CN115810052A - 相机的标定方法、装置、电子设备及存储介质 - Google Patents
相机的标定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115810052A CN115810052A CN202111083399.0A CN202111083399A CN115810052A CN 115810052 A CN115810052 A CN 115810052A CN 202111083399 A CN202111083399 A CN 202111083399A CN 115810052 A CN115810052 A CN 115810052A
- Authority
- CN
- China
- Prior art keywords
- camera
- coordinate system
- position coordinates
- position points
- determining
- 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 57
- 239000011159 matrix material Substances 0.000 claims abstract description 97
- 238000005259 measurement Methods 0.000 claims abstract description 42
- 238000005192 partition Methods 0.000 claims description 55
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 13
- 238000000638 solvent extraction Methods 0.000 claims description 10
- 230000036544 posture Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 23
- 238000004364 calculation method Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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)
- 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
本发明提供了一种相机的标定方法、装置、电子设备及可读存储介质,其中,该相机的标定方法包括:获取多个位置点在相机坐标系下的测量位置坐标;确定相机在机器人坐标系下的初始位姿;进而根据多个位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵。该相机的标定方法可以同时确定相机的外参以及针对相机内参的补偿矩阵,从而可以根据补偿矩阵对相机坐标系下的位置点的位置坐标进行补偿,得到更为准确的位置坐标,进而有效提升3D相机拍摄的3D点云图像的精度。
Description
技术领域
本发明涉及工业相机技术领域,特别是涉及一种相机的标定方法、装置、电子设备及存储介质。
背景技术
随着机器人技术的发展,越来越多的场景中需要使用到机器视觉技术。例如,可以使用机器视觉技术来识别待检测物体,在识别待检测物体之前,可以通过3D相机来采集待检测物体表面多个位置点在相机坐标系下的位置坐标,进一步可以根据物体表面多个位置点在相机坐标系下的位置坐标生成物体的3D点云图像。物体的3D点云图像的准确度将直接影响后续机器人对物体识别的准确度。例如,针对抓取类的机器人,便需要根据待抓取物体的3D点云图像来确定物体的待抓取位置。在具体应用场景中,如采集物体表面的多个位置点在相机坐标系下的位置坐标的过程中,相机的内参和外参(图像测量过程以及机器视觉应用中,为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,必须建立摄像机成像的几何模型,这些几何模型参数就是摄像机参数)将直接影响多个位置点在相机坐标系下的位置坐标的准确度。
现有技术中,3D点云图像的多个位置点是通过相同的相机内参获得的,但是,在对相机进行标定(标定,是摄像头图像在平面上的2D点与摄像头所拍摄的现实场景中的3D点之间转换所需参数的过程)后,由于物体表面距离相机不同深度的位置点的普适性不同,即内参通常不适用整个空间区域内深度不同的位置点,如果按照相同的相机内参得到的3D点云图像,其在预设区间内和区间外的准确度会有不同。因此,如何能够确定相机采集的点云点对应的准确位置坐标,为本申请要解决的技术问题。
发明内容
本发明提供了一种相机的标定方法,用以精准确定相机采集的点云点对应的准确位置坐标,所述相机的标定方法包括:
获取多个位置点在相机坐标系下的测量位置坐标;
确定相机在机器人坐标系下的初始位姿;
根据多个位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵。
具体实施中,所述获取多个位置点在相机坐标系下的测量位置坐标,进一步包括:
获取标定板移动至多个空间位置时,相机采集的多个标定板图像;
根据相机采集的多个标定板图像,获取多个位置点在相机坐标系下的测量位置坐标。
具体实施中,所述确定相机在机器人坐标系下的初始位姿,进一步包括:
在机器人通过法兰带动标定板移动的过程中,获取多个法兰在机器人坐标系下的位姿以及多个标定板在相机坐标系下的位姿;
根据多个法兰在机器人坐标系下的位姿及多个标定板在相机坐标系下的位姿,确定相机在机器人坐标系下的初始位姿。
具体实施中,所述根据多个位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵,进一步包括:
在相机坐标系下根据空间区域的不同,将多个位置点划分为多组位置点;
根据各组位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵。
具体实施中,所述在相机坐标系下根据空间区域的不同,将多个位置点划分为多组位置点,进一步包括:
在相机坐标系下将空间根据高度的不同划分为多个分层,各分层内划分有多个分区;
根据多个位置点在相机坐标系下的位置坐标,将处于同一分层内同一分区的位置点划分为一组位置点。
具体实施中,在确定针对相机的补偿矩阵后,进一步包括:
获取相机采集的物体表面位置点在相机坐标系下的位置坐标;
根据补偿矩阵对物体表面位置点在相机坐标系下的位置坐标进行校准,得到补偿后的准确位置坐标。
具体实施中,所述根据补偿矩阵对物体表面位置点在相机坐标系下的位置坐标进行校准,得到补偿后的准确位置坐标,进一步包括:
根据物体表面位置点在相机坐标系下的位置坐标和相机的内参,确定物体表面位置点所处的分层和分区;
根据与物体表面位置点所处的分层和分区对应的补偿矩阵,对物体表面位置点在相机坐标系下的位置坐标进行补偿,得到补偿后的准确位置坐标。
具体实施中,所述根据物体表面位置点在相机坐标系下的位置坐标和相机的内参,确定物体表面位置点所处的分层和分区,进一步包括:
根据物体表面位置点在相机坐标系下的z轴坐标,确定物体表面位置点所处的分层;
根据物体表面位置点在相机坐标系下的x轴坐标及y轴坐标及相机的内参,确定物体表面位置点对应的像素坐标;
根据物体表面位置点对应的像素坐标确定物体表面位置点所处的分区。
具体实施中,所述根据与物体表面位置点所处的分层和分区对应的补偿矩阵,对物体表面位置点在相机坐标系下的位置坐标进行校准,进一步包括:
在物体表面位置点处于跨分层和/或跨分区时,根据物体表面位置点与所跨分层和/或分区之间的距离确定各所跨分层和/或分区的权重;
根据各所跨分层和/或分区的补偿矩阵分别对物体表面位置点在相机坐标系下的位置坐标进行补偿,得到物体表面位置点的多个补偿位置坐标;
根据各所跨分层和/或分区的权重对物体表面位置点的多个补偿位置坐标进行加权求和,获得加权求和后的补偿位置坐标。
具体实施中,所述根据各组位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵,进一步包括:
根据相机在机器人坐标系下的初始位姿确定各组位置点在相机坐标系下的初始理论位置坐标;
拟合各组位置点在相机坐标系下的测量位置坐标和初始理论位置坐标,确定针对相机的初始补偿矩阵;
获取多个相机在机器人坐标系下调整后的位姿并确定多个各组位置点在相机调整后的理论位置坐标;
根据多个相机在机器人坐标系下调整后返回的当前位姿、多个各组位置点在相机坐标系下的测量位置坐及在相机调整后的当前位置坐标调整初始补偿矩阵,直至各组位置点在相机坐标系下的测量位置坐标和当前理论位置坐标之间误差的欧式距离小于预设阈值和/或调整达到预设次数,将当前补偿矩阵作为针对相机的补偿矩阵。
具体实施中,所述根据相机在机器人坐标系下的当前位姿,确定各组位置点在相机坐标系下的当前理论位置坐标,进一步包括:
获取与各组位置点相对应的法兰在机器人坐标系下的位姿及标定板在相机坐标系下的位姿;
根据相机在机器人坐标系下的初始位姿、法兰在机器人坐标系下的位姿以及标定板在相机坐标系下的位姿,确定标定板相对于法兰的位姿;
根据各组位置点在标定板坐标系下的位置坐标、标定板相对于法兰的位姿及法兰在机器人坐标系下的位姿,确定各组位置点在机器人坐标系下的的位置坐标;
根据各组位置点在机器人坐标系下的的位置坐标及相机在机器人坐标系下的初始位姿,确定各组位置点在相机坐标系下的初始理论位置坐标。
本发明还提供了一种相机的标定方法装置,其特征在于,所述相机的标定装置包括:
坐标获取模块,获取多个位置点在相机坐标系下的测量位置坐标;
外参确定模块,用于确定相机在机器人坐标系下的初始位姿;
补偿矩阵确定模块,用于根据多个位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵。
具体实施中,所述坐标获取模块进一步包括:
图像采集子模块,用于获取标定板移动至多个空间位置时,相机采集的多个标定板图像;
坐标计算子模块,用于根据相机采集的多个标定板图像,获取多个位置点在相机坐标系下的测量位置坐标。
具体实施中,所述外参确定模块进一步包括:
法兰坐标采集子模块,用于在机器人通过法兰带动标定板移动的过程中,获取多个法兰在机器人坐标系下的位姿以及多个标定板在相机坐标系下的位姿;
外参计算子模块,用于根据多个法兰在机器人坐标系下的位姿及多个标定板在相机坐标系下的位姿,确定相机在机器人坐标系下的初始位姿。
具体实施中,所述补偿矩阵确定模块进一步包括:
坐标分组子模块,用于在相机坐标系下根据空间区域的不同,将多个位置点划分为多组位置点;
补偿矩阵求取子模块,用于根据各组位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵。
具体实施中,所述坐标分组子模块进一步包括:
空间分割子模块,用于在相机坐标系下将空间根据高度的不同划分为多个分层,各分层内划分有多个分区;
分组子模块,用于根据多个位置点在相机坐标系下的位置坐标,将处于同一分层内同一分区的位置点划分为一组位置点。
具体实施中,所述相机的标定装置还包括:
位置点坐标采集模块,用于在确定针对相机的补偿矩阵后,获取相机采集的物体表面位置点在相机坐标系下的位置坐标;
准确位置坐标求取模块,用于根据补偿矩阵对物体表面位置点在相机坐标系下的位置坐标进行校准,得到补偿后的准确位置坐标。
具体实施中,所述准确位置坐标求取模块,进一步包括:
空间区域确定子模块,用于根据物体表面位置点在相机坐标系下的位置坐标和相机的内参,确定物体表面位置点所处的分层和分区;
准确位置坐标获取子模块,用于根据与物体表面位置点所处的分层和分区对应的补偿矩阵,对物体表面位置点在相机坐标系下的位置坐标进行补偿,得到补偿后的准确位置坐标。
具体实施中,所述空间区域确定子模块进一步包括:
分层确定子模块,用于根据物体表面位置点在相机坐标系下的z轴坐标,确定物体表面位置点所处的分层;
像素坐标确定子模块,用于根据物体表面位置点在相机坐标系下的x轴坐标及y轴坐标及相机的内参,确定物体表面位置点对应的像素坐标;
分区确定子模块,用于根据物体表面位置点对应的像素坐标确定物体表面位置点所处的分区。
具体实施中,所述准确位置坐标获取子模块进一步包括:
权重确定子模块,用于在物体表面位置点处于跨分层和/或跨分区时,根据物体表面位置点与所跨分层和/或分区之间的距离确定各所跨分层和/或分区的权重;
补偿子模块,用于根据各所跨分层和/或分区的补偿矩阵分别对物体表面位置点在相机坐标系下的位置坐标进行补偿,得到物体表面位置点的多个补偿位置坐标;
加权求和子模块,用于根据各所跨分层和/或分区的权重对物体表面位置点的多个补偿位置坐标进行加权求和,获得加权求和后的补偿位置坐标。
具体实施中,所述补偿矩阵求取子模块进一步包括:
初始理论位置坐标获取子模块,用于根据相机在机器人坐标系下的初始位姿确定各组位置点在相机坐标系下的初始理论位置坐标;
初始补偿矩阵获取子模块,用于拟合各组位置点在相机坐标系下的测量位置坐标和初始理论位置坐标,确定针对相机的初始补偿矩阵;
调整数据获取子模块,用于获取多个相机在机器人坐标系下调整后的位姿并确定多个各组位置点在相机调整后的理论位置坐标;
矩阵确定子模块,用于根据多个相机在机器人坐标系下调整后返回的当前位姿、多个各组位置点在相机坐标系下的测量位置坐及在相机调整后的当前位置坐标调整初始补偿矩阵,直至各组位置点在相机坐标系下的测量位置坐标和当前理论位置坐标之间误差的欧式距离小于预设阈值和/或调整达到预设次数,将当前补偿矩阵作为针对相机的补偿矩阵。
具体实施中,所述初始理论位置坐标获取子模块进一步包括:
法兰及标定板位姿获取子模块,用于获取与各组位置点相对应的法兰在机器人坐标系下的位姿及标定板在相机坐标系下的位姿;
标定板相对法兰位姿获取子模块,用于根据相机在机器人坐标系下的初始位姿、法兰在机器人坐标系下的位姿以及标定板在相机坐标系下的位姿,确定标定板相对于法兰的位姿;
位置点相对机器人坐标获取子模块,用于根据各组位置点在标定板坐标系下的位置坐标、标定板相对于法兰的位姿及法兰在机器人坐标系下的位姿,确定各组位置点在机器人坐标系下的的位置坐标;
初始理论位置坐标确定子模块,用于根据各组位置点在机器人坐标系下的的位置坐标及相机在机器人坐标系下的初始位姿,确定各组位置点在相机坐标系下的初始理论位置坐标。
本发明还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述相机的标定方法。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有执行所述相机的标定方法的计算机程序。
本发明提供的相机的标定方法、装置、电子设备及可读存储介质,其中,该方法包括:获取多个位置点在相机坐标系下的测量位置坐标;确定相机在机器人坐标系下的初始位姿;进而根据多个位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵。该相机的标定方法可以同时确定相机的外参以及针对相机内参的补偿矩阵,从而可以根据补偿矩阵对相机坐标系下的位置点的位置坐标进行补偿,得到更为准确的位置坐标,进而有效提升3D相机拍摄的3D点云图像的精度。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述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具体实施方式,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。在附图中:
图1是根据本发明一个具体实施方式中相机的标定方法的流程示意图;
图2是根据本发明一个具体实施方式中获取多个位置点在相机坐标系下的位置坐标的流程示意图;
图3是根据本发明一个具体实施方式中确定相机在机器人坐标系下的初始位置坐标的流程示意图;
图4是根据本发明一个具体实施方式中确定针对相机的补偿矩阵的流程示意图;
图5是根据本发明一个具体实施方式中位置点分组的流程示意图;
图6是根据本发明一个具体实施方式中得到补偿后的准确位置坐标的流程示意图;
图7是根据本发明一个具体实施方式中确定物体表面位置点所处的分层和分区的具体流程示意图;
图8是根据本发明一个具体实施方式中补偿跨分层和/或跨分区位置点的流程示意图;
图9是根据本发明一个具体实施方式中确定针对相机的补偿矩阵的具体流程示意图;
图10是根据本发明一个具体实施方式中确定各组位置点在相机坐标系下的初始理论位置坐标的具体流程示意图;
图11是根据本发明一个具体实施方式中相机的标定装置的结构示意图;
图12是根据本发明一个具体实施方式中坐标获取模块的结构示意图;
图13是根据本发明一个具体实施方式中外参确定模块的结构示意图;
图14是根据本发明一个具体实施方式中补偿矩阵确定模块的结构示意图;
图15是根据本发明一个具体实施方式中坐标分组子模块的结构示意图;
图16是根据本发明一个具体实施方式中准确位置坐标求取模块的结构示意图;
图17是根据本发明一个具体实施方式中空间区域确定子模块的结构示意图;
图18是根据本发明一个具体实施方式中准确位置坐标获取子模块的结构示意图;
图19是根据本发明一个具体实施方式中补偿矩阵求取子模块的结构示意图;
图20是根据本发明一个具体实施方式中初始理论位置坐标获取子模块的结构示意图;
图21是根据本发明一个具体实施方式中相机标定系统的结构示意图;
图22是根据本发明一个具体实施方式中空间区域切分的原理示意图。
具体实施方式
为使本发明具体实施方式的目的、技术方案和优点更加清楚明白,下面结合附图对本发明具体实施方式做进一步详细说明。在此,本发明的示意性具体实施方式及其说明用于解释本发明,但并不作为对本发明的限定。
在标定工作开展之前,可以搭建一用于相机标定的系统,该系统可以包括相机、具有机械臂的机器人及标定板(标定板,Calibration Target,在机器视觉、图像测量、摄影测量、三维重建等应用中,可以用于校正镜头畸变等),其中,该标定板连接于机械臂前端的法兰,进而可以在机械臂的带动下随机械臂移动以改变位置,如图21所示,机器人的机械臂前端可以通过法兰固定标定板,相机则可以固定在预设位置,此外,相机在机器人坐标系下的初始位置坐标为未知量。进一步的,相机位置的设置在实施中可以有多种方案。例如,相机可以固定在机器人外部的支架上,也可以固定在机器人上,进而跟随机器臂进行位置变化,本申请中以相机固定在机器人外部的支架上为例进行说明。
如图1所示,本发明提供了一种相机的标定方法,用以精准确定相机采集的点云点对应的准确位置坐标,所述相机的标定方法包括:
步骤101:获取多个位置点在相机坐标系下的测量位置坐标;
步骤102:确定相机在机器人坐标系下的初始位姿;
步骤103:根据多个位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵。
补偿矩阵中包含对相机内参的补偿以及对外参的补偿,相机的内参和外参都会影响相机采集的位置点的位置坐标的准确度,这里可以理解为补偿矩阵会补偿内参和外参偏差引发的误差。
具体实施中,所述步骤101:所述获取多个位置点在相机坐标系下的测量位置坐标,可以有多种实施方案。例如,如图2所示,所述步骤101:获取多个位置点在相机坐标系下的测量位置坐标可以进一步包括:
步骤201:获取标定板移动至多个空间位置时,相机采集的多个标定板图像;
步骤202:根据相机采集的多个标定板图像,获取多个位置点在相机坐标系下的测量位置坐标。
具体实施中,可以通过调整机器人机械臂来改变标定板的位置,实施中,可以获取每次调整机械臂时,机械臂前端的法兰在机器人坐标系下的位姿,该位姿为已知量,其可以通过机器人上的传感器来测量确定;同时,在机器人的机械臂每次调整标定板的位姿后,可以通过相机采集标定板上的位置点在相机坐标系下的测量位置坐标。
具体实施中,确定相机在机器人坐标系下的初始位姿在实施中可以有多种方案,例如,如图3所示,可以多次采集法兰在机器人坐标系下的位姿以及标定板在相机坐标系下的位姿,进而根据,所述步骤102:确定相机在机器人坐标系下的初始位姿,可以进一步包括:
步骤301:在机器人通过法兰带动标定板移动的过程中,获取多个法兰在机器人坐标系下的位姿以及多个标定板在相机坐标系下的位姿;
步骤302:根据多个法兰在机器人坐标系下的位姿及多个标定板在相机坐标系下的位姿,确定相机在机器人坐标系下的初始位姿。
进一步的,所述步骤302:根据多个法兰在机器人坐标系下的位姿及多个标定板在相机坐标系下的位姿,确定相机在机器人坐标系下的初始位姿,可以根据如下公式进行计算:
其中,表示相机在机器人坐标系下的初始位姿;表示法兰在机器人坐标系下的位姿;表示标定板相对于法兰的位姿;表示位置点在相机坐标系下的测量位置坐标。可以理解的是,由于在机械臂通过法兰带动标定板移动的过程中,标定板相对于法兰的位姿不会改变,即不变,因此可以根据上述公式来求取相机在机器人坐标系下的初始位姿。
具体实施中,所述步骤103:所述根据多个位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵,有多种实施方案,例如,如图4所示,可以进一步包括:
步骤401:在相机坐标系下根据空间区域的不同,将多个位置点划分为多组位置点;
步骤402:根据各组位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵。
在相机坐标系下将位置点根据空间区域进行划分,可以使得不同空间深度及区域均具有对应的补偿矩阵,从而提升相机坐标系下位置点坐标的准确度。
具体实施中,可以根据相机在机器人坐标系下的初始位姿、位置点在相机坐标系下的测量位置坐标及法兰在机器人坐标系下的位姿确定标定板相对于机器人法兰的位姿,进一步的,再根据标定板中各位置点在标定板坐标系下的位置坐标以及法兰在机器人坐标系下的位姿,可以确定多个位置点在相机坐标系中的理论位置坐标其中,表示标定板上的多个点在相机坐标系下的理论位置坐标构成的矩阵,即n个位置点对应的理论坐标可以表示为:
具体实施中,将多个位置点划分为多组位置点,可以有多种实施方案。例如,如图22所示,在相机坐标系下按照空间中不同切分区域对多个位置点进行划分,具体可以按照高度分成多个分层,然后对每个分层按照设定的区域划分为多个分区,得到多组位置点。具体的,如图5所示,所述步骤401:在相机坐标系下根据空间区域的不同,将多个位置点划分为多组位置点,可以进一步包括:
步骤501:在相机坐标系下将空间根据高度的不同划分为多个分层,各分层内划分有多个分区;
步骤502:根据多个位置点在相机坐标系下的位置坐标,将处于同一分层内同一分区的位置点划分为一组位置点。
具体实施中,在获得补偿矩阵之后,还可以根据补偿矩阵对相机坐标系下的位置点的位置坐标进行补偿,从而得到准确的位置坐标。如图1所示,在步骤103:根据多个位置点在相机坐标系下的位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵后,可以进一步包括:
步骤104:获取相机采集的物体表面位置点在相机坐标系下的位置坐标;
步骤105:根据补偿矩阵对物体表面位置点在相机坐标系下的位置坐标进行校准,得到补偿后的准确位置坐标。
具体实施中,在获得补偿矩阵之后,还可以通过补偿矩阵对相机的位置坐标进行补偿,因而可以降低对相机拍摄的位置点的初始位置坐标的准确度的要求,进而降低对相机的精度要求。
具体实施中,所述步骤105:根据补偿矩阵对物体表面位置点在相机坐标系下的位置坐标进行校准,得到补偿后的准确位置坐标,可以有多种实施方案,例如,如图6所示,可以进一步包括:
步骤601:根据物体表面位置点在相机坐标系下的位置坐标和相机的内参,确定物体表面位置点所处的分层和分区;
步骤602:根据与物体表面位置点所处的分层和分区对应的补偿矩阵,对物体表面位置点在相机坐标系下的位置坐标进行补偿,得到补偿后的准确位置坐标。
具体实施中,所述步骤601:根据物体表面位置点在相机坐标系下的位置坐标和相机的内参,确定物体表面位置点所处的分层和分区,可以有多种实施方案,例如,可以分别提取物体表面位置点在相机坐标系下位置坐标的z轴坐标、x轴坐标及y轴坐标,进而确定位置点的分区和分层,具体的,如图7所示,可以按如下步骤确定物体表面位置点所处的分层和分区:
步骤701:根据物体表面位置点在相机坐标系下的z轴坐标,确定物体表面位置点所处的分层;
步骤702:根据物体表面位置点在相机坐标系下的x轴坐标及y轴坐标及相机的内参,确定物体表面位置点对应的像素坐标;
步骤703:根据物体表面位置点对应的像素坐标确定物体表面位置点所处的分区。
具体实施中,所述步骤602:根据与物体表面位置点所处的分层和分区对应的补偿矩阵,对物体表面位置点在相机坐标系下的位置坐标进行补偿,得到补偿后的准确位置坐标,可以有多种实施方案。例如,由于位置点在实际当中有可能在各分层或是分区之间,不完全属于任意分层或是分区,因此,为了提升这种跨分层或是分区的位置点的补偿精度,对物体表面位置点在相机坐标系下的位置坐标进行补偿时,如图8所示,可以进一步包括:
步骤801:在物体表面位置点处于跨分层和/或跨分区时,根据物体表面位置点与所跨分层和/或分区之间的距离确定各所跨分层和/或分区的权重;
步骤802:根据各所跨分层和/或分区的补偿矩阵分别对物体表面位置点在相机坐标系下的位置坐标进行补偿,得到物体表面位置点的多个补偿位置坐标;
步骤803:根据各所跨分层和/或分区的权重对物体表面位置点的多个补偿位置坐标进行加权求和,获得加权求和后的补偿位置坐标。
具体的,在位置点属于同分层的不同分区的情况下,根据位置点与不同分区之间的距离,按照位置点与不同分区之间的距离对应的权重,对位置点的补偿结果进行加权求和,得到位置点对应的加权求和后的补偿位置坐标。在位置点属于不同分层的情况下,根据位置点与不同分层之间的距离,按照位置点与不同分层之间的距离对应的权重,对位置点的补偿结果进行加权求和,得到位置点对应的加权求和后的补偿位置坐标。在位置点既属于不同分层,且属于不同分区的情况下,根据位置点与不同分层之间的距离,以及该位置点与不同分区之间的距离,对位置点的补偿结果进行加权求和,得到位置点对应的加权求和后的补偿位置坐标。因此,通过对位于边界区域的位置点的补偿结果进行加权求和,能够提高得到的边界位置点的坐标位置的准确度。
具体实施中,所述步骤402:根据各组位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵,如图9所示,可以进一步包括:
901:根据相机在机器人坐标系下的初始位姿确定各组位置点在相机坐标系下的初始理论位置坐标;
902:拟合各组位置点在相机坐标系下的测量位置坐标和初始理论位置坐标,确定针对相机的初始补偿矩阵;
903:获取多个相机在机器人坐标系下调整后的位姿并确定多个各组位置点在相机调整后的理论位置坐标;
904:根据多个相机在机器人坐标系下调整后返回的当前位姿、多个各组位置点在相机坐标系下的测量位置坐及在相机调整后的当前位置坐标调整初始补偿矩阵,直至各组位置点在相机坐标系下的测量位置坐标和当前理论位置坐标之间误差的欧式距离小于预设阈值和/或调整达到预设次数,将当前补偿矩阵作为针对相机的补偿矩阵。
进一步的,步骤902:拟合各组位置点在相机坐标系下的测量位置坐标和初始理论位置坐标,确定针对相机的初始补偿矩阵时,可以有多种实施方案,例如,可以通过最小二乘法进行拟合。
具体实施中,所述步骤402:根据各组位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵,可以根据如下公式进行计算:
具体实施中,根据多组位置点分别对应的测量位置坐标和理论位置坐标,以及误差公式多次调整相机在机器人坐标系下的位姿,即使得(欧式距离)最小,即可以得到针对相机的补偿矩阵M,其中补偿矩阵包含针对每层中的每个位置区域所对应位置的补偿量;其中,可以通过相机直接拍摄得到。
具体实施中,所述步骤901:根据相机在机器人坐标系下的初始位姿确定各组位置点在相机坐标系下的初始理论位置坐标,可以有多种实施方案。例如,可以通过寻求各组位置点与相机坐标系之间的中间媒介,从而将标定板中的位置点导入相机坐标系之中,进而确定各组位置点在相机坐标系下的当前理论位置坐标,即如图10所示,所述步骤901:根据相机在机器人坐标系下的初始位姿确定各组位置点在相机坐标系下的初始理论位置坐标,可以进一步包括:
1001:获取与各组位置点相对应的法兰在机器人坐标系下的位姿及标定板在相机坐标系下的位姿;
1002:根据相机在机器人坐标系下的初始位姿、法兰在机器人坐标系下的位姿以及标定板在相机坐标系下的位姿,确定标定板相对于法兰的位姿;
1003:根据各组位置点在标定板坐标系下的位置坐标、标定板相对于法兰的位姿及法兰在机器人坐标系下的位姿,确定各组位置点在机器人坐标系下的的位置坐标;
1004:根据各组位置点在机器人坐标系下的的位置坐标及相机在机器人坐标系下的初始位姿,确定各组位置点在相机坐标系下的初始理论位置坐标。
具体实施中,所述步骤105:根据补偿矩阵对物体表面位置点在相机坐标系下的位置坐标进行校准,得到补偿后的准确位置坐标,可以有多种实施方案,例如,可以根据如下公式进行计算:
M·A=A’
其中,M表示补偿矩阵;A表示物体表面位置点在相机坐标系下的位置坐标;A’表示补偿后的物体表面位置点在相机坐标系下的位置坐标;进一步的,将A’进行归一化处理后,便可以获得的准确位置点坐标I。
如图11所示,本发明还提供了一种相机的标定方法装置,其特征在于,所述相机的标定装置包括:
坐标获取模块1101,获取多个位置点在相机坐标系下的测量位置坐标;
外参确定模块1102,用于确定相机在机器人坐标系下的初始位姿;
补偿矩阵确定模块1103,用于根据多个位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵。
具体实施中,如图12所示,所述坐标获取模块1101进一步包括:
图像采集子模块1201,用于获取标定板移动至多个空间位置时,相机采集的多个标定板图像;
坐标计算子模块1202,用于根据相机采集的多个标定板图像,获取多个位置点在相机坐标系下的测量位置坐标。
具体实施中,如图13所示,所述外参确定模块1102进一步包括:
法兰坐标采集子模块1301,用于在机器人通过法兰带动标定板移动的过程中,获取多个法兰在机器人坐标系下的位姿以及多个标定板在相机坐标系下的位姿;
外参计算子模块1301,用于根据多个法兰在机器人坐标系下的位姿及多个标定板在相机坐标系下的位姿,确定相机在机器人坐标系下的初始位姿。
具体实施中,如图14所示,所述补偿矩阵确定模块1103进一步包括:
坐标分组子模块1401,用于在相机坐标系下根据空间区域的不同,将多个位置点划分为多组位置点;
补偿矩阵求取子模块1402,用于根据各组位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵。
具体实施中,如图15所示,所述坐标分组子模块1401进一步包括:
空间分割子模块1501,用于在相机坐标系下将空间根据高度的不同划分为多个分层,各分层内划分有多个分区;
分组子模块1502,用于根据多个位置点在相机坐标系下的位置坐标,将处于同一分层内同一分区的位置点划分为一组位置点。
具体实施中,所述相机的标定装置还包括:
位置点坐标采集模块1104,用于在确定针对相机的补偿矩阵后,获取相机采集的物体表面位置点在相机坐标系下的位置坐标;
准确位置坐标求取模块1105,用于根据补偿矩阵对物体表面位置点在相机坐标系下的位置坐标进行校准,得到补偿后的准确位置坐标。
具体实施中,如图16所示,所述准确位置坐标求取模块1105进一步包括:
空间区域确定子模块1601,用于根据物体表面位置点在相机坐标系下的位置坐标和相机的内参,确定物体表面位置点所处的分层和分区;
准确位置坐标获取子模块1602,用于根据与物体表面位置点所处的分层和分区对应的补偿矩阵,对物体表面位置点在相机坐标系下的位置坐标进行补偿,得到补偿后的准确位置坐标。
具体实施中,如图17所示,所述空间区域确定子模块1601进一步包括:
分层确定子模块1701,用于根据物体表面位置点在相机坐标系下的z轴坐标,确定物体表面位置点所处的分层;
像素坐标确定子模块1702,用于根据物体表面位置点在相机坐标系下的x轴坐标及y轴坐标及相机的内参,确定物体表面位置点对应的像素坐标;
分区确定子模块1703,用于根据物体表面位置点对应的像素坐标确定物体表面位置点所处的分区。
具体实施中,如图18所示,所述准确位置坐标获取子模块1602进一步包括:
权重确定子模块1801,用于在物体表面位置点处于跨分层和/或跨分区时,根据物体表面位置点与所跨分层和/或分区之间的距离确定各所跨分层和/或分区的权重;
补偿子模块1802,用于根据各所跨分层和/或分区的补偿矩阵分别对物体表面位置点在相机坐标系下的位置坐标进行补偿,得到物体表面位置点的多个补偿位置坐标;
加权求和子模块1803,用于根据各所跨分层和/或分区的权重对物体表面位置点的多个补偿位置坐标进行加权求和,获得加权求和后的补偿位置坐标。
具体实施中,如图19所示,所述补偿矩阵求取子模块1402进一步包括:
初始理论位置坐标获取子模块1901,用于根据相机在机器人坐标系下的初始位姿确定各组位置点在相机坐标系下的初始理论位置坐标;
初始补偿矩阵获取子模块1902,用于拟合各组位置点在相机坐标系下的测量位置坐标和初始理论位置坐标,确定针对相机的初始补偿矩阵;
调整数据获取子模块1903,用于获取多个相机在机器人坐标系下调整后的位姿并确定多个各组位置点在相机调整后的理论位置坐标;
矩阵确定子模块1904,用于根据多个相机在机器人坐标系下调整后返回的当前位姿、多个各组位置点在相机坐标系下的测量位置坐及在相机调整后的当前位置坐标调整初始补偿矩阵,直至各组位置点在相机坐标系下的测量位置坐标和当前理论位置坐标之间误差的欧式距离小于预设阈值和/或调整达到预设次数,将当前补偿矩阵作为针对相机的补偿矩阵。
具体实施中,如图20所示,所述初始理论位置坐标获取子模块1901进一步包括:
法兰及标定板位姿获取子模块2001,用于获取与各组位置点相对应的法兰在机器人坐标系下的位姿及标定板在相机坐标系下的位姿;
标定板相对法兰位姿获取子模块2002,用于根据相机在机器人坐标系下的初始位姿、法兰在机器人坐标系下的位姿以及标定板在相机坐标系下的位姿,确定标定板相对于法兰的位姿;
位置点相对机器人坐标获取子模块2003,用于根据各组位置点在标定板坐标系下的位置坐标、标定板相对于法兰的位姿及法兰在机器人坐标系下的位姿,确定各组位置点在机器人坐标系下的的位置坐标;
初始理论位置坐标确定子模块2004,用于根据各组位置点在机器人坐标系下的的位置坐标及相机在机器人坐标系下的初始位姿,确定各组位置点在相机坐标系下的初始理论位置坐标。
本发明还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述相机的标定方法。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有执行所述相机的标定方法的计算机程序。
综上所述,本发明提供的相机的标定方法、装置、电子设备及可读存储介质,其中,该方法包括:获取多个位置点在相机坐标系下的测量位置坐标;确定相机在机器人坐标系下的初始位姿;进而根据多个位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵。该相机的标定方法可以同时确定相机的外参以及针对相机内参的补偿矩阵,从而可以根据补偿矩阵对相机坐标系下的位置点的位置坐标进行补偿,得到更为准确的位置坐标,进而有效提升3D相机拍摄的3D点云图像的精度。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种相机的标定方法,其特征在于,所述标定方法包括:
获取多个位置点在相机坐标系下的测量位置坐标;
确定相机在机器人坐标系下的初始位姿;
根据多个位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵。
2.如权利要求1所述的标定方法,其特征在于,所述获取多个位置点在相机坐标系下的测量位置坐标,进一步包括:
获取标定板移动至多个空间位置时,相机采集的多个标定板图像;
根据相机采集的多个标定板图像,获取多个位置点在相机坐标系下的测量位置坐标。
3.如权利要求1所述的标定方法,其特征在于,所述确定相机在机器人坐标系下的初始位姿,进一步包括:
在机器人通过法兰带动标定板移动的过程中,获取多个法兰在机器人坐标系下的位姿以及多个标定板在相机坐标系下的位姿;
根据多个法兰在机器人坐标系下的位姿及多个标定板在相机坐标系下的位姿,确定相机在机器人坐标系下的初始位姿。
4.如权利要求1所述的标定方法,其特征在于,所述根据多个位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵,进一步包括:
在相机坐标系下根据空间区域的不同,将多个位置点划分为多组位置点;
根据各组位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵。
5.如权利要求4所述的标定方法,其特征在于,所述在相机坐标系下根据空间区域的不同,将多个位置点划分为多组位置点,进一步包括:
在相机坐标系下将空间根据高度的不同划分为多个分层,各分层内划分有多个分区;
根据多个位置点在相机坐标系下的位置坐标,将处于同一分层内同一分区的位置点划分为一组位置点。
6.如权利要求1所述的标定方法,其特征在于,在确定针对相机的补偿矩阵后,进一步包括:
获取相机采集的物体表面位置点在相机坐标系下的位置坐标;
根据补偿矩阵对物体表面位置点在相机坐标系下的位置坐标进行校准,得到补偿后的准确位置坐标。
7.如权利要求6所述的标定方法,其特征在于,所述根据补偿矩阵对物体表面位置点在相机坐标系下的位置坐标进行校准,得到补偿后的准确位置坐标,进一步包括:
根据物体表面位置点在相机坐标系下的位置坐标和相机的内参,确定物体表面位置点所处的分层和分区;
根据与物体表面位置点所处的分层和分区对应的补偿矩阵,对物体表面位置点在相机坐标系下的位置坐标进行补偿,得到补偿后的准确位置坐标。
8.如权利要求7所述的标定方法,其特征在于,所述根据物体表面位置点在相机坐标系下的位置坐标和相机的内参,确定物体表面位置点所处的分层和分区,进一步包括:
根据物体表面位置点在相机坐标系下的z轴坐标,确定物体表面位置点所处的分层;
根据物体表面位置点在相机坐标系下的x轴坐标及y轴坐标及相机的内参,确定物体表面位置点对应的像素坐标;
根据物体表面位置点对应的像素坐标确定物体表面位置点所处的分区。
9.如权利要求7所述的标定方法,其特征在于,根据与物体表面位置点所处的分层和分区对应的补偿矩阵,对物体表面位置点在相机坐标系下的位置坐标进行补偿,得到补偿后的准确位置坐标,进一步包括:
在物体表面位置点处于跨分层和/或跨分区时,根据物体表面位置点与所跨分层和/或分区之间的距离确定各所跨分层和/或分区的权重;
根据各所跨分层和/或分区的补偿矩阵分别对物体表面位置点在相机坐标系下的位置坐标进行补偿,得到物体表面位置点的多个补偿位置坐标;
根据各所跨分层和/或分区的权重对物体表面位置点的多个补偿位置坐标进行加权求和,获得加权求和后的补偿位置坐标。
10.如权利要求4所述的标定方法,其特征在于,所述根据各组位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵,进一步包括:
根据相机在机器人坐标系下的初始位姿确定各组位置点在相机坐标系下的初始理论位置坐标;
拟合各组位置点在相机坐标系下的测量位置坐标和初始理论位置坐标,确定针对相机的初始补偿矩阵;
获取多个相机在机器人坐标系下调整后的位姿并确定多个各组位置点在相机调整后的理论位置坐标;
根据多个相机在机器人坐标系下调整后返回的当前位姿、多个各组位置点在相机坐标系下的测量位置坐及在相机调整后的当前位置坐标调整初始补偿矩阵,直至各组位置点在相机坐标系下的测量位置坐标和当前理论位置坐标之间误差的欧式距离小于预设阈值和/或调整达到预设次数,将当前补偿矩阵作为针对相机的补偿矩阵。
11.如权利要求10所述的标定方法,其特征在于,根据相机在机器人坐标系下的初始位姿确定各组位置点在相机坐标系下的初始理论位置坐标,进一步包括:
获取与各组位置点相对应的法兰在机器人坐标系下的位姿及标定板在相机坐标系下的位姿;
根据相机在机器人坐标系下的初始位姿、法兰在机器人坐标系下的位姿以及标定板在相机坐标系下的位姿,确定标定板相对于法兰的位姿;
根据各组位置点在标定板坐标系下的位置坐标、标定板相对于法兰的位姿及法兰在机器人坐标系下的位姿,确定各组位置点在机器人坐标系下的的位置坐标;
根据各组位置点在机器人坐标系下的的位置坐标及相机在机器人坐标系下的初始位姿,确定各组位置点在相机坐标系下的初始理论位置坐标。
12.一种相机的标定方法装置,其特征在于,所述相机的标定装置包括:
坐标获取模块,获取多个位置点在相机坐标系下的测量位置坐标;
外参确定模块,用于确定相机在机器人坐标系下的初始位姿;
补偿矩阵确定模块,用于根据多个位置点在相机坐标系下的测量位置坐标及相机在机器人坐标系下的初始位姿,确定针对相机的补偿矩阵。
13.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,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11任一所述相机的标定方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至11任一所述相机的标定方法的计算机程序。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111083399.0A CN115810052A (zh) | 2021-09-16 | 2021-09-16 | 相机的标定方法、装置、电子设备及存储介质 |
PCT/CN2021/138574 WO2023040095A1 (zh) | 2021-09-16 | 2021-12-15 | 相机的标定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111083399.0A CN115810052A (zh) | 2021-09-16 | 2021-09-16 | 相机的标定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115810052A true CN115810052A (zh) | 2023-03-17 |
Family
ID=85482008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111083399.0A Pending CN115810052A (zh) | 2021-09-16 | 2021-09-16 | 相机的标定方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115810052A (zh) |
WO (1) | WO2023040095A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024109403A1 (zh) * | 2022-11-24 | 2024-05-30 | 梅卡曼德(北京)机器人科技有限公司 | 3d相机标定方法、点云图像获取方法及相机标定系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010031248A1 (de) * | 2010-07-12 | 2012-01-12 | Kuka Roboter Gmbh | Verfahren zum Vermessen eines Roboterarms eines Industrieroboters |
JP7035657B2 (ja) * | 2018-03-15 | 2022-03-15 | セイコーエプソン株式会社 | ロボットの制御装置、ロボット、ロボットシステム、並びに、カメラの校正方法 |
CN110276806B (zh) * | 2019-05-27 | 2023-06-09 | 江苏大学 | 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 |
CN111136656B (zh) * | 2019-12-24 | 2020-12-08 | 上海智殷自动化科技有限公司 | 一种用于机器人三维不规则物体自动识别及抓取的方法 |
CN111660295B (zh) * | 2020-05-28 | 2023-01-03 | 中国科学院宁波材料技术与工程研究所 | 工业机器人绝对精度标定系统及标定方法 |
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 |
CN112847341B (zh) * | 2020-12-25 | 2024-02-02 | 中国科学院宁波材料技术与工程研究所 | 工业机器人分步式标定系统及方法 |
-
2021
- 2021-09-16 CN CN202111083399.0A patent/CN115810052A/zh active Pending
- 2021-12-15 WO PCT/CN2021/138574 patent/WO2023040095A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024109403A1 (zh) * | 2022-11-24 | 2024-05-30 | 梅卡曼德(北京)机器人科技有限公司 | 3d相机标定方法、点云图像获取方法及相机标定系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2023040095A1 (zh) | 2023-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111982072B (zh) | 一种基于单目视觉的目标测距方法 | |
CN109405765B (zh) | 一种基于散斑结构光的高精度深度计算方法及系统 | |
JP5999615B2 (ja) | カメラ較正情報生成装置、カメラ較正情報生成方法およびカメラ較正情報生成プログラム | |
CN109297436B (zh) | 双目线激光立体测量基准标定方法 | |
CN111192235B (zh) | 一种基于单目视觉模型和透视变换的图像测量方法 | |
US10499038B2 (en) | Method and system for recalibrating sensing devices without familiar targets | |
CN112184811B (zh) | 单目空间结构光系统结构校准方法及装置 | |
CN111563921A (zh) | 一种基于双目相机的水下点云获取方法 | |
CN113034612B (zh) | 一种标定装置、方法及深度相机 | |
CN111899305A (zh) | 一种相机自动标定优化方法及相关系统、设备 | |
US20220230348A1 (en) | Method and apparatus for determining a three-dimensional position and pose of a fiducial marker | |
CN111207670A (zh) | 一种线结构光标定装置及方法 | |
CN113494893A (zh) | 一种三维激光扫描系统的标定方法、装置和计算机设备 | |
CN115457147A (zh) | 相机标定方法、电子设备及存储介质 | |
CN110044266B (zh) | 基于散斑投影的摄影测量系统 | |
CN115810052A (zh) | 相机的标定方法、装置、电子设备及存储介质 | |
CN113822920B (zh) | 结构光相机获取深度信息的方法、电子设备及存储介质 | |
KR102023087B1 (ko) | 카메라 캘리브레이션 방법 | |
WO2024109403A1 (zh) | 3d相机标定方法、点云图像获取方法及相机标定系统 | |
CN113393413B (zh) | 基于单目与双目视觉协同的水域面积测量方法和系统 | |
CN112712566A (zh) | 基于结构参数在线校正的双目立体视觉传感器测量方法 | |
CN109141344A (zh) | 一种基于双目摄像头精准测距的方法及系统 | |
CN112525106A (zh) | 基于三相机协同激光的3d探测方法及装置 | |
CN115014398B (zh) | 单目立体视觉测量系统位置姿态校准方法、装置、系统 | |
CN113012279B (zh) | 一种非接触三维成像测量方法、系统及计算机可读存储介质 |
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 |