CN116152348A - 一种直插元件自动装配系统中的相机标定方法及系统 - Google Patents

一种直插元件自动装配系统中的相机标定方法及系统 Download PDF

Info

Publication number
CN116152348A
CN116152348A CN202211552775.0A CN202211552775A CN116152348A CN 116152348 A CN116152348 A CN 116152348A CN 202211552775 A CN202211552775 A CN 202211552775A CN 116152348 A CN116152348 A CN 116152348A
Authority
CN
China
Prior art keywords
current iteration
camera
iteration times
parameters
automatic assembly
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
Application number
CN202211552775.0A
Other languages
English (en)
Inventor
寇昌
刘建青
杨玉龙
高胜杰
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.)
Dalian Everyday Good Electronic Co ltd
Original Assignee
Dalian Everyday Good Electronic 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 Dalian Everyday Good Electronic Co ltd filed Critical Dalian Everyday Good Electronic Co ltd
Priority to CN202211552775.0A priority Critical patent/CN116152348A/zh
Publication of CN116152348A publication Critical patent/CN116152348A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/80Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/80Geometric correction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/73Determining position or orientation of objects or cameras using feature-based methods
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Studio Devices (AREA)

Abstract

本发明涉及一种直插元件自动装配系统中的相机标定方法及系统,具体涉及相机标定技术领域。所述方法包括:根据标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到直插元件自动装配系统中的相机的内部参数和外部参数;根据内部参数计算相机的畸变参数;根据畸变参数和外部参数,计算实际成像与理论成像的误差根据实际成像与理论成像的误差确定最终标定的内部参数和外部参数。本发明适用于多引脚电子元器件的精准插装自动校正工作,可大幅度提高生产效率和产品质量,彻底代替繁琐、低效的人工操作。

Description

一种直插元件自动装配系统中的相机标定方法及系统
技术领域
本发明涉及相机标定技术领域,特别是涉及一种直插元件自动装配系统中的相机标定方法及系统。
背景技术
随着现代工业生产技术的发展,信息化和智能化技术不断的被融入到工业生产中。在一些传统的工业生产领域中,特别在一些精密机械加工、设备自动化装配领域,以及一些特定的或极端恶劣的生产环境中,对于生产技术发展和改革的需求都被提出。机器人技术正式在这种应用需求中被提出,主要用于替代人工实现一些繁重的作业,或者在一些不合适人工从业的环境中代替人工实现特定操作。
早期的机械人控制系统主要结合运动学、动力学和控制学等学科,实现对机器人的一些基本运动控制操作,通过人为的操作或人工编程来实现对机器人的运动控制,其应用场合主要是用来替代一些高重复而繁重的人工作业。随着现代科学技术的发展,特别是传感技术的发展,机器人被添加各种传感器,可以实现对温度、光照、热度等外部信息的探测和感知,这使得机器人对环境具备一定的探测能力,可根据探测的外部信息做出一些特定的操作。
在工业生产应用的工业机器人,主要通过人工编程的方式来完成对其运动轨迹的规划以实现高精度的控制,这类机器人被称为固定编程式机器人。这类机器人在实际生产作业中的运动轨迹完全被预先设定,对于环境的变化极其敏感,如果在实际的工业作业中周边环境有变化则会造成机器人的运动控制失效,其生产柔性较差。随着图像处理技术和机器视觉技术的发展,可以为机器人添加视觉功能来协助完成机器人的运动轨迹规划,实现机器人运动的实时自动控制而无需人工操作或预先轨迹编程等操作。机器视觉技术给机器人带来极大的灵活性,可以极大的提高机器人的智能化和生产效率。
机器视觉技术的发展,极大的推动了机器人技术在工业生产领域的推广和应用。在目前的装配制造业中,特别是直插元件的装配作业,传统的人工对组件的装配逐渐被工业机器人所替代。将视觉机器人应用于PCB直插元件的装配生产中,利用机器视觉技术和图像处理技术分析装配组件的特征信息,依据特征信息来完成对机器人的运动控制以实现对装配组件的自动装配操作,可以极大的释放传统人工作业的人力和物力,降低直插元件的装配错误率,提高生产效率,但是现有的直插元件装配过程中更多的是采用固定编程式机器人来完成对组件的装配。整个装配系统均需预先设计完备,特别是装配组件的传输带和机器人的位置关系和相对移动速度必须精准规划,若传输带的移动速度出现改变或者装配组件的摆放位置出现差错,则机器人的装配操作会出现失效,这就需要一定的人工引导和实时监控来对错误装配进行监控和校正。但是人工引导和纠正导致生产效率和生产质量不尽人意,所以需要一种可以自动进行装配的方法。
发明内容
本发明的目的是提供一种直插元件自动装配系统中的相机标定方法及系统,适用于多引脚电子元器件的精准插装自动校正工作,可大幅度提高生产效率和产品质量,彻底代替繁琐、低效的人工操作。
为实现上述目的,本发明提供了如下方案:
一种直插元件自动装配系统中的相机标定方法,包括:
在当前迭代次数下,根据当前迭代次数下标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数;
根据所述直插元件自动装配系统中的相机在当前迭代次数下内部参数,计算所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数;
根据所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数和外部参数,计算当前迭代次数下实际成像与理论成像的误差,并更新下次迭代次数下的标定模板图像并进入下次迭代,直到当前迭代次数下实际成像与理论成像的误差达到迭代停止条件,则确定所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数为最终标定的内部参数和外部参数。
可选的,所述根据当前迭代次数下标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数,具体包括:
根据当前迭代次数下标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵;
根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数。
可选的,所述根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数,具体包括:
根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵,得到所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数;
根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵和所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数,得到所述直插元件自动装配系统中的相机在当前迭代次数下的外部参数。
可选的,所述根据所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数和外部参数,计算当前迭代次数下实际成像与理论成像的误差,具体为:
采用最大似然估计法根据所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数和外部参数,计算当前迭代次数下实际成像与理论成像的误差。
一种直插元件自动装配系统中的相机标定系统,包括:
内外参数计算模块,用于在当前迭代次数下,根据当前迭代次数下标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数;
畸变参数计算模块,用于根据所述直插元件自动装配系统中的相机在当前迭代次数下内部参数,计算所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数;
内外参数确定模块,用于根据所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数和外部参数,计算当前迭代次数下实际成像与理论成像的误差,并更新下次迭代次数下的标定模板图像并进入下次迭代,直到当前迭代次数下实际成像与理论成像的误差达到迭代停止条件,则确定所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数为最终标定的内部参数和外部参数。
可选的,所述内外参数计算模块,具体包括:
单应性矩阵计算单元,用于根据当前迭代次数下标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵;
内外参数计算单元,用于根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数。
可选的,所述内外参数计算单元,具体包括:
内部参数计算子单元,用于根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵,得到所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数;
外部参数计算子单元,用于根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵和所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数,得到所述直插元件自动装配系统中的相机在当前迭代次数下的外部参数。
可选的,所述内外参数确定模块,具体包括:
误差计算单元,用于采用最大似然估计法根据所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数和外部参数,计算当前迭代次数下实际成像与理论成像的误差。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明根据标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到直插元件自动装配系统中的相机的内部参数和外部参数;根据内部参数计算相机的畸变参数;根据畸变参数、内部参数和外部参数,计算实际成像与理论成像的误差根据实际成像与理论成像的误差确定最终标定的内部参数和外部参数,适用于多引脚电子元器件的精准插装自动校正工作,可大幅度提高生产效率和产品质量,彻底代替繁琐、低效的人工操作。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种直插元件自动装配系统中的相机标定方法的流程图。
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在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
在直插元件的装配系统中,通过搭建的图像采集系统完成对直插元件装配组件的图像采集,通过图像处理技术分别提取出接插件和PCB接插板的装配特征信息,基于提取的特征点图像位置信息,通过本发明提供的相机标定方法,可以转换为机器人坐标系中的位置信息,为机器人的运动控制提供参数输入。
本发明提供的直插元件装配系统的相机标定方法,属于传统的两步标定方法,选用大小和形状固定的棋盘格标定模板,通过拍摄各个位置和方向上的标定模板,对其中的特征格点定位和标定计算来求取相机的内外参数。其标定的两步可以分为:第一步基于直接线性标定法求解得到相机的内外参数;第二步,考虑相机的畸变参数影像建立含畸变参数的方程,代入内外参数的初值,通过多次迭代收敛来求解得到内外参数的最优解,通过求取相机内外参数来获取直插元件特征点的图像坐标与世界坐标的转换关系,在相机标定技术的基础上,装配组件图像特征点的图像位置可以转换到机器人坐标系中对应位置,为机器人运动轨迹的规划提供输入参数。
如图1所示,本发明提供的相机标定方法具体为:
步骤101:在当前迭代次数下,根据当前迭代次数下标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数。
步骤102:根据所述直插元件自动装配系统中的相机在当前迭代次数下内部参数,计算所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数。
步骤103:根据所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数和外部参数,计算当前迭代次数下实际成像与理论成像的误差,并更新下次迭代次数下的标定模板图像并进入下次迭代,直到当前迭代次数下实际成像与理论成像的误差达到迭代停止条件,则确定所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数为最终标定的内部参数和外部参数。
在实际应用中,所述根据当前迭代次数下标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数,具体包括:
根据当前迭代次数下标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵。
根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数。
在实际应用中,所述根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数,具体包括:
根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵,得到所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数。
根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵和所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数,得到所述直插元件自动装配系统中的相机在当前迭代次数下的外部参数。
在实际应用中,所述根据所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数和外部参数,计算当前迭代次数下实际成像与理论成像的误差,具体为:
采用最大似然估计法根据所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数和外部参数,计算当前迭代次数下实际成像与理论成像的误差。
本发明实施例还提供了一种与上述方法对应的直插元件自动装配系统中的相机标定系统,包括:
内外参数计算模块,用于在当前迭代次数下,根据当前迭代次数下标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数。
畸变参数计算模块,用于根据所述直插元件自动装配系统中的相机在当前迭代次数下内部参数,计算所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数。
内外参数确定模块,用于根据所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数和外部参数,计算当前迭代次数下实际成像与理论成像的误差,并更新下次迭代次数下的标定模板图像并进入下次迭代,直到当前迭代次数下实际成像与理论成像的误差达到迭代停止条件,则确定所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数为最终标定的内部参数和外部参数。
在实际应用中,所述内外参数计算模块,具体包括:
单应性矩阵计算单元,用于根据当前迭代次数下标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵。
内外参数计算单元,用于根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数。
在实际应用中,所述内外参数计算单元,具体包括:
内部参数计算子单元,用于根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵,得到所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数。
外部参数计算子单元,用于根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵和所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数,得到所述直插元件自动装配系统中的相机在当前迭代次数下的外部参数。
在实际应用中,所述内外参数确定模块,具体包括:
误差计算单元,用于采用最大似然估计法根据所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数和外部参数,计算当前迭代次数下实际成像与理论成像的误差。
在实际应用中,根据标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到单应性矩阵,具体为:
根据拍摄的标定模板图像,选定特征点,根据其图像坐标点和世界坐标点的对应关系,在二维平面中世界坐标中值可置为零,则其对应关系可以表示为:
Figure BDA0003982049800000081
Figure BDA0003982049800000082
简化式(1-1)可得:
sIi=HPi (1-3)
s为世界坐标系到图像坐标系的尺度因子,Min为相机内参矩阵,(μ0,ν0)为像主点坐标,
Figure BDA0003982049800000083
β为焦距与像素纵横比,γ为径向畸变参数,Pi=(xwi,ywi,1)为特征点i的世界坐标位置信息,Ii=(ui,vi,1)为特征点i的成像位置信息(图像坐标系),根据式(1-3)求出H为世界坐标系到成像平面坐标系的单应性矩阵。
在实际应用中,根据世界坐标系到成像平面坐标系的单应性矩阵,得到内部参数,具体包括:
令H=[h1 h2 h3],则[h1 h2 h3]=γMin[r1 r2 t],其中H为一个3*3的矩阵,并且有一个元素作为齐次,通过4个点就可以获得单应性矩阵H。但是H是内参阵和外参阵的合体,想要最终分别获得内参和外参,得先把内参求出来,外参随着解出了。
根据式(1-1)可以推导出:
Figure BDA0003982049800000091
根据以下约束条件:
①r1,r2正交,则r1 r2=0
②旋转向量的模为1,也就是说|r1|=|r2|=1
根据这两个约束条件,经过数学变换,可以得出:
h1 TMin-TMin -1h2=0 (2-2)
h1 TMin -TMin -1h1=h2 TMin -TMin -1h2 (2-3)
由于h1和h2是通过单应性矩阵H求解出来的,所以要求解的参数就变成Min矩阵中未知的5个参数。可以通过三个单应性矩阵来求解这5个参数,利用三个单应性矩阵在两个约束下可以生成6个方程。
设B=Min -TMin -1,根据式(1-2)中Min得表达式可得:
Figure BDA0003982049800000092
则B为一个对称矩阵,用向量的方式表示为:
b=[B11 B12 B22 B13 B23 B33]T (2-5)
进一步简化可以表示为:
Figure BDA0003982049800000101
其中vbij=[hi1hj1 hi1hj2+hi2hj1 hi2hj2 hi3hj1+hi1hj3 hi3hj2+hi2hj3 hi3hj3]T,其中hi1是H矩阵中第i个矩阵的第1个值,利用上面提到的两个约束条件,联立各式可得:
Figure BDA0003982049800000102
式(2-7)可以简写为Vbb=0,其中Vb为一个2n×6矩阵,在对标定模板的图像采集中,只要采集的图像个数大于3,即可求解得到B,进而推导求解得到相机的内部参数初值(
Figure BDA0003982049800000103
β、ν0、γ、μ0):
Figure BDA0003982049800000104
式中λ=B33-[B13 2+v0(B12B13-B11B23)]/B11,λ为常量参数。
在实际应用中,根据单应性矩阵和内部参数,得到外部参数,具体包括:
由于单应性矩阵H可以表示为H=Min[r1 r2 t]=[h1 h2 h3],在求解得到Min和单应性矩阵H后,可以通过矩阵变换求得其外部参数(r1、r2、r3、t),是由相机旋转矩阵和平移向量组成:
Figure BDA0003982049800000105
在实际应用中,根据内部参数计算畸变参数,具体包括:
考虑镜头畸变的影像,图像点的实际成像点和理论成像点之间的畸变关系根据式(3-2)可表示为:
Figure BDA0003982049800000111
其中u、v是像素坐标系中的坐标,u′、v′是理论成像点像素坐标系中的坐标,x、y为世界坐标系坐标。
在实际应用中,根据畸变参数、内部参数和外部参数,计算实际成像与理论成像的误差,具体包括:
通过线性方法在求得相机的内外参数初值后,采用最大似然估计的方法和分析目标特征点的理论成像点和实际成像点的误差,其基本公式为:
Figure BDA0003982049800000112
式中mij为标定模板中第j个特征点在第i幅图上的图像位置,m(A,Ri,Ti,Mj)为该点的实际成像位置点,其中,A为相机内参,Ri为第i个图像对应相机的旋转矩阵,Ti为第i个图像对应的t,Mj为第j个特征点的图像位置。
因为
Figure BDA0003982049800000113
其中fx=f/k,fy=f/k,k为相机的最小分辨率,u,v是成像位置坐标数据,x,y是世界坐标数据。在常用的相机成像系统中,相机ide切向畸变不被考虑,而对于相机的径向畸变,主要考虑其二阶和四阶的畸变影响,高阶的畸变影响可以被忽略。
令AK=b,K=[k1 k2]T,其最小二乘解K=(ATA)-1ATb,基于畸变参数,可将最大似然估计式(3-3)转换为:
Figure BDA0003982049800000114
在求解得到相机的内外参数后,将其他基准点的图像位置转换为机器人坐标系中位置时具有较小的误差,可用于机器视觉人的目标定位。在实际的视觉人装配应用中,需要根据实际的机器人的安装位置和相机的安装位置来求解相机坐标系到机器人坐标系的外部转换矩阵。
本发明有以下技术效果:
本发明是基于机器视觉和机器手,适用于多引脚电子元器件的精准插装自动校正工作,从而大幅度提高生产效率和产品质量,彻底代替繁琐、低效的人工操作。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种直插元件自动装配系统中的相机标定方法,其特征在于,包括:
在当前迭代次数下,根据当前迭代次数下标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数;
根据所述直插元件自动装配系统中的相机在当前迭代次数下内部参数,计算所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数;
根据所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数和外部参数,计算当前迭代次数下实际成像与理论成像的误差,并更新下次迭代次数下的标定模板图像并进入下次迭代,直到当前迭代次数下实际成像与理论成像的误差达到迭代停止条件,则确定所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数为最终标定的内部参数和外部参数。
2.根据权利要求1所述的一种直插元件自动装配系统中的相机标定方法,其特征在于,所述根据当前迭代次数下标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数,具体包括:
根据当前迭代次数下标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵;
根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数。
3.根据权利要求2所述的一种直插元件自动装配系统中的相机标定方法,其特征在于,所述根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数,具体包括:
根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵,得到所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数;
根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵和所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数,得到所述直插元件自动装配系统中的相机在当前迭代次数下的外部参数。
4.根据权利要求1所述的一种直插元件自动装配系统中的相机标定方法,其特征在于,所述根据所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数和外部参数,计算当前迭代次数下实际成像与理论成像的误差,具体为:
采用最大似然估计法根据所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数和外部参数,计算当前迭代次数下实际成像与理论成像的误差。
5.一种直插元件自动装配系统中的相机标定系统,其特征在于,包括:
内外参数计算模块,用于在当前迭代次数下,根据当前迭代次数下标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数;
畸变参数计算模块,用于根据所述直插元件自动装配系统中的相机在当前迭代次数下内部参数,计算所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数;
内外参数确定模块,用于根据所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数和外部参数,计算当前迭代次数下实际成像与理论成像的误差,并更新下次迭代次数下的标定模板图像并进入下次迭代,直到当前迭代次数下实际成像与理论成像的误差达到迭代停止条件,则确定所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数为最终标定的内部参数和外部参数。
6.根据权利要求5所述的一种直插元件自动装配系统中的相机标定系统,其特征在于,所述内外参数计算模块,具体包括:
单应性矩阵计算单元,用于根据当前迭代次数下标定模板图像中所有设定特征点在世界坐标系中的坐标和所有设定特征点在图像坐标系中的坐标,得到当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵;
内外参数计算单元,用于根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵,得到直插元件自动装配系统中的相机在当前迭代次数下的内部参数和外部参数。
7.根据权利要求6所述的一种直插元件自动装配系统中的相机标定系统,其特征在于,所述内外参数计算单元,具体包括:
内部参数计算子单元,用于根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵,得到所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数;
外部参数计算子单元,用于根据所述当前迭代次数下世界坐标系到成像平面坐标系的单应性矩阵和所述直插元件自动装配系统中的相机在当前迭代次数下的内部参数,得到所述直插元件自动装配系统中的相机在当前迭代次数下的外部参数。
8.根据权利要求5所述的一种直插元件自动装配系统中的相机标定系统,其特征在于,所述内外参数确定模块,具体包括:
误差计算单元,用于采用最大似然估计法根据所述直插元件自动装配系统中的相机在当前迭代次数下的畸变参数和外部参数,计算当前迭代次数下实际成像与理论成像的误差。
CN202211552775.0A 2022-12-06 2022-12-06 一种直插元件自动装配系统中的相机标定方法及系统 Pending CN116152348A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211552775.0A CN116152348A (zh) 2022-12-06 2022-12-06 一种直插元件自动装配系统中的相机标定方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211552775.0A CN116152348A (zh) 2022-12-06 2022-12-06 一种直插元件自动装配系统中的相机标定方法及系统

Publications (1)

Publication Number Publication Date
CN116152348A true CN116152348A (zh) 2023-05-23

Family

ID=86359127

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211552775.0A Pending CN116152348A (zh) 2022-12-06 2022-12-06 一种直插元件自动装配系统中的相机标定方法及系统

Country Status (1)

Country Link
CN (1) CN116152348A (zh)

Similar Documents

Publication Publication Date Title
CN108789404B (zh) 一种基于视觉的串联机器人运动学参数标定方法
CN110148187B (zh) 一种SCARA机械手Eye-in-Hand的高精度手眼标定方法和系统
CN106777656B (zh) 一种基于pmpsd的工业机器人绝对精度校准方法
CN113001535B (zh) 机器人工件坐标系自动校正系统与方法
CN110253574B (zh) 一种多任务机械臂位姿检测和误差补偿方法
CN109859277A (zh) 一种基于Halcon的机器人视觉系统标定方法
JP2008012604A (ja) 計測装置及びキャリブレーション方法
CN112223294A (zh) 一种基于三维视觉的机械臂加工轨迹修正方法
CN112767493B (zh) Stewart平台运动学参数的机器视觉标定方法
CN109465829B (zh) 一种基于转换矩阵误差模型的工业机器人几何参数辨识方法
CN112648934B (zh) 一种自动化弯管几何形态检测方法
CN112958960B (zh) 一种基于光学靶标的机器人手眼标定装置
CN112959364B (zh) 一种工业机器人装配误差补偿系统及方法
CN113910218A (zh) 基于运动学与深度神经网络融合的机器人标定方法和装置
CN108705530B (zh) 一种工业机器人路径自动修正的方法及系统
CN113409399B (zh) 一种双相机联合标定方法、系统及装置
CN114310880A (zh) 一种机械臂标定方法及装置
CN113102882B (zh) 几何误差补偿模型的训练方法和几何误差补偿方法
CN110533727B (zh) 一种基于单个工业相机的机器人自定位方法
CN116152348A (zh) 一种直插元件自动装配系统中的相机标定方法及系统
CN111383283B (zh) 机器人的工具坐标系的标定方法及系统
CN115017857B (zh) 一种电子元器件引脚插装位置确定方法及系统
CN215701709U (zh) 一种可配置的手眼标定装置
CN110009694B (zh) 一种高精度摄像机标定方法
CN114474069B (zh) 一种基于空间正交约束的机器人线结构光手眼标定方法

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