CN117576227B - 一种手眼标定方法、设备及存储介质 - Google Patents
一种手眼标定方法、设备及存储介质 Download PDFInfo
- Publication number
- CN117576227B CN117576227B CN202410056526.5A CN202410056526A CN117576227B CN 117576227 B CN117576227 B CN 117576227B CN 202410056526 A CN202410056526 A CN 202410056526A CN 117576227 B CN117576227 B CN 117576227B
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- sphere
- dimensional
- data
- center
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 239000011159 matrix material Substances 0.000 claims abstract description 54
- 230000009466 transformation Effects 0.000 claims abstract description 34
- 238000006243 chemical reaction Methods 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 239000012636 effector Substances 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 210000005252 bulbus oculi Anatomy 0.000 description 3
- 241000764238 Isis Species 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
-
- 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种手眼标定方法、设备及存储介质,涉及3D相机技术领域;该方法应用于3D立体圆球标定系统,3D立体圆球标定系统的标定板上设有立体三维半圆球,手眼标定方法包括:获取三维半圆球上多个接触点在机器人系统的基坐标系的位置信息,通过三维半圆球的半径融合多个位置信息,获得立体三维半圆球的中心在机器人系统的基坐标系中的坐标数据;通过待标定机器臂上的3D传感器采集标定板的点云数据,得到立体三维半圆球在相机坐标系中的坐标数据;从而确定待标定机器臂的相机坐标系在工具坐标系的转换矩阵;根据转换矩阵,完成手眼标定,实现相机坐标系在机器人基坐标系转化关系,本发明提高了手眼标定的精度。
Description
技术领域
本发明涉及3D相机技术领域,具体而言,涉及一种手眼标定方法、设备及存储介质。
背景技术
手眼标定技术是实现机器人与外部设备(如相机)协作所必需的技术之一。对于使用RGBD相机的机器人系统,在进行机器人与相机的手眼标定时,传统的二维标定方法是通过使用平面标定板在平面上平移得到平面上不同位置的标定图像,使用算法来处理标定板在每幅图像中的特征点位置信息,进而对于每幅图像计算得到对应标定板的工具坐标系与相机坐标系之间的转换矩阵。但该方法仅适用于只考虑机器人二维坐标和相机二维图像坐标之间的转换,且计算过程采用先计算旋转矩阵,在计算平移矩阵,存在累计误差,因此计算精度差一些。
在现有技术中,对二维标定得到的转换矩阵只考虑了机器人与相机之间的平面坐标系转换,而没有考虑深度坐标的转换,不能准确地实现3D点云数据与机器人姿态的转换,导致误差累积,可能会导致机器人操作误差的增加。并且传统二维标定方法只能用于相机设备自带图像传感器的RGBD相机,而对于其他3D传感器,不能使用这种方法进行手眼标定,且如果机器人工作区域过于广泛,采用平面标定板得到的标定转换矩阵可能仅在某个固定位置上有效,不能适应全局的运动和变化。
发明内容
本发明解决的问题是如何提高手眼标定的精度。
为解决上述问题,本发明提供一种手眼标定方法、设备及存储介质。
第一方面,本发明提供一种手眼标定方法,应用于3D立体圆球标定系统,所述3D立体圆球标定系统的标定板上设有立体三维半圆球,所述手眼标定方法包括:
通过待标定机器臂触碰三维半圆球上多个接触点,获取所述三维半圆球上多个所述接触点在机器人系统的基坐标系的位置信息,通过所述三维半圆球的半径融合多个所述位置信息,获得所述立体三维半圆球的中心在所述机器人系统的基坐标系中的坐标数据;
通过待标定机器臂上的3D传感器采集所述标定板的点云数据,得到所述立体三维半圆球的中心在相机坐标系中的坐标数据;
根据所述立体三维半圆球的中心在所述机器人系统的基坐标系中的坐标数据以及所述立体三维半圆球在所述相机坐标系中的坐标数据,确定所述待标定机器臂的相机坐标系在工具坐标系的转换矩阵;
根据所述转换矩阵,完成手眼标定。
可选地,所述通过待标定机器臂触碰三维半圆球上多个接触点,获取所述三维半圆球上多个所述接触点在机器人系统的基坐标系的位置信息,通过所述三维半圆球的半径融合多个所述位置信息,获得所述立体三维半圆球的中心在所述机器人系统的基坐标系中的坐标数据,包括:
步骤S10:将所述标定板设置在所述待标定机器臂的工作区域的预设位置;
步骤S11:通过控制所述待标定机器臂触碰所述立体三维半圆球上的多个所述接触点以得到多个所述接触点在所述机器人系统的基坐标系中的坐标,根据多个所述接触点在所述机器人系统的基坐标系中的坐标,计算得到所述立体三维半圆球的中心在所述机器人系统的基坐标系中的坐标数据;
步骤S12:重复步骤S11,依次获得每个所述立体三维半圆球上的球心在所述机器人系统的基坐标系下的坐标数据。
可选地,所述通过待标定机器臂上的3D传感器采集所述标定板的点云数据,得到所述立体三维半圆球在所述相机坐标系中的坐标数据,包括:
根据所述3D传感器采集的点云数据,进行滤波预处理操作,得到预处理后的所述点云数据;
对预处理后的点云数据进行筛选,得到属于所述立体三维半圆球的点云数据;
根据所述立体三维半圆球的点云数据,得到所述立体三维半圆球的球心在相机坐标系中的坐标数据。
可选地,所述步骤S11,包括:
步骤S110:建立圆球坐标方程;
步骤S111:将所述接触点在所述机器人系统的基坐标系中的坐标代入所述圆球坐标方程,得到所述机器人系统的基坐标系下球心的坐标数据。
可选地,所述3D立体圆球标定系统的所述标定板上设有至少12个所述立体三维半圆球;
所述根据所述立体三维半圆球的中心在所述机器人系统的基坐标系中的坐标数据以及所述立体三维半圆球在所述相机坐标系中的坐标数据,确定所述待标定机器臂的相机坐标系在工具坐标系的转换矩阵,包括:
将所述立体三维半圆球的中心在所述相机坐标系下的坐标数据经过相机坐标系在工具坐标系的转换矩阵变换后,得到所述立体三维半圆球的中心在所述工具坐标系下的坐标数据;
将所述立体三维半圆球的中心在所述基坐标系下的坐标数据经过工具坐标系在基坐标系的逆矩阵进行变换后,得到所述立体三维半圆球的中心在所述工具坐标系下的坐标数据;
将得到的两个所述工具坐标系下的坐标数据建立等式方程,解算所述等式方程以得到待标定机器臂的相机坐标系在工具坐标系的转换矩阵。
可选地,所述将所述立体三维半圆球的中心在所述相机坐标系下的坐标数据经过相机坐标系在工具坐标系的转换矩阵变换后,得到所述立体三维半圆球的中心在所述工具坐标系下的坐标数据,所述立体三维半圆球的中心在所述工具坐标系下的坐标数据转置,如下:
;
其中,、/>、/>.../>、/>为多个所述立体三维半圆球的中心在所述相机坐标系的所述坐标数据,/>、/>、/>...、/>、/>是多个所述立体三维半圆球的中心在所述相机坐标系的所述坐标数据转置,n为所述立体三维半圆球的个数,/>为相机坐标系在工具坐标系的转换矩阵的转置矩阵。
可选地,所述将所述立体三维半圆球的中心在所述基坐标系下的坐标数据经过工具坐标系在基坐标系的逆矩阵进行变换后,得到所述立体三维半圆球的中心在所述工具坐标系下的坐标数据,所述立体三维半圆球的中心在所述工具坐标系下的坐标数据转置,如下:
;
其中,、/>、/>.../>、/>为所述立体三维半圆球的中心在所述基坐标系的所述坐标数据,/>、/>、/>.../>、/>是多个所述立体三维半圆球的中心在所述基坐标系的坐标数据转置,n为所述立体三维半圆球的个数,/>为工具坐标系在基坐标系的逆矩阵的转置矩阵。
可选地,所述将得到的两个所述工具坐标系下的坐标数据转置建立等式方程,解算所述等式方程以得到待标定机器臂的相机坐标系在工具坐标系的转换矩阵,包括:
所述等式方程为:
;
根据所述等式方程,得到所述待标定机器臂的相机坐标系在工具坐标系的转换矩阵。
第二方面,本发明提供一种计算机设备,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上述的手眼标定方法。
第三方面,本发明提供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,实现上述的手眼标定方法。
本发明的手眼标定方法、设备及存储介质,通过获取标定板上立体三维半圆球的点云数据,并根据点云数据得到立体三维半圆球的坐标数据,提高手眼标定的精度。根据立体三维半圆球的坐标数据,准确确定待标定机器臂的相机坐标系和工具坐标系之间的转换矩阵,避免因使用二维标定算法多次转换产生误差问题。同时,相比于传统的手眼标定方法,这种方法不需要额外的标定板或标定物体,只需要在待标定机器臂上触碰三维半圆球获取位置信息,并采集标定板的点云数据。省去了额外的准备工作和复杂的标定步骤,简化了标定过程。并且通过融合多个接触点的位置信息以及采集的点云数据,从而得到更精确的立体三维半圆球的中心位置数据,进而提高手眼标定的精度,使得相机坐标系在工具坐标系的转换矩阵更准确。
附图说明
图1为本发明眼球标定方法流程图之一;
图2为本发明的标定板的示意图;
图3为本发明眼球标定方法流程图之二;
图4为本发明眼球标定方法流程图之三。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
第一方面,本发明提供一种手眼标定方法,应用于3D立体圆球标定系统,所述3D立体圆球标定系统的标定板上设有立体三维半圆球;
结合图2所示,在本发明的优选实施例中,采用立体三维半圆球作为检测特征,圆球具有基于球心球对称性,绕球心朝任意方向旋转任意角度后所得的新的几何体(包括其位置关系)与原几何体完全相同,此特征具有很好的兼容性,对采集位置约束少。
结合图1所示,所述手眼标定方法包括:
通过待标定机器臂触碰三维半圆球上多个接触点,获取所述三维半圆球上多个所述接触点在机器人系统的基坐标系的位置信息,通过所述三维半圆球的半径融合多个所述位置信息,获得所述立体三维半圆球的中心在所述机器人系统的基坐标系中的坐标数据。
具体地,针对不同的待标定机器臂所配备的传感器类型,需要采用不同的设置和参数调整,将传感器连接到机器臂的末端,根据标定板的位置和姿态,在待标定机器臂的工作范围内定义一个合适的采集区域,确保该区域包含标定板。首先将待标定机器臂触碰三维半圆球上的多个接触点,并获取这些接触点在机器人系统的基坐标系中的位置信息。通过融合多个接触点的位置信息,并结合已知半圆球的半径,计算得到立体三维半圆球的中心在机器人系统的基坐标系中的坐标数据。进而得到了立体三维半圆球在机器人系统中的位置信息。
在本实施例中,通过多个接触点的位置信息和已知半圆球的半径,并将计算一个准确的圆球中心位置。可在接触点的坐标数据存在一定误差的情况下,可以通过融合多个点的信息来减小误差,提高测量的准确性。
通过待标定机器臂上的3D传感器采集所述标定板的点云数据,得到所述立体三维半圆球在相机坐标系中的坐标数据。
具体地,待标定机器臂上的3D传感器用来采集标定板的点云数据,标定板上具有立体三维半圆球,通过3D传感器扫描标定板的表面,可以获取到标定板上立体三维半圆球的点云数据。通过对点云数据的处理和分析,可以得到立体三维半圆球在相机坐标系中的坐标数据。通过3D传感器采集到的点云数据,可以计算出立体三维半圆球在相机坐标系中的位置和姿态。
根据所述立体三维半圆球的中心在所述机器人系统的基坐标系中的坐标数据以及所述立体三维半圆球在所述相机坐标系中的坐标数据,确定所述待标定机器臂的相机坐标系在工具坐标系的转换矩阵。
根据所述转换矩阵,完成手眼标定。
具体地,得到转换矩阵后,进行标定结果的校验,实现相机坐标系在机器人基坐标系转化关系。如果标定结果不理想,可以进行调整,例如重新采集标定数据、调整标定算法或调整机器臂的安装位置等。通过手眼标定来获取机器臂末端执行器的位姿信息,可用于机器臂运动控制、精确定位、目标跟踪等不同领域的应用。通过手眼标定,可以确定机器臂末端执行器相对于相机坐标系的位姿信息,进而实现机器视觉和机器人控制等技术的应用。
本发明的手眼标定方法,通过获取标定板上立体三维半圆球的点云数据,并根据点云数据得到立体三维半圆球的坐标数据,提高手眼标定的精度。根据立体三维半圆球的坐标数据,准确确定待标定机器臂的相机坐标系和工具坐标系之间的转换矩阵,避免因使用二维标定算法多次转换产生误差问题。同时,相比于传统的手眼标定方法,这种方法不需要额外的标定板或标定物体,只需要在待标定机器臂上触碰三维半圆球获取位置信息,并采集标定板的点云数据。省去了额外的准备工作和复杂的标定步骤,简化了标定过程。并且通过融合多个接触点的位置信息以及采集的点云数据,从而得到更精确的立体三维半圆球的中心位置数据,进而提高手眼标定的精度,使得相机坐标系在工具坐标系的转换矩阵更准确。
可选地,结合图3所示,所述通过待标定机器臂触碰三维半圆球上多个接触点,获取所述三维半圆球上多个所述接触点在机器人系统的基坐标系的位置信息,通过所述三维半圆球的半径融合多个所述位置信息,获得所述立体三维半圆球的中心在所述机器人系统的基坐标系中的坐标数据,包括:
步骤S10:将所述标定板设置在所述待标定机器臂的工作区域的预设位置;
步骤S11:通过控制所述待标定机器臂触碰所述立体三维半圆球上的多个所述接触点以得到多个所述接触点在所述机器人系统的基坐标系中的坐标,根据多个所述接触点在所述机器人系统的基坐标系中的坐标,计算得到所述立体三维半圆球的中心在所述机器人系统的基坐标系中的坐标数据;
步骤S12:重复步骤S11,依次获得每个所述立体三维半圆球上的球心在所述机器人系统的基坐标系下的坐标数据。
具体地,将标定板设置在待标定机器臂的工作区域的预设位置,在本实施例中,标定板上具有立体三维半圆球。通过控制待标定机器臂触碰立体三维半圆球的多个接触点,通过控制机器臂的姿态和位置来触碰半圆球不同位置,从而获取多个接触点的数据。将这些接触点数据从机器臂坐标系转换到基坐标系。机器臂坐标系是相对于机器人系统的基坐标系而言的坐标系。将接触点的数据从机器臂坐标系转换到基坐标系,得到立体三维半圆球的中心在基坐标系中的坐标数据。多次获取接触点在机器人系统的基坐标系下的位置,并计算出立体三维半圆球的中心在机器人系统的基坐标系中的坐标数据。
在本实施例中,可以获取待标定机器臂采集的标定板的点云数据,作为进行手眼标定的输入。点云数据可用于计算标定板圆球中心在相机坐标系位置信息,通过建立转换关系可以计算出相机坐标系和工具坐标系之间的转换关系,并进一步确定机器臂末端执行器的位姿信息。并且通过多次获取点云数据,可以消除误差并提高测量的准确性。
可选地,结合图4所示,所述通过待标定机器臂上的3D传感器采集所述标定板的点云数据,得到所述立体三维半圆球在所述相机坐标系中的坐标数据,包括:
根据所述3D传感器采集的点云数据,进行滤波预处理操作,得到预处理后的所述点云数据;
对预处理后的点云数据进行筛选,得到属于所述立体三维半圆球的点云数据;
根据所述立体三维半圆球的点云数据,得到所述立体三维半圆球的球心在相机坐标系中的坐标数据。
具体地,根据传感器的参数和安装位置,建立相机坐标系,该坐标系与机器臂的工具坐标系相对应。对采集到的点云数据进行滤波预处理操作,从而去除噪点和无关的背景信息,保留有效的目标物体轮廓。常用的滤波方法包括体素滤波、统计滤波等。再对预处理后的点云数据进行筛选,筛选出属于立体三维半圆球的点云数据。常用的筛选方法可通过形状特征和位置特征来进行分类。例如,可以根据半圆球的形状进行分类,同时结合半圆球在标定板上的位置信息,将其他不属于半圆球的点云数据排除。得到筛选后的半圆球点云数据之后,可以通过随机采样等方法来计算立体三维半圆球在相机坐标系中的坐标数据。
在本实施例中,通过从点云数据中获取标定板上立体三维半圆球的坐标数据,以此用于手眼标定过程中计算相机和工具坐标系之间的转换关系。
可选地,所述步骤S11,包括:
步骤S110:建立圆球坐标方程;
步骤S111:将所述接触点在所述机器人系统的基坐标系中的坐标代入所述圆球坐标方程,得到所述机器人系统的基坐标系下球心的坐标数据。
具体地,根据所述半圆球上多个接触点0,1...n在所述机器人系统的基坐标系位置坐标为,/>,.../>,半圆球半径为r,圆球方程为(x-a)²+(y-b)²+(z-c)²=r²,球心坐标(a,b,c),x²-2*a*x+a²+y²-2*b*y+b²+z²-2*c*z+c²=r²,圆球上点0、1位置代入方程得到:
(1);
(2);
(1)-(2)可得:
(3);
根据所述半圆球的位置信息和公式(3)的结果可知:
通过奇异值分解算法得到(a,b,c),即得到所述机器人系统的基坐标系下球心的坐标数据;
依次求取所述标定板上所有的所述球心在所述机器人系统的基坐标系下的坐标数据,其中,
,/>,/>:第一个接触点在机器人系统的基坐标系中的位置坐标;
,/>,/>:第二个接触点在机器人系统的基坐标系中的位置坐标;
,/>,/>:第n个接触点在机器人系统的基坐标系中的位置坐标;
r:立体三维半圆球的半径;
a, b, c:立体三维半圆球的中心在机器人系统的基坐标系中的坐标;
,/>,/>:接触点坐标平方的差值;
,/>,/>:第一个接触点的坐标和半圆球中心坐标的关系;
,/>,/>:第二个接触点的坐标和半圆球中心坐标的关系。
在本实施例中,通过求解以上方程,可以得到半圆球的中心坐标(a, b, c)即得到所述机器人系统的基坐标系下球心的坐标数据。
可选地,所述3D立体圆球标定系统的所述标定板上设有至少12个所述立体三维半圆球;
所述根据所述立体三维半圆球的中心在所述机器人系统的基坐标系中的坐标数据以及所述立体三维半圆球在所述相机坐标系中的坐标数据,确定所述待标定机器臂的相机坐标系在工具坐标系的转换矩阵,包括:
将所述立体三维半圆球的中心在所述相机坐标系下的坐标数据经过相机坐标系在工具坐标系的转换矩阵变换后,得到所述立体三维半圆球的中心在所述工具坐标系下的坐标数据;
将所述立体三维半圆球的中心在所述基坐标系下的坐标数据经过工具坐标系在基坐标系的逆矩阵进行变换后,得到所述立体三维半圆球的中心在所述工具坐标系下的坐标数据;
将得到的两个所述工具坐标系下的坐标数据建立等式方程,解算所述等式方程以得到待标定机器臂的相机坐标系在工具坐标系的转换矩阵。
具体地,首先,立体三维半圆球的中心在相机坐标系下的位置数据通过相机坐标系在工具坐标系的转换矩阵变换到工具坐标系下。同时,将立体三维半圆球的中心在基坐标系下的坐标通过工具坐标系在基坐标系的逆变换矩阵,变换到工具坐标系下;从而实现相机坐标系与基坐标系之间的一个变换。进一步地,建立相机坐标系在工具坐标系的转换矩阵,将得到的两个工具坐标系下的坐标数据建立等式方程,通过解上述的等式方程,可以解出转换矩阵H,从而确定了相机坐标系在工具坐标系的具体关系。
在本实施例中,利用3D立体圆球标定系统上的立体三维半圆球实现待标定机器臂和相机之间的手眼标定,确定相机坐标系和工具坐标系之间的转换关系,将工具坐标系下的末端执行器坐标转换为相机坐标系下的坐标,从而实现机器视觉应用。
可选地,所述将所述立体三维半圆球的中心在所述相机坐标系下的坐标数据经过相机坐标系在工具坐标系的转换矩阵变换后,得到所述立体三维半圆球的中心在所述工具坐标系下的坐标数据,所述立体三维半圆球的中心在所述工具坐标系下的坐标数据转置,如下:
;
其中,、/>、/>.../>、/>为多个所述立体三维半圆球的中心在所述相机坐标系的所述坐标数据,/>、/>、/>.../>、/>是多个所述立体三维半圆球的中心在所述相机坐标系的所述坐标数据转置,n为所述立体三维半圆球的个数,/>为相机坐标系在工具坐标系的转换矩阵的转置矩阵。
可选地,所述将所述立体三维半圆球的中心在所述基坐标系下的坐标数据经过工具坐标系在基坐标系的逆矩阵进行变换后,得到所述立体三维半圆球的中心在所述工具坐标系下的坐标数据,所述立体三维半圆球的中心在所述工具坐标系下的坐标数据转置,如下:
;
其中,、/>、/>.../>、/>为所述立体三维半圆球的中心在所述基坐标系的所述坐标数据,/>、/>、/>.../>、/>是多个所述立体三维半圆球的中心在所述基坐标系的坐标数据转置,n为所述立体三维半圆球的个数,/>为工具坐标系在基坐标系的逆矩阵的转置矩阵。
具体地,机器臂通过触摸方式计算工件特征球在基坐标系下中心的坐标数据、、/>.../>、/>,n是特征球个数(n>12),/>是相机拍照时机器人系统直接给出。
可选地,所述将得到的两个所述工具坐标系下的坐标数据转置建立等式方程,解算所述等式方程以得到待标定机器臂的相机坐标系在工具坐标系的转换矩阵,包括:
所述等式方程为:
;
根据所述等式方程,得到所述待标定机器臂的相机坐标系在工具坐标系的转换矩阵。
在本实施例中,实现了准确确定待标定机器臂的相机坐标系和工具坐标系之间的转换矩阵,进而避免因使用二维标定算法计算基准坐标系时可能存在的转换误差问题。
第二方面,本发明提供一种计算机设备,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上述的手眼标定方法。
本发明的计算机设备,通过获取标定板上立体三维半圆球的点云数据,并根据点云数据得到立体三维半圆球的坐标数据,提高手眼标定的精度。根据立体三维半圆球的坐标数据,准确确定待标定机器臂的相机坐标系和工具坐标系之间的转换矩阵,避免因使用二维标定算法计算基准坐标系时可能存在的转换误差问题。同时,相比于传统的手眼标定方法,这种方法不需要额外的标定板或标定物体,只需要在待标定机器臂上触碰三维半圆球获取位置信息,并采集标定板的点云数据。省去了额外的准备工作和复杂的标定步骤,简化了标定过程。并且通过融合多个接触点的位置信息以及采集的点云数据,从而得到更精确的立体三维半圆球的中心位置数据,进而提高手眼标定的精度,使得相机坐标系在工具坐标系的转换矩阵更准确。
第三方面,本发明提供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,实现上述的手眼标定方法。
本发明的存储介质,通过获取标定板上立体三维半圆球的点云数据,并根据点云数据得到立体三维半圆球的坐标数据,提高手眼标定的精度。根据立体三维半圆球的坐标数据,准确确定待标定机器臂的相机坐标系和工具坐标系之间的转换矩阵,避免因使用二维标定算法计算基准坐标系时可能存在的转换误差问题。同时,相比于传统的手眼标定方法,这种方法不需要额外的标定板或标定物体,只需要在待标定机器臂上触碰三维半圆球获取位置信息,并采集标定板的点云数据。省去了额外的准备工作和复杂的标定步骤,简化了标定过程。并且通过融合多个接触点的位置信息以及采集的点云数据,从而得到更精确的立体三维半圆球的中心位置数据,进而提高手眼标定的精度,使得相机坐标系在工具坐标系的转换矩阵更准确。
虽然本发明披露如上,但本发明的保护范围并非仅限于此。本领域技术人员在不脱离本发明的精神和范围的前提下,可进行各种变更与修改,这些变更与修改均将落入本发明的保护范围。
Claims (5)
1.一种手眼标定方法,其特征在于,应用于3D立体圆球标定系统,所述3D立体圆球标定系统的标定板上设有至少12个立体三维半圆球;所述手眼标定方法包括:
通过待标定机器臂触碰三维半圆球上多个接触点,获取所述三维半圆球上多个所述接触点在机器人系统的基坐标系的位置信息,通过所述三维半圆球的半径融合多个所述位置信息,获得所述立体三维半圆球的中心在所述机器人系统的基坐标系中的坐标数据;
通过待标定机器臂上的3D传感器采集所述标定板的点云数据,得到所述立体三维半圆球的中心在相机坐标系中的坐标数据,具体包括:
根据所述3D传感器采集的点云数据,进行滤波预处理操作,得到预处理后的点云数据;
对预处理后的点云数据进行筛选,得到属于所述立体三维半圆球的点云数据;
根据所述立体三维半圆球的点云数据,得到所述立体三维半圆球的球心在相机坐标系中的坐标数据;
根据所述立体三维半圆球的中心在所述机器人系统的基坐标系中的坐标数据以及所述立体三维半圆球在所述相机坐标系中的坐标数据,确定所述待标定机器臂的相机坐标系在工具坐标系的转换矩阵,具体包括:
将所述立体三维半圆球的中心在所述相机坐标系下的坐标数据经过相机坐标系在工具坐标系的转换矩阵变换后,得到所述立体三维半圆球的中心在所述工具坐标系下的坐标数据;
将所述立体三维半圆球的中心在所述基坐标系下的坐标数据经过工具坐标系在基坐标系的逆矩阵进行变换后,得到所述立体三维半圆球的中心在所述工具坐标系下的坐标数据,所述立体三维半圆球的中心在所述工具坐标系下的坐标数据转置,如下:
;
其中,、/>、/>.../>、/>为多个所述立体三维半圆球的中心在所述相机坐标系的所述坐标数据,/>、/>、/>.../>、/>是多个所述立体三维半圆球的中心在所述相机坐标系的所述坐标数据转置,n为所述立体三维半圆球的个数,/>为相机坐标系在工具坐标系的转换矩阵的转置矩阵;
所述立体三维半圆球的中心在所述工具坐标系下的坐标数据转置,如下:
;
其中,、/>、/>.../>、/>为所述立体三维半圆球的中心在所述基坐标系的所述坐标数据,/>、/>、/>.../>、/>是多个所述立体三维半圆球的中心在所述基坐标系的坐标数据转置,n为所述立体三维半圆球的个数,/>为工具坐标系在基坐标系的逆矩阵的转置矩阵;
将得到的两个所述工具坐标系下的坐标数据建立等式方程,解算所述等式方程以得到待标定机器臂的相机坐标系在工具坐标系的转换矩阵,包括:
所述等式方程为:
;
根据所述等式方程,得到所述待标定机器臂的相机坐标系在工具坐标系的转换矩阵;
根据所述转换矩阵,完成手眼标定。
2.根据权利要求1所述的手眼标定方法,其特征在于,所述通过待标定机器臂触碰三维半圆球上多个接触点,获取所述三维半圆球上多个所述接触点在机器人系统的基坐标系的位置信息,通过所述三维半圆球的半径融合多个所述位置信息,获得所述立体三维半圆球的中心在所述机器人系统的基坐标系中的坐标数据,包括:
步骤S10:将所述标定板设置在所述待标定机器臂的工作区域的预设位置;
步骤S11:通过控制所述待标定机器臂触碰所述立体三维半圆球上的多个所述接触点以得到多个所述接触点在所述机器人系统的基坐标系中的坐标,根据多个所述接触点在所述机器人系统的基坐标系中的坐标,计算得到所述立体三维半圆球的中心在所述机器人系统的基坐标系中的坐标数据;
步骤S12:重复步骤S11,依次获得每个所述立体三维半圆球上的球心在所述机器人系统的基坐标系下的坐标数据。
3.根据权利要求2所述的手眼标定方法,其特征在于,所述步骤S11,包括:
步骤S110:建立圆球坐标方程;
步骤S111:将所述接触点在所述机器人系统的基坐标系中的坐标代入所述圆球坐标方程,得到所述机器人系统的基坐标系下球心的坐标数据。
4.一种计算机设备,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3中任一项所述的手眼标定方法。
5.一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3中任一项所述的手眼标定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410056526.5A CN117576227B (zh) | 2024-01-16 | 2024-01-16 | 一种手眼标定方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410056526.5A CN117576227B (zh) | 2024-01-16 | 2024-01-16 | 一种手眼标定方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117576227A CN117576227A (zh) | 2024-02-20 |
CN117576227B true CN117576227B (zh) | 2024-04-19 |
Family
ID=89884845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410056526.5A Active CN117576227B (zh) | 2024-01-16 | 2024-01-16 | 一种手眼标定方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117576227B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108582076A (zh) * | 2018-05-10 | 2018-09-28 | 武汉库柏特科技有限公司 | 一种基于标准球的机器人手眼标定方法及装置 |
CN110116411A (zh) * | 2019-06-06 | 2019-08-13 | 浙江汉振智能技术有限公司 | 一种基于球目标的机器人3d视觉手眼标定方法 |
CN110355755A (zh) * | 2018-12-15 | 2019-10-22 | 深圳铭杰医疗科技有限公司 | 机器人手眼系统标定方法、装置、设备及存储介质 |
CN110906863A (zh) * | 2019-10-30 | 2020-03-24 | 成都绝影智能科技有限公司 | 一种用于线结构光传感器的手眼标定系统及标定方法 |
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 |
CN111546328A (zh) * | 2020-04-02 | 2020-08-18 | 天津大学 | 基于三维视觉测量的手眼标定方法 |
CN112091971A (zh) * | 2020-08-21 | 2020-12-18 | 季华实验室 | 机器人手眼标定方法、装置、电子设备和系统 |
CN114066983A (zh) * | 2021-11-18 | 2022-02-18 | 新拓三维技术(深圳)有限公司 | 一种基于两轴转台的智能补扫方法和计算机可读存储介质 |
JP2022039903A (ja) * | 2020-08-28 | 2022-03-10 | 中国計量大学 | ラインレーザーセンサ用のキャリブレーションブロック及びハンドアイキャリブレーション方法 |
CN114748168A (zh) * | 2022-04-27 | 2022-07-15 | 汕头大学 | 一种全髋关节置换手术机器人系统 |
CN115229805A (zh) * | 2022-09-21 | 2022-10-25 | 北京壹点灵动科技有限公司 | 手术机器人手眼标定方法、装置、存储介质及处理器 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7237483B2 (ja) * | 2018-07-18 | 2023-03-13 | キヤノン株式会社 | ロボットシステムの制御方法、制御プログラム、記録媒体、制御装置、ロボットシステム、物品の製造方法 |
WO2021199305A1 (ja) * | 2020-03-31 | 2021-10-07 | 日本電気株式会社 | 制御装置、制御システム、制御方法、および、制御プログラムが記録された記録媒体 |
-
2024
- 2024-01-16 CN CN202410056526.5A patent/CN117576227B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108582076A (zh) * | 2018-05-10 | 2018-09-28 | 武汉库柏特科技有限公司 | 一种基于标准球的机器人手眼标定方法及装置 |
CN110355755A (zh) * | 2018-12-15 | 2019-10-22 | 深圳铭杰医疗科技有限公司 | 机器人手眼系统标定方法、装置、设备及存储介质 |
CN110116411A (zh) * | 2019-06-06 | 2019-08-13 | 浙江汉振智能技术有限公司 | 一种基于球目标的机器人3d视觉手眼标定方法 |
CN110906863A (zh) * | 2019-10-30 | 2020-03-24 | 成都绝影智能科技有限公司 | 一种用于线结构光传感器的手眼标定系统及标定方法 |
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 |
CN111546328A (zh) * | 2020-04-02 | 2020-08-18 | 天津大学 | 基于三维视觉测量的手眼标定方法 |
CN112091971A (zh) * | 2020-08-21 | 2020-12-18 | 季华实验室 | 机器人手眼标定方法、装置、电子设备和系统 |
JP2022039903A (ja) * | 2020-08-28 | 2022-03-10 | 中国計量大学 | ラインレーザーセンサ用のキャリブレーションブロック及びハンドアイキャリブレーション方法 |
CN114066983A (zh) * | 2021-11-18 | 2022-02-18 | 新拓三维技术(深圳)有限公司 | 一种基于两轴转台的智能补扫方法和计算机可读存储介质 |
CN114748168A (zh) * | 2022-04-27 | 2022-07-15 | 汕头大学 | 一种全髋关节置换手术机器人系统 |
CN115229805A (zh) * | 2022-09-21 | 2022-10-25 | 北京壹点灵动科技有限公司 | 手术机器人手眼标定方法、装置、存储介质及处理器 |
Non-Patent Citations (2)
Title |
---|
Precise hand-eye calibration method based on spatial distance and epipolar constraints;Zhenyu Liu等;《Robotics and Autonomous Systems》;20210806;第1-12页 * |
服务机器人动态环境下定位及物体抓取技术;孙自飞;《中国优秀硕士学位论文全文数据库信息科技辑》;20180415(第04期);第I140-527页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117576227A (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6591507B2 (ja) | 同時運動学およびハンドアイ較正 | |
CN110555889B (zh) | 一种基于CALTag和点云信息的深度相机手眼标定方法 | |
CN110116411B (zh) | 一种基于球目标的机器人3d视觉手眼标定方法 | |
CN109859275B (zh) | 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 | |
CN111775146A (zh) | 一种工业机械臂多工位作业下的视觉对准方法 | |
JP6180086B2 (ja) | 情報処理装置及び情報処理方法 | |
CN112862878B (zh) | 一种基于3d视觉的机械臂修坯方法 | |
JP4191080B2 (ja) | 計測装置 | |
CN108582076A (zh) | 一种基于标准球的机器人手眼标定方法及装置 | |
CN110717943A (zh) | 用于二维平面的眼在手上机械手手眼标定方法及系统 | |
CN107218930B (zh) | 基于单目手眼系统的空间圆六维位置-姿态主动式测量方法 | |
CN110605714A (zh) | 一种基于人眼凝视点的手眼协调抓取方法 | |
CN112669385B (zh) | 基于三维点云特征的工业机器人工件识别与位姿估计方法 | |
CN111801198A (zh) | 一种手眼标定方法、系统及计算机存储介质 | |
CN105066962B (zh) | 一种多分辨率大视场角高精度摄影测量装置 | |
CN111872922B (zh) | 基于3d视觉传感器的三自由度并联机器人手眼标定方法 | |
CN111028340A (zh) | 精密装配中的三维重构方法、装置、设备及系统 | |
CN109272555B (zh) | 一种rgb-d相机的外部参数获得及标定方法 | |
CN110695982A (zh) | 一种基于三维视觉的机械臂手眼标定方法和装置 | |
CN116129037B (zh) | 视触觉传感器及其三维重建方法、系统、设备及存储介质 | |
CN114310901B (zh) | 用于机器人的坐标系标定方法、装置、系统以及介质 | |
CN112658643B (zh) | 接插件装配方法 | |
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 | |
CN112229323A (zh) | 基于手机单目视觉的棋盘格合作目标的六自由度测量方法及其应用 | |
CN117576227B (zh) | 一种手眼标定方法、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |