CN114800520A - 高精度的手眼标定方法 - Google Patents
高精度的手眼标定方法 Download PDFInfo
- Publication number
- CN114800520A CN114800520A CN202210568418.7A CN202210568418A CN114800520A CN 114800520 A CN114800520 A CN 114800520A CN 202210568418 A CN202210568418 A CN 202210568418A CN 114800520 A CN114800520 A CN 114800520A
- Authority
- CN
- China
- Prior art keywords
- camera
- robot
- calibration
- error
- calibration plate
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000011159 matrix material Substances 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
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种高精度的手眼标定方法,包含:判断3d相机内参是否准确;求出多种类型的姿态角表示方法下的机器人姿态角对应的标定误差;对标定误差进行判断从而选择出真实的机器人姿态角表示方法;输出误差较大的位置和相机状态。本发明的高精度的手眼标定方法,标定过程中会自动检查3d相机内参的精度,且可以随意输入机器人的姿态,算法能够自动识别机器人姿态表示法,并进行准确计算。
Description
技术领域
本发明属于医疗器械技术领域,具体涉及一种高精度的手眼标定方法。
背景技术
目前,手眼标定方法一直是3d相机与机器人联合方向的难题。标定的方法不同决定着标定误差和抓取精度。通用的标定方法是分别取10个或更多位置,记录下在这些位置上机器人基坐标下的位置姿态和在相机坐标系下标定板位置姿态,根据机器人姿态角表示方法,使用标定算法计算出相机相对于机器人基坐标系手眼标定矩阵。
常用的机器人姿态角表示方法大约有5种,需要通过查看机器人说明书进行确认。查找使用的机器人姿态角数据结构非常耗时,而且有时不能查找到准确的信息,对人员技术要求高。在进行标定的过程中环境因素也会对机器人造成影响,导致手眼标定结果不准确。而且只能通过实际抓取检验手眼标定的准确性,这也就增加了机器人撞击的风险。常用的方法无法快速提升手眼标定的精度,且不知道是什么原因导致标定误差较大。3d相机内参是否准确是手眼标定的前提,通常情况下需要默认相机内参准确。但是相机有可能经过运输、或撞击造成内参变化,无法准确判断相机内参是否准确。
发明内容
本发明提供了一种高精度的手眼标定方法,解决上现有技术存在的技术问题,采用如下的技术方案:
一种高精度的手眼标定方法,包含以下步骤:
判断3d相机内参是否准确;
求出多种类型的姿态角表示方法下的机器人姿态角对应的标定误差;
对标定误差进行判断从而选择出真实的机器人姿态角表示方法;
输出误差较大的位置和相机状态。
进一步地,判断3d相机内参是否准确的具体方法为:
将标定板放到3d相机视野范围内;
对从3d相机获取的标定板的二维图像上的每个圆进行拟合,提取出二维图像上的标定板上每个圆的圆心像素坐标;
根据得到的标定板上每个圆的圆心像素坐标获取到对应的点云图中相同位置的空间坐标;
根据获取到的对应的点云图中相同位置的空间坐标计算相邻两个圆之间的欧式距离,并对求取的欧式距离求平均得到平均值;
计算欧氏距离的平均值与圆心距的真实值的比值;
根据比值判断3d相机内参的准确性。
进一步地,在获取对应的点云图中相同位置的空间坐标的过程中,对求出的圆心点的空间坐标进行空间平面拟合,当预设的误差允许范围内能够拟合出平面时,认定圆心点的空间坐标求取成功。
进一步地,使用最小二乘法对求出的圆心点的空间坐标进行空间平面拟合。
进一步地,当误差允许范围设置为0.01时能够拟合出平面时,认定圆心点的空间坐标求取成功。
进一步地,根据比值判断3d相机内参的准确性的具体方法为:
在标定板的圆心距为50mm的情况下,当计算出的圆心之间欧氏距离的平均值和圆心距的真实值的比值范围在0.998~1.002之间时,认定3d相机内的参是准确的。
进一步地,在得到二维图像上的标定板上每个圆的圆心像素坐标之后,判断3d相机内参是否准确的具体方法还包括:
对获取到的圆心数量进行核对。
进一步地,求出多种类型的姿态角表示方法下的机器人姿态角对应的标定误差的具体方法为:
获取多个相机坐标系下标定板的位姿和对应的机器人示教器上的位置姿态数值;
分别使用多种类型的机器人姿态角表示方法的计算方法进行遍历分别计算出不同类型下的转换关系X;
分别使用计算出的不同类型下的转换关系X左乘标定板在相机坐标系下的空间位置将标定板的三维坐标转换到机器人坐标系下;
求转换后的标定板的位置和实际情况下的机器人末端位置坐标的差值的绝对值作为误差;
根据误差数值从多种类型的姿态角表示方法中选择最优的一种。
进一步地,输出误差较大的位置和相机状态的具体方法为:
将误差和误差阈值进行比较,将误差超过阈值的数据组合输出。
进一步地,对输出的数据组合进行删除并移动机器人重新获取数据。
本发明的有益之处在于所提供的高精度的手眼标定方法,标定过程中会自动检查3d相机内参的精度,且可以随意输入机器人的姿态,算法能够自动识别机器人姿态表示法,并进行准确计算。
本发明的有益之处还在于所提供的高精度的手眼标定方法,能够识别出误差较大的姿态,便于后期进一步提高精度。
附图说明
图1是本发明的一种高精度的手眼标定方法流程图;
图2是本发明的判断相机内参是否准确算法流程图;
图3是本发明的标定误差算法流程图;
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
如图1所示为本申请的一种高精度的手眼标定方法,包含以下步骤:
判断3d相机内参是否准确。
求出多种类型的姿态角表示方法下的机器人姿态角对应的标定误差。
对标定误差进行判断从而选择出真实的机器人姿态角表示方法。
输出误差较大的位置和相机状态。
通过上述步骤,标定过程中会自动检查3d相机内参的精度,且可以随意输入机器人的姿态,算法能够自动识别机器人姿态表示法,并进行准确计算。以下具体介绍上述步骤。
首先,如图2所示,判断3d相机内参是否准确的具体方法为:
将标定板放到3d相机视野范围内。其中,标定板是带有固定间距圆形图案的阵列平板。
对从3d相机获取的标定板的二维图像上的每个圆进行拟合,提取出二维图像上的标定板上每个圆的圆心像素坐标。在该步骤中,优选的是,在得到二维图像上的标定板上每个圆的圆心像素坐标之后,对获取到的圆心数量进行核对。即对提取出的圆心数量进行检测,当圆心坐标数量和标定板规格相同时再进入下一步。
根据得到的标定板上每个圆的圆心像素坐标获取到对应的点云图中相同位置的空间坐标。根据从同一个3d相机获取的二维图和点云图中的点是对应原理,用二维图的像素坐标获取圆心点的空间坐标。具体地,从二维图像上提取出圆心像素坐标为(x_pixel,y_pixel),点云数组坐标为P,此时标定板圆心的空间坐标为P[x_pixel,y_pixel,:],圆心在二维图和点云图中像素位置相同,不同的是二维图像上圆心坐标位置上是灰度值信息,而点云图中该位置是空间坐标信息。优选的是,在获取对应的点云图中相同位置的空间坐标的过程中,对求出的圆心点的空间坐标进行空间平面拟合,当预设的误差允许范围内能够拟合出平面时,认定圆心点的空间坐标求取成功。在本申请中,使用最小二乘法对求出的圆心点的空间坐标进行空间平面拟合。误差范围设定为0.01,即当误差允许范围设置为0.01时能够拟合出平面时,认定圆心点的空间坐标求取成功。
根据获取到的对应的点云图中相同位置的空间坐标计算相邻两个圆之间的欧式距离,并对求取的欧式距离求平均得到平均值。
计算欧氏距离的平均值与圆心距的真实值的比值。
根据比值判断3d相机内参的准确性。具体地,根据比值判断3d相机内参的准确性的具体方法为:在标定板的圆心距为50mm的情况下,当计算出的圆心之间欧氏距离的平均值和圆心距的真实值的比值范围在0.998~1.002之间时,认定3d相机内的参是准确的。其中,当比值为0.998时,可以反向求出计算出的圆心距为49.9mm,与真实圆心距相差0.1mm。因此当比值范围为以上数值时,可以认为此时的相机精度范围为±0.1mm,满足一般的3d相机精度,相机内参准确。
进一步地,如图3所示,求出多种类型的姿态角表示方法下的机器人姿态角对应的标定误差的具体方法为:
获取多个相机坐标系下标定板的位姿和对应的机器人示教器上的位置姿态数值。在本申请中,获取10个相机坐标系下标定板的位姿和对应的机器人示教器上的位置姿态数值,将标定板放到3d相机视野范围内,机器人带着标定板移动10个位置,每个位置机器人的位置和姿态都不同。对每个位置上标定板的空间位置进行求取。求取方法如下:
控制机器人带着标定板移动到3d相机视野内后,根据同一个3d相机同时获取的二维图和点云图中的点是对应原理,求出标定板在相机坐标系下的空间坐标,将数值存储在boardPose数组内。之后将机器人在基坐标系下的位置和姿态存储在robotPose数组内。按照上述方法,机器人移动10个位置,分别获取10个标定板坐标和机器人坐标分别存储在两个变量里。
分别使用多种类型的机器人姿态角表示方法的计算方法进行遍历分别计算出不同类型下的转换关系X。常用的机器人姿态角表示方法有5种,在本申请中,多种类型的机器人姿态角表示方法包含但不限于这5种。根据核心公式AX=XB,分别使用5种类型的机器人姿态角表示方法的计算方法进行遍历。其中,公式中的X即为相机坐标系原点和机器人坐标系原点之间的坐标转换关系,手眼标定的过程就是求取X的过程,因此如果能够计算移动前后,机械臂末端的坐标变换关系A以及标定板在相机坐标系下的变换关系B,即可求得转换关系X。
因此在求取机械臂末端的坐标转换关系A的时候,不同机器人求末端坐标变换关系时算法不一样,需要根据机器人的姿态角表示方法使用不同的方法。本方法分别对5种机器人姿态角表示方法遍历的方法,通过遍历,分别使用每种机器人姿态角表示方法求出坐标变换关系A和B,使用手眼标定公式AX=XB,求出转换关系X。
分别使用计算出的不同类型下的转换关系X左乘标定板在相机坐标系下的空间位置将标定板的三维坐标转换到机器人坐标系下。具体地,使用求出的转换关系X分别左乘标定板在相机坐标系下的变量boardPose,将标定板的三维坐标转换到机器人坐标系下。
求转换后的标定板的位置和实际情况下的机器人末端位置坐标的差值的绝对值作为误差。可以理解的是,理想没有误差的情况下,此时的标定板位置等于机器人末端位置在基坐标系下的坐标。但是因为误差影响,会有偏差,此时求转换后的标定板位置和实际情况下的机器人末端位置坐标的差值的绝对值作为误差。
根据误差数值从5种类型的姿态角表示方法中选择最优的一种。通过对误差数值大小判断,求出机器人姿态角的表示方法。误差数值最小的那组对应的姿态角方法即为所求。
进一步地,输出误差较大的位置和相机状态的具体方法为:将误差和误差阈值进行比较,将误差超过阈值的数据组合输出。之后,对输出的数据组合进行删除并移动机器人重新获取数据。该步骤可以将误差比较大的位置寻找出并替换,能够极大程度的提升标定精度。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (10)
1.一种高精度的手眼标定方法,其特征在于,包含以下步骤:
判断3d相机内参是否准确;
求出多种类型的姿态角表示方法下的机器人姿态角对应的标定误差;
对标定误差进行判断从而选择出真实的机器人姿态角表示方法;
输出误差较大的位置和相机状态。
2.根据权利要求1所述的高精度的手眼标定方法,其特征在于,
所述判断3d相机内参是否准确的具体方法为:
将标定板放到3d相机视野范围内;
对从3d相机获取的标定板的二维图像上的每个圆进行拟合,提取出二维图像上的标定板上每个圆的圆心像素坐标;
根据得到的标定板上每个圆的圆心像素坐标获取到对应的点云图中相同位置的空间坐标;
根据获取到的对应的点云图中相同位置的空间坐标计算相邻两个圆之间的欧式距离,并对求取的欧式距离求平均得到平均值;
计算欧氏距离的平均值与圆心距的真实值的比值;
根据比值判断3d相机内参的准确性。
3.根据权利要求2所述的高精度的手眼标定方法,其特征在于,
在获取对应的点云图中相同位置的空间坐标的过程中,对求出的圆心点的空间坐标进行空间平面拟合,当预设的误差允许范围内能够拟合出平面时,认定圆心点的空间坐标求取成功。
4.根据权利要求3所述的高精度的手眼标定方法,其特征在于,
使用最小二乘法对求出的圆心点的空间坐标进行空间平面拟合。
5.根据权利要求4所述的高精度的手眼标定方法,其特征在于,
当误差允许范围设置为0.01时能够拟合出平面时,认定圆心点的空间坐标求取成功。
6.根据权利要求2所述的高精度的手眼标定方法,其特征在于,
所述根据比值判断3d相机内参的准确性的具体方法为:
在标定板的圆心距为50mm的情况下,当计算出的圆心之间欧氏距离的平均值和圆心距的真实值的比值范围在0.998~1.002之间时,认定3d相机内的参是准确的。
7.根据权利要求2所述的高精度的手眼标定方法,其特征在于,
在得到二维图像上的标定板上每个圆的圆心像素坐标之后,所述判断3d相机内参是否准确的具体方法还包括:
对获取到的圆心数量进行核对。
8.根据权利要求1所述的高精度的手眼标定方法,其特征在于,
所述求出多种类型的姿态角表示方法下的机器人姿态角对应的标定误差的具体方法为:
获取多个相机坐标系下标定板的位姿和对应的机器人示教器上的位置姿态数值;
分别使用多种类型的机器人姿态角表示方法的计算方法进行遍历分别计算出不同类型下的转换关系X;
分别使用计算出的不同类型下的转换关系X左乘标定板在相机坐标系下的空间位置将标定板的三维坐标转换到机器人坐标系下;
求转换后的标定板的位置和实际情况下的机器人末端位置坐标的差值的绝对值作为误差;
根据误差数值从多种类型的姿态角表示方法中选择最优的一种。
9.根据权利要求8所述的高精度的手眼标定方法,其特征在于,
所述输出误差较大的位置和相机状态的具体方法为:
将误差和误差阈值进行比较,将误差超过阈值的数据组合输出。
10.根据权利要求9所述的高精度的手眼标定方法,其特征在于,
对输出的数据组合进行删除并移动机器人重新获取数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210568418.7A CN114800520B (zh) | 2022-05-23 | 2022-05-23 | 高精度的手眼标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210568418.7A CN114800520B (zh) | 2022-05-23 | 2022-05-23 | 高精度的手眼标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114800520A true CN114800520A (zh) | 2022-07-29 |
CN114800520B CN114800520B (zh) | 2024-01-23 |
Family
ID=82517330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210568418.7A Active CN114800520B (zh) | 2022-05-23 | 2022-05-23 | 高精度的手眼标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114800520B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005322128A (ja) * | 2004-05-11 | 2005-11-17 | Rikogaku Shinkokai | ステレオ3次元計測用キャリブレーション方法及び3次元位置算出方法 |
CN103761732A (zh) * | 2014-01-06 | 2014-04-30 | 哈尔滨工业大学深圳研究生院 | 一种可见光与热红外融合的立体成像装置及其标定方法 |
US20150317821A1 (en) * | 2014-04-30 | 2015-11-05 | Seiko Epson Corporation | Geodesic Distance Based Primitive Segmentation and Fitting for 3D Modeling of Non-Rigid Objects from 2D Images |
CN106920261A (zh) * | 2017-03-02 | 2017-07-04 | 江南大学 | 一种机器人手眼静态标定方法 |
CN107081755A (zh) * | 2017-01-25 | 2017-08-22 | 上海电气集团股份有限公司 | 一种机器人单目视觉引导系统的自动标定装置 |
CN108908399A (zh) * | 2018-06-11 | 2018-11-30 | 杭州灵西机器人智能科技有限公司 | 一种基于同心圆环模板的机器人手眼标定方法 |
CN109035224A (zh) * | 2018-07-11 | 2018-12-18 | 哈尔滨工程大学 | 一种基于多波束点云的海底管道检测与三维重建方法 |
CN109859275A (zh) * | 2019-01-17 | 2019-06-07 | 南京邮电大学 | 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 |
CN110163918A (zh) * | 2019-04-24 | 2019-08-23 | 华南理工大学 | 一种基于射影几何的线结构光标定方法 |
CN110322518A (zh) * | 2019-07-05 | 2019-10-11 | 深圳市道通智能航空技术有限公司 | 立体匹配算法的评价方法、评价系统及测试设备 |
CN111710001A (zh) * | 2020-05-26 | 2020-09-25 | 东南大学 | 一种多介质条件下物像映射关系标定方法及标定装置 |
CN112223302A (zh) * | 2020-12-17 | 2021-01-15 | 国网瑞嘉(天津)智能机器人有限公司 | 基于多传感器的带电作业机器人的快速标定方法及装置 |
CN112561886A (zh) * | 2020-12-18 | 2021-03-26 | 广东工业大学 | 一种基于机器视觉的工件自动分拣方法及系统 |
WO2021238923A1 (zh) * | 2020-05-25 | 2021-12-02 | 追觅创新科技(苏州)有限公司 | 相机参数标定方法及装置 |
CN113942013A (zh) * | 2021-11-02 | 2022-01-18 | 杭州迁移科技有限公司 | 基于数据可视化的快速手眼标定方法及系统 |
-
2022
- 2022-05-23 CN CN202210568418.7A patent/CN114800520B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005322128A (ja) * | 2004-05-11 | 2005-11-17 | Rikogaku Shinkokai | ステレオ3次元計測用キャリブレーション方法及び3次元位置算出方法 |
CN103761732A (zh) * | 2014-01-06 | 2014-04-30 | 哈尔滨工业大学深圳研究生院 | 一种可见光与热红外融合的立体成像装置及其标定方法 |
US20150317821A1 (en) * | 2014-04-30 | 2015-11-05 | Seiko Epson Corporation | Geodesic Distance Based Primitive Segmentation and Fitting for 3D Modeling of Non-Rigid Objects from 2D Images |
CN107081755A (zh) * | 2017-01-25 | 2017-08-22 | 上海电气集团股份有限公司 | 一种机器人单目视觉引导系统的自动标定装置 |
CN106920261A (zh) * | 2017-03-02 | 2017-07-04 | 江南大学 | 一种机器人手眼静态标定方法 |
CN108908399A (zh) * | 2018-06-11 | 2018-11-30 | 杭州灵西机器人智能科技有限公司 | 一种基于同心圆环模板的机器人手眼标定方法 |
CN109035224A (zh) * | 2018-07-11 | 2018-12-18 | 哈尔滨工程大学 | 一种基于多波束点云的海底管道检测与三维重建方法 |
CN109859275A (zh) * | 2019-01-17 | 2019-06-07 | 南京邮电大学 | 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 |
CN110163918A (zh) * | 2019-04-24 | 2019-08-23 | 华南理工大学 | 一种基于射影几何的线结构光标定方法 |
CN110322518A (zh) * | 2019-07-05 | 2019-10-11 | 深圳市道通智能航空技术有限公司 | 立体匹配算法的评价方法、评价系统及测试设备 |
WO2021238923A1 (zh) * | 2020-05-25 | 2021-12-02 | 追觅创新科技(苏州)有限公司 | 相机参数标定方法及装置 |
CN111710001A (zh) * | 2020-05-26 | 2020-09-25 | 东南大学 | 一种多介质条件下物像映射关系标定方法及标定装置 |
CN112223302A (zh) * | 2020-12-17 | 2021-01-15 | 国网瑞嘉(天津)智能机器人有限公司 | 基于多传感器的带电作业机器人的快速标定方法及装置 |
CN112561886A (zh) * | 2020-12-18 | 2021-03-26 | 广东工业大学 | 一种基于机器视觉的工件自动分拣方法及系统 |
CN113942013A (zh) * | 2021-11-02 | 2022-01-18 | 杭州迁移科技有限公司 | 基于数据可视化的快速手眼标定方法及系统 |
Non-Patent Citations (1)
Title |
---|
张旭;贾君慧;张刚;: "基于镜面反射的手眼标定方法", 中国机械工程, no. 10, pages 23 - 28 * |
Also Published As
Publication number | Publication date |
---|---|
CN114800520B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110555889B (zh) | 一种基于CALTag和点云信息的深度相机手眼标定方法 | |
JP6280525B2 (ja) | カメラのミスキャリブレーションの実行時決定のためのシステムと方法 | |
CN108827155B (zh) | 一种机器人视觉测量系统及方法 | |
CN109794963B (zh) | 一种面向曲面构件的机器人快速定位方法 | |
CN113386136B (zh) | 一种基于标准球阵目标估计的机器人位姿矫正方法及系统 | |
JP2012141962A (ja) | 位置姿勢計測装置及び位置姿勢計測方法 | |
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 | |
CN111627072A (zh) | 一种对多传感器进行标定的方法、装置和存储介质 | |
CN109493389B (zh) | 一种基于深度学习的相机标定方法及系统 | |
CN107300382B (zh) | 一种用于水下机器人的单目视觉定位方法 | |
CN112907683B (zh) | 一种点胶平台的相机标定方法、装置及相关设备 | |
JP2018136896A (ja) | 情報処理装置、システム、情報処理方法、および物品の製造方法 | |
US20220230348A1 (en) | Method and apparatus for determining a three-dimensional position and pose of a fiducial marker | |
CN114474056B (zh) | 一种面向抓取操作的单目视觉高精度目标定位方法 | |
WO2018043524A1 (ja) | ロボットシステム、ロボットシステム制御装置、およびロボットシステム制御方法 | |
CN111123242A (zh) | 一种基于激光雷达和相机的联合标定方法及计算机可读存储介质 | |
CN115284292A (zh) | 基于激光相机的机械臂手眼标定方法及装置 | |
CN114001651B (zh) | 一种基于双目视觉测量和先验检测数据的大型细长筒类构件位姿原位测量方法 | |
TWI762371B (zh) | 機械手臂與輪廓感測器座標系相對關係之自動校正方法與系統 | |
CN113172636B (zh) | 一种自动手眼标定方法、装置及存储介质 | |
CN113334380A (zh) | 基于双目视觉的机器人视觉标定方法、控制系统及装置 | |
CN112958960A (zh) | 一种基于光学靶标的机器人手眼标定装置 | |
CN114800520B (zh) | 高精度的手眼标定方法 | |
US11577400B2 (en) | Method and apparatus for managing robot system | |
CN112935562A (zh) | 基于旁轴离线测量的激光精密加工方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |