516051B (zh) 三个及以上自由度机器人视觉测量的前方交会方法及系统
CN115042184A (zh) 机器人手眼坐标转换方法、装置、计算机设备和存储介质
CN115625709A (zh) 一种手眼标定方法、装置和计算机设备
CN112847350B (zh) 手眼标定方法、系统、计算机设备和存储介质
US11577400B2 (en) Method and apparatus for managing robot system
JP2007034964A (ja) カメラ視点運動並びに３次元情報の復元及びレンズ歪パラメータの推定方法、装置、カメラ視点運動並びに３次元情報の復元及びレンズ歪パラメータの推定プログラム
CN115222826B (zh) 结构光和相机相对位姿可改变的三维重建方法和装置
CN117455984B (zh) 随臂式相机采集点的确定方法及装置
Woo et al. An efficient method for camera calibration using multilayer perceptron type neural network
WO2024069886A1 (ja) 演算装置、演算システム、ロボットシステム、演算方法及びコンピュータプログラム
CN116038720B (zh) 一种基于点云配准的手眼标定方法、装置及设备

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