CN117409080A - 一种用于线扫3d相机的手眼标定方法 - Google Patents
一种用于线扫3d相机的手眼标定方法 Download PDFInfo
- Publication number
- CN117409080A CN117409080A CN202311493979.6A CN202311493979A CN117409080A CN 117409080 A CN117409080 A CN 117409080A CN 202311493979 A CN202311493979 A CN 202311493979A CN 117409080 A CN117409080 A CN 117409080A
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- camera
- coordinates
- tool
- base
- 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 53
- 239000011159 matrix material Substances 0.000 claims abstract description 56
- 239000003550 marker Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
Abstract
本发明公开了一种用于线扫3D相机的手眼标定方法,其特征在于,所述方法包括:通过单行上的特征点在相机坐标系中的坐标,和所述特征点对应所述单行在基坐标系中的坐标,求解得出所述特征点在基坐标系中的坐标。具体步骤包括:构建相机坐标系;标记标定工具的坐标;计算相机坐标系到工具坐标系的旋转矩阵;计算相机坐标系到工具坐标系的平移矩阵;求解任意特征点在基坐标系中的坐标。一种用于线扫3D相机的手眼标定方法,标定用的相机坐标采用单行点云来计算,将目标特征点在相机坐标系的6自由度信息均转换至基坐标系下,解决了相机坐标系和扫描方向不平行的问题。
Description
技术领域
本发明属于手眼标定技术领域,具体涉及一种用于线扫3D相机的手眼标定方法。
背景技术
在eye-in-hand情况,相机相对于机械臂末端是固定的,机器人手眼标定即标定得到机器人末端与相机之间的坐标变换关系。其中有几个坐标系:基坐标系是机械臂的基座坐标系,用Base表示;末端坐标系是机械臂的末端坐标系,用End表示;相机坐标系是固定在机械臂上面的相机自身的坐标系,用Camera表示,工具坐标系是机械臂的工具坐标系,用t表示。
手眼标定的前提是要获取物体表面的完整三维信息。激光线扫相机单次采集的数据为激光一瞬间照射区域的3D坐标,即需要将激光匀速扫描中产生的数据按照规律拼接在一起,默认平行,构建成为相机坐标系。实际机械臂运动过程用,机械臂末端会倾斜移动或者相机与机械臂末端不平行,导致位置点坐标会不同。因此,需要一种标定方法解决了相机坐标系和扫描方向不平行的问题。
发明内容
为解决上述问题,本发明采用了以下技术方案:
一种用于线扫3D相机的手眼标定方法,所述方法包括:
通过单行上的特征点在相机坐标系中的坐标,和所述特征点对应所述单行在基坐标系中的坐标,求解得出所述特征点在基坐标系中的坐标。
进一步地,所述方法具体步骤包括:
构建相机坐标系;
标记标定工具的坐标:移动所述标定工具,标记所述标定工具在基座坐标系中的坐标,标记所述标定工具在相机坐标系中的坐标;
计算相机坐标系到工具坐标系的旋转矩阵;
计算相机坐标系到工具坐标系的平移矩阵;
求解任意特征点在基坐标系中的坐标。
进一步地,所述构建相机坐标系包括:
相机坐标系设定的方向与相机扫描设定的方向相同;
每一行的中间点的X值为0,每行的X坐标为点数乘点间距,每行的Y坐标为行数乘行间距。
进一步地,所述标记标定工具的坐标包括:所述标定工具为圆球和圆锥,获取圆球球心和圆锥顶点在基座坐标系中的坐标;获取圆球球心和圆锥顶点在相机坐标系中的坐标。
进一步地,所述计算相机坐标系到工具坐标系的旋转矩阵包括:
所述圆球球心/圆锥顶点在基座坐标系中的坐标与在相机坐标系中的坐标的关系表达式为:
Base球=Rtb(Rct·Camera球+Tct)+Ttb,
式中所示:Base球为圆球球心/圆锥顶点基坐标系中的坐标;Rtb为工具坐标系到基坐标系的旋转矩阵;Rct为相机坐标系到工具坐标系的旋转矩阵;Camera球为圆球球心/圆锥顶点在相机坐标系中的坐标;Tct为相机坐标系到工具坐标系的平移矩阵;Ttb为工具坐标系到基坐标系的平移矩阵;
移动相机,任意两个圆球球心位置在基座坐标系中的坐标与在相机坐标系中的坐标相减得到:
Ttb2-Ttb1=R0·Rct(Camera球1-Camera球2),
获取多组数据,用最小二乘法求得相机坐标系到工具坐标系的旋转矩阵Rct。
进一步地,所述计算相机坐标系到工具坐标系的平移矩阵包括:将求得的相机坐标系到工具坐标系的旋转矩阵Rct带入所述圆球球心/圆锥顶点在基座坐标系中的坐标与在相机坐标系中的坐标的关系表达式中,求得相机坐标系到工具坐标系的平移矩阵Tct。
进一步地,还包括:计算工具坐标系的旋转角度;
根据罗德里格斯旋转公式计算当前法向量到理想法向量的旋转矩阵Rc,表达式如下:
式中所示,E为三阶单位矩阵,θ为当前向量转到理想向量位置的旋转角,为当前向量转到理想向量位置的旋转轴单位向量,Rc表示旋转矩阵;
计算Rc在基坐标系中的旋转矩阵Rb,表达式如下:
Rb=Rtb×Rct×Rc,
旋转矩阵Rb的欧拉角即为工具坐标系的旋转角度。
进一步地,所述求解任意特征点在基坐标系中的坐标包括,通过已知单行上的任意特征点在相机坐标系中的坐标(XC,YC,ZC),任意特征点对应所述单行在基坐标系的坐标(Xt,Yt,Zt,RXt,RYt,RZt),带入在基座坐标系中的坐标与在相机坐标系中的坐标的关系表达式中,得出任意特征点在基坐标系中的坐标。
与现有技术相比,本发明的有益效果是:
一种用于线扫3D相机的手眼标定方法,线扫3D相机与6轴机械臂是眼在手上的手眼标定模式,标定用的相机坐标采用单行点云来计算,提高了速度和精度;平移矩阵的计算按照直接接触法来实现;手眼标定完成后,将目标特征点在相机坐标系的6自由度信息均转换至基坐标系下;通过此目标特征点的坐标转换关系,解决了相机坐标系和扫描方向不平行的问题。
附图说明
图1是本发明一种用于线扫3D相机的手眼标定方法的流程示意图。
图2是本发明一种用于线扫3D相机的手眼标定方法的激光线扫3D相机扫描多行拼接示意图。
图3是本发明一种用于线扫3D相机的手眼标定方法的构建相机坐标系示意图。
图4是本发明一种用于线扫3D相机的手眼标定方法的线扫3D相机与机械臂的手眼标定示意图;
图5是本发明一种用于线扫3D相机的手眼标定方法的单条点云计算圆球球心/圆锥顶点坐标的示意图。
图6是本发明一种用于线扫3D相机的手眼标定方法的线扫3D相机与机械臂的手眼标定另一示意图。
图7是本发明一种用于线扫3D相机的手眼标定方法的机械臂两次移动扫描圆锥的点云数据图。
图8是本发明一种用于线扫3D相机的手眼标定方法的任意特征点在在相机坐标系下的坐标的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例,应理解,本申请不受这里公开描述的示例实施例的限制。基于本申请中的实施例,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,都属于本申请保护的范围。
如图2所示,激光线扫3D相机扫描过程是一行一行的,多行拼接在一起。当机械臂末端倾斜移动或者相机与机械臂末端不平行时,行拼接会错位,导致位置数据不准。因此提出一种用于线扫3D相机的手眼标定方法,通过单行上的特征点在相机坐标系中的坐标,和特征点对应单行在基坐标系中的坐标,求解得出特征点在基坐标系中的坐标。
如图1所示,一种用于线扫3D相机的手眼标定方法具体步骤包括:
S1构建相机坐标系;
S2标记标定工具的坐标:移动标定工具,标记标定工具在基座坐标系中的坐标,标记标定工具在相机坐标系中的坐标;
S3计算相机坐标系到工具坐标系的旋转矩阵;
S4计算相机坐标系到工具坐标系的平移矩阵;
S5求解任意特征点在基坐标系中的坐标。
本方法通过S1-S4计算出标定参数,即可实现通过相机扫描物体,计算出物体在基坐标系中的坐标,让机械臂末端准确走物体所在位置。S5说明如何使用标定参数,实现相机引导机械臂的功能。本发明标定信息计算特征坐标的方式,通过单条点云计算圆球球心/圆锥顶点在基座坐标系中的坐标,和圆球球心/圆锥顶点在相机坐标系中的坐标。此方式可有效规避未标定时扫描方向与相机Y轴不平行的问题,提高标定精度。
在本实施例中,如图3所示,S1构建相机坐标系包括:相机坐标系设定的方向与相机扫描设定的方向相同。具体地,相机沿X轴扫描单条,再沿Y轴方面移动,扫描出若干条,最后沿Z轴方向移动到另一平面,继续沿X轴扫描单条,再沿Y轴方面移动,扫描出若干条的动作。每一行的中间点的X值为0,每行的X坐标为点数乘点间距,每行的Y坐标为行数乘行间距。
在本实施例中,构建相机坐标系的扫描相机为激光线扫3D相机。激光线扫3D相机扫描出的图像为一行一行,一条一条的。
在本实施例中,如图4所示,S2标记标定工具的坐标包括:标定工具为圆球和圆锥。圆球用来标定旋转矩阵,固定不动。圆锥用来标定平移矩阵,也是固定不动。点云坐标系是用来描述点云中点的位置和方向的一组坐标,包括笛卡尔坐标系和极坐标系。如图5所示,通过单条点云计算圆心坐标。获取圆球球心和圆锥顶点在基座坐标系中的坐标;获取圆球球心和圆锥顶点在相机坐标系中的坐标。
在本实施例中,S3计算相机坐标系到工具坐标系的旋转矩阵包括:
S31圆球球心/圆锥顶点在基座坐标系中的坐标与在相机坐标系中的坐标的关系表达式为:
Base球=Rtb(Rct·Camera球+Tct)+Ttb,
其中,Base球:圆球球心/圆锥顶点球心在基坐标系中的坐标。标定过程中因为圆球/圆锥没有移动,所以此坐标为未知的常数。某一个点在基坐标系中的坐标,实际标定的时候,选取了圆锥的顶点,让机械臂的末端和圆锥顶点接触,获取此时工具坐标系在基座坐标系下的坐标,即为Base球。
Rtb:工具坐标系到基坐标系的旋转矩阵。此参数可在机械臂示教器中获取。
Rct:相机坐标系到工具坐标系的旋转矩阵。此参数为待求解的未知数,即手眼标定的结果之一。
Camera球:圆球球心/圆锥顶点球心在相机坐标系中的坐标。此参数需通过视觉软件在点云中计算得出。
Tct:相机坐标系到工具坐标系的平移矩阵。此参数为待求解的未知数,即手眼标定的结果之二。
Ttb:工具坐标系到基坐标系的平移矩阵。此参数可在机械臂示教器中获取。
按照在基座坐标系中的坐标与在相机坐标系中的坐标的关系表达式,需要求解的是Rct和Tct,其他参数均可以获取。因此,移动两次机械臂末端位置,带入两组机械臂旋转、平移参数和相机坐标系中的工具坐标,相减可以消除Base球,同时我们保证机械臂的两次移动是纯平移,没有旋转,那么Rtb1和Rtb2相等,均记为R0,相减也能消除Tct,只剩下Rct一个参数了,求解即可得到Rct。如图6-7所示,机械臂带动相机扫描圆锥,得到图7的点云数据。具体步骤如下:
S32移动激光线扫3D相机,圆球球心/圆锥顶点和基坐标的相对位置不变,获取两组机械臂和相机坐标。
Base球=Rtb1(Rct1·Camera球1+Tct)+Ttb1,
Base球=Rtb2(Rct1·Camera球2+Tct)+Ttb2,
S33任意两个圆球球心位置在基座坐标系中的坐标与在相机坐标系中的坐标相减得到:
Ttb2-Ttb1=R0·Rct(Camera球1-Camera球2);
S34获取多组数据,用最小二乘法求得相机坐标系到工具坐标系的旋转矩阵Rct。
在本实施例中,因为上述已求出未知量Rct,带入一组真实的圆锥顶点坐标即可求出另一未知未知量Tct。
S4计算相机坐标系到工具坐标系的平移矩阵具体步骤如下:将求得的相机坐标系到工具坐标系的旋转矩阵Rct和一组圆锥顶点坐标,带入所述圆球球心/圆锥顶点在基座坐标系中的坐标与在相机坐标系中的坐标的关系表达式中,求得相机坐标系到工具坐标系的平移矩阵Tct。
针对步骤S1-S4统一说明:所有的目的是解方程,求出Rct和Tct。
公式Base球=Rtb(Rct·Camera球+Tct)是整个标定的数学基础,其中有已知量和未知量;通过带入两组已知量,然后两式相减得到公式Ttb2-Ttb1=R0·Rct(Camera球1-Camera球2)。
公式Ttb2-Ttb1=R0·Rct(Camera球1-Camera球2)中就只存在一个未知量Rct,可以正常求解;带入Rct的至至公式Base球=Rtb(Rct·Camera球+Tct),那么此时公式Base球=Rtb(Rct·Camera球+Tct)中只有一个未知量Tct,再带入一组已知量,即可求解此方程了。
在本实施例中,还包括:S41计算工具坐标系的旋转角度。目的是要计算出特征点在基坐标系的坐标,这个坐标包括6个自由度,X、Y、Z、RX、RY、RZ,步骤S1-S4只能计算出X、Y、Z,因此需要计算出工具坐标系的旋转角度。具体步骤如下:
S411根据罗德里格斯旋转公式计算当前法向量到理想法向量的旋转矩阵Rc,表达式如下:
S412计算Rc在基坐标系中的旋转矩阵Rb,表达式如下:
Rb=Rtb×Rct×Rc,
旋转矩阵Rb的欧拉角即为工具坐标系的旋转角度。
如图4-5所示,标定旋转矩阵过程,轮廓可随意选取,操作简单。获取多组圆球球心坐标时,工具坐标的位置需要保持不变,用来消除相机到工具坐标的平移矩阵。
在本实施例中,因在基座坐标系中的坐标与在相机坐标系中的坐标的关系表达式中,各参数已求解得出,因此带入任意特征点在在相机坐标系中的坐标即可转换得出此特征点在基座坐标系中的坐标。如图8所示,S5求解任意特征点在基坐标系中的坐标具体步骤如下:
S51机械臂每一行采集的起点和终点的坐标是已知的,机械臂运动的时间和匀速运动参数的已知的,因此根据时间和速度得出特征点在某一时候在此单行的坐标。即单行上的特征点在相机坐标系中的坐标(XC,YC,ZC)。
S52任意特征点对应单行在基坐标系的坐标(Xt,Yt,Zt,RXt,RYt,RZt),此行即为已知的Y行,带入在基座坐标系中的坐标与在相机坐标系中的坐标的关系表达式中,得出任意特征点在基坐标系中的坐标。
为了使用标定参数时更好兼容更多的使用情况。因为当机械臂运动方向和激光线夹角变化的时候,行间距也会变化,因此会导致点云中的特征点(XC,YC,ZC)坐标失真,此时输入公式Base球=Rtb(Rct·Camera球+Tct)+Ttb的坐标为扫描机械臂的起点和特征点。但是由于行间距会变化,因此扫描机械臂的起点和特征点的相对关系不固定,最终计算出的特征点的真实坐标误差会很大。因此换一种思路,选择输入公式Base球=Rtb(Rct·Camera球+Tct)+Ttb的坐标为特征点(XC,0,ZC)和特征点对应的基坐标系的坐标(Xt,Yt,Zt,RXt,RYt,RZt),这样避免了点云拼接中的Y坐标受到行间距影响,只在提取特征的时候用拼接点云,计算坐标的时候默认取特征点所在行的Y为0。
特征点(XC,0,ZC)是公式Base球=Rtb(Rct·Camera球+Tct)+Ttb中的Camera球,特征点对应的基坐标系的坐标(Xt,Yt,Zt,RXt,RYt,RZt),其中的(Xt,Yt,Zt)对应公式Rtb(Rct·Camera球+Tct)+Ttb的Ttb,(RXt,RYt,RZ)对应公式Rtb(Rct·Camera球+Tct)+Ttb的Rtb。
将以上坐标带入公式Base球=Rtb(Rct·Camera球+Tct),其中,平移量写作列向量,旋转量写作3乘3的旋转矩阵。求解出特征点在机械臂基坐标系中的坐标。
一种用于线扫3D相机的手眼标定方法,线扫3D相机与6轴机械臂是眼在手上的手眼标定模式,标定用的相机坐标采用单行点云来计算,提高了速度和精度;平移矩阵的计算按照直接接触法来实现;手眼标定完成后,将目标特征点在相机坐标系的6自由度信息均转换至基坐标系下;通过此目标特征点的坐标转换关系,解决了相机坐标系和扫描方向不平行的问题。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个......”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种用于线扫3D相机的手眼标定方法,其特征在于,所述方法包括:
通过单行上的特征点在相机坐标系中的坐标,和所述特征点对应所述单行在基坐标系中的坐标,求解得出所述特征点在基坐标系中的坐标。
2.根据权利要求1所述的用于线扫3D相机的手眼标定方法,其特征在于,所述方法具体步骤包括:
构建相机坐标系;
标记标定工具的坐标:移动所述标定工具,标记所述标定工具在基座坐标系中的坐标,标记所述标定工具在相机坐标系中的坐标;
计算相机坐标系到工具坐标系的旋转矩阵;
计算相机坐标系到工具坐标系的平移矩阵;
求解任意特征点在基坐标系中的坐标。
3.根据权利要求2所述的用于线扫3D相机的手眼标定方法,其特征在于,所述构建相机坐标系包括:
相机坐标系设定的方向与相机扫描设定的方向相同;
每一行的中间点的X值为0,每行的X坐标为点数乘点间距,每行的Y坐标为行数乘行间距。
4.根据权利要求3所述的用于线扫3D相机的手眼标定方法,其特征在于,所述标记标定工具的坐标包括:所述标定工具为圆球和圆锥,获取圆球球心和圆锥顶点在基座坐标系中的坐标;获取圆球球心和圆锥顶点在相机坐标系中的坐标。
5.根据权利要求4所述的用于线扫3D相机的手眼标定方法,其特征在于,所述计算相机坐标系到工具坐标系的旋转矩阵包括:
圆球球心/圆锥顶点在基座坐标系中的坐标与在相机坐标系中的坐标的关系表达式为:
Base球=Rtb(Rct·Camera球+Tct)+Ttb,
式中所示:Base球为圆球球心/圆锥顶点基坐标系中的坐标;Rtb为工具坐标系到基坐标系的旋转矩阵;Rct为相机坐标系到工具坐标系的旋转矩阵;Camera球为圆球球心/圆锥顶点在相机坐标系中的坐标;Tct为相机坐标系到工具坐标系的平移矩阵;Ttb为工具坐标系到基坐标系的平移矩阵;
移动相机,任意两个圆球球心位置在基座坐标系中的坐标与在相机坐标系中的坐标相减得到:
Ttb2-Ttb1=R0·Rct(Camera球1-Camera球2),
获取多组数据,用最小二乘法求得相机坐标系到工具坐标系的旋转矩阵Rct。
6.根据权利要求5所述的用于线扫3D相机的手眼标定方法,其特征在于,所述计算相机坐标系到工具坐标系的平移矩阵包括:将求得的相机坐标系到工具坐标系的旋转矩阵Rct带入所述圆球球心/圆锥顶点在基座坐标系中的坐标与在相机坐标系中的坐标的关系表达式中,求得相机坐标系到工具坐标系的平移矩阵Tct。
7.根据权利要求6所述的用于线扫3D相机的手眼标定方法,其特征在于,还包括:计算工具坐标系的旋转角度;
根据罗德里格斯旋转公式计算当前法向量到理想法向量的旋转矩阵Rc,表达式如下:
式中所示,E为三阶单位矩阵,θ为当前向量转到理想向量位置的旋转角,为当前向量转到理想向量位置的旋转轴单位向量。Rc表示旋转矩阵;
计算Rc在基坐标系中的旋转矩阵Rb,表达式如下:
Rb=Rtb×Rct×Rc,
旋转矩阵Rb的欧拉角θ即为工具坐标系的旋转角度。
8.根据权利要求7所述的用于线扫3D相机的手眼标定方法,其特征在于,所述求解任意特征点在基坐标系中的坐标包括,通过已知单行上的任意特征点在相机坐标系中的坐标(XC,YC,ZC),任意特征点对应所述单行在基坐标系的坐标(Xt,Yt,Zt,RXt,RYt,RZt),带入在基座坐标系中的坐标与在相机坐标系中的坐标的关系表达式中,得出任意特征点在基坐标系中的坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311493979.6A CN117409080A (zh) | 2023-11-10 | 2023-11-10 | 一种用于线扫3d相机的手眼标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311493979.6A CN117409080A (zh) | 2023-11-10 | 2023-11-10 | 一种用于线扫3d相机的手眼标定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117409080A true CN117409080A (zh) | 2024-01-16 |
Family
ID=89488850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311493979.6A Pending CN117409080A (zh) | 2023-11-10 | 2023-11-10 | 一种用于线扫3d相机的手眼标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117409080A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005308641A (ja) * | 2004-04-23 | 2005-11-04 | Wakayama Univ | カメラキャリブレーション装置及び方法 |
CN107545591A (zh) * | 2016-06-29 | 2018-01-05 | 沈阳新松机器人自动化股份有限公司 | 一种基于六点触点法的机器人手眼标定方法 |
CN108972544A (zh) * | 2018-06-21 | 2018-12-11 | 华南理工大学 | 一种视觉激光传感器固定于机器人的手眼标定方法 |
CN109084699A (zh) * | 2018-07-02 | 2018-12-25 | 郑州工程技术学院 | 一种基于固定点的车灯轮廓测量系统的标定方法 |
CN111156925A (zh) * | 2019-12-19 | 2020-05-15 | 南京理工大学 | 基于线结构光和工业机器人的大构件三维测量方法 |
CN112541946A (zh) * | 2020-12-08 | 2021-03-23 | 深圳龙岗智能视听研究院 | 一种基于透视多点投影的机械臂的位姿实时检测方法 |
CN113362396A (zh) * | 2021-06-21 | 2021-09-07 | 上海仙工智能科技有限公司 | 一种移动机器人3d手眼标定方法及装置 |
CN114155302A (zh) * | 2021-12-13 | 2022-03-08 | 中国计量大学 | 一种激光视觉扫描系统的标定方法及装置 |
-
2023
- 2023-11-10 CN CN202311493979.6A patent/CN117409080A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005308641A (ja) * | 2004-04-23 | 2005-11-04 | Wakayama Univ | カメラキャリブレーション装置及び方法 |
CN107545591A (zh) * | 2016-06-29 | 2018-01-05 | 沈阳新松机器人自动化股份有限公司 | 一种基于六点触点法的机器人手眼标定方法 |
CN108972544A (zh) * | 2018-06-21 | 2018-12-11 | 华南理工大学 | 一种视觉激光传感器固定于机器人的手眼标定方法 |
CN109084699A (zh) * | 2018-07-02 | 2018-12-25 | 郑州工程技术学院 | 一种基于固定点的车灯轮廓测量系统的标定方法 |
CN111156925A (zh) * | 2019-12-19 | 2020-05-15 | 南京理工大学 | 基于线结构光和工业机器人的大构件三维测量方法 |
CN112541946A (zh) * | 2020-12-08 | 2021-03-23 | 深圳龙岗智能视听研究院 | 一种基于透视多点投影的机械臂的位姿实时检测方法 |
CN113362396A (zh) * | 2021-06-21 | 2021-09-07 | 上海仙工智能科技有限公司 | 一种移动机器人3d手眼标定方法及装置 |
CN114155302A (zh) * | 2021-12-13 | 2022-03-08 | 中国计量大学 | 一种激光视觉扫描系统的标定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110355754B (zh) | 机器人手眼系统、控制方法、设备及存储介质 | |
CN110355755B (zh) | 机器人手眼系统标定方法、装置、设备及存储介质 | |
Lee et al. | Camera-to-robot pose estimation from a single image | |
CN106767393B (zh) | 机器人的手眼标定装置与方法 | |
EP4068150A1 (en) | Hand key point detection method, gesture recognition method, and related devices | |
JP6546618B2 (ja) | 学習装置、学習方法、学習モデル、検出装置及び把持システム | |
CN111012506B (zh) | 基于立体视觉的机器人辅助穿刺手术末端工具中心标定方法 | |
JP2022028672A5 (zh) | ||
CN109658460A (zh) | 一种机械臂末端相机手眼标定方法和系统 | |
CN109940626B (zh) | 一种基于机器人视觉的画眉机器人系统的控制方法 | |
CN113021358B (zh) | 机械臂工具坐标系原点标定方法、装置和电子设备 | |
CN114310901B (zh) | 用于机器人的坐标系标定方法、装置、系统以及介质 | |
JP2015199155A (ja) | 情報処理装置および情報処理方法、プログラム | |
JP2013036987A (ja) | 情報処理装置及び情報処理方法 | |
KR20190070875A (ko) | 비전-기반 조작 시스템들의 교정 및 동작 | |
WO2019146201A1 (ja) | 情報処理装置、情報処理方法及び情報処理システム | |
CN111452048A (zh) | 多机器人相对空间位置关系的标定方法和装置 | |
CN112603542B (zh) | 手眼标定方法、装置、电子设备和存储介质 | |
CN113237434B (zh) | 一种基于阶梯形标定物的激光轮廓传感器eye-in-hand标定方法 | |
Zhang et al. | A real-time upper-body robot imitation system | |
CN114224489B (zh) | 用于手术机器人的轨迹跟踪系统及利用该系统的跟踪方法 | |
CN210361314U (zh) | 一种基于增强现实技术的机器人示教装置 | |
CN112700505B (zh) | 一种基于双目三维跟踪的手眼标定方法、设备及存储介质 | |
CN107993227B (zh) | 一种获取3d腹腔镜手眼矩阵的方法和装置 | |
CN112183316B (zh) | 一种运动员人体姿态测量方法 |
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 |