CN117961910A - 一种基于环境信息的手眼标定方法、装置及电子设备 - Google Patents
一种基于环境信息的手眼标定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117961910A CN117961910A CN202410298540.6A CN202410298540A CN117961910A CN 117961910 A CN117961910 A CN 117961910A CN 202410298540 A CN202410298540 A CN 202410298540A CN 117961910 A CN117961910 A CN 117961910A
- Authority
- CN
- China
- Prior art keywords
- hand
- calibration
- eye
- mechanical arm
- environment image
- 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 69
- 238000003384 imaging method Methods 0.000 claims abstract description 67
- 239000011159 matrix material Substances 0.000 claims abstract description 51
- 230000007613 environmental effect Effects 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 16
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
Landscapes
- Position Input By Displaying (AREA)
Abstract
本公开提供了一种基于环境信息的手眼标定方法、装置及电子设备,方法包括:通过标定相机获取机械臂处于第一位姿时的第一环境图像和处于第二位姿时的第二环境图像;确定第一环境图像和第二环境图像中目标特征点对应的第一像素坐标和第二像素坐标;将第一像素坐标转化为第一世界坐标,第二像素坐标转化为第二世界坐标;基于所有目标特征点的第一世界坐标和第二世界坐标确定手眼标定的成像投影误差;对成像投影误差进行处理,得到手眼标定的手眼标定矩阵,根据手眼标定矩阵进行手眼标定。应用本方法,借助环境图像中的目标特征点代替标定物完成标定,无需特定标定物,标定过程与机械臂作业过程无须分离,可以保证标定环境和作业环境的一致性。
Description
技术领域
本公开涉及机器人视觉领域,尤其涉及一种基于环境信息的手眼标定方法、装置及电子设备。
背景技术
视觉引导机械臂系统可以完成诸多自动化任务,而机械臂的视觉标定(即手眼标定)是视觉引导机械臂作业的基础和关键。目前针对手眼标定,通常采用特定标定物,通过人工操作,分别获取该特定标定物在视觉坐标系和待标定坐标系内的坐标,通过坐标转换关系获取手眼标定矩阵,依据手眼标定矩阵引导机械臂运动完成手眼标定。但通过特定标定物实现手眼标定时,需要获取该特定标定物在视觉坐标系和待标定坐标系的坐标,而待标定坐标系中的坐标通常需要手动获取,难以直接获取,手动操作的精度影响手眼标定的精度,并且在进行标定时,标定过程与机械臂作业过程分离,标定时需要中断作业环境放置标定物等,无法保证标定环境与机械臂作业环境完全一致。
发明内容
本公开提供了一种基于环境信息的手眼标定方法、装置及电子设备,以至少解决现有技术中存在的以上技术问题。
根据本公开的第一方面,提供了一种基于环境信息的手眼标定方法,所述方法包括:通过机械臂系统中的标定相机,分别获取机械臂处于第一位姿时的第一环境图像和处于第二位姿时的第二环境图像;确定所述第一环境图像和所述第二环境图像中目标特征点对应的第一像素坐标和第二像素坐标;将所述第一像素坐标转化为第一世界坐标,所述第二像素坐标转化为第二世界坐标;基于所有目标特征点的第一世界坐标和第二世界坐标确定手眼标定的成像投影误差;根据李群和李代数的方法对所述手眼标定的成像投影误差进行处理,得到手眼标定的手眼标定矩阵,并根据所述手眼标定矩阵进行手眼标定。
在一可实施方式中,所述确定所述第一环境图像和所述第二环境图像中目标特征点对应的第一像素坐标和第二像素坐标,包括:分别提取所述第一环境图像和所述第二环境图像中的初始特征点;对所述初始特征点进行匹配,确定所述第一环境图像和所述第二环境图像中相同的初始特征点为目标特征点;确定所述第一环境图像中每个所述目标特征点对应的第一像素坐标;确定所述第二环境图像中每个所述目标特征点对应的第二像素坐标。
在一可实施方式中,所述将所述第一像素坐标转化为第一世界坐标,所述第二像素坐标转化为第二世界坐标,包括:根据所述第一像素坐标、所述标定相机的内参和所述机械臂运动学将所述第一像素坐标转化为第一世界坐标;根据所述第二像素坐标、所述标定相机的内参和所述机械臂运动学将所述第二像素坐标转化为第二世界坐标;其中,所述机械臂系统中的标定相机包括眼在手上和眼在手外两种安装方式,当所述标定相机采用眼在手上的安装方式时,所述机械臂运动学为机械臂正运动学,当所述标定相机采用眼在手外的安装方式时,所述机械臂运动学为机械臂逆运动学。
在一可实施方式中,所述基于所有目标特征点的第一世界坐标和第二世界坐标确定手眼标定的成像投影误差,包括:将每个目标特征点的第一世界坐标和第二世界坐标的距离确定为所述目标特征点的成像投影误差;将所有目标特征点的成像投影误差相加,确定所述手眼标定的成像投影误差。
在一可实施方式中,所述根据李群和李代数的方法对所述手眼标定的成像投影误差进行处理,得到手眼标定的手眼标定矩阵,包括:根据李群和李代数的指数映射转化,将所述手眼标定的成像投影误差转化为李代数形式;确定转化为李代数形式的成像投影误差的最小值;根据所述最小值确定手眼标定矩阵的李代数的最优值;根据所述最优值,依据李群和李代数的对数映射转化,确定所述手眼标定的手眼标定矩阵。
根据本公开的第二方面,提供了一种基于环境信息的手眼标定装置,所述装置包括:获取模块,用于通过机械臂系统中的标定相机,分别获取机械臂处于第一位姿时的第一环境图像和处于第二位姿时的第二环境图像;第一确定模块,用于确定所述第一环境图像和所述第二环境图像中目标特征点对应的第一像素坐标和第二像素坐标;转化模块,用于将所述第一像素坐标转化为第一世界坐标,所述第二像素坐标转化为第二世界坐标;第二确定模块,用于基于所有目标特征点的第一世界坐标和第二世界坐标确定手眼标定的成像投影误差;处理模块,用于根据李群和李代数的方法对所述手眼标定的成像投影误差进行处理,得到手眼标定的手眼标定矩阵,并根据所述手眼标定矩阵进行手眼标定。
在一可实施方式中,所述第一确定模块,包括:提取子模块,用于分别提取所述第一环境图像和所述第二环境图像中的初始特征点;匹配子模块,用于对所述初始特征点进行匹配,确定所述第一环境图像和所述第二环境图像中相同的初始特征点为目标特征点;第一确定子模块,用于确定所述第一环境图像中每个所述目标特征点对应的第一像素坐标;所述第一确定子模块,还用于确定所述第二环境图像中每个所述目标特征点对应的第二像素坐标。
在一可实施方式中,所述转化模块,具体用于,根据所述第一像素坐标、所述标定相机的内参和所述机械臂运动学将所述第一像素坐标转化为第一世界坐标;根据所述第二像素坐标、所述标定相机的内参和所述机械臂运动学将所述第二像素坐标转化为第二世界坐标;其中,所述机械臂系统中的标定相机包括眼在手上和眼在手外两种安装方式,当所述标定相机采用眼在手上的安装方式时,所述机械臂运动学为机械臂正运动学,当所述标定相机采用眼在手外的安装方式时,所述机械臂运动学为机械臂逆运动学。
在一可实施方式中,所述第二确定模块,具体用于,将每个目标特征点的第一世界坐标和第二世界坐标的距离确定为所述目标特征点的成像投影误差;将所有目标特征点的成像投影误差相加,确定所述手眼标定的成像投影误差。
在一可实施方式中,所述处理模块,包括:转化子模块,用于根据李群和李代数的指数映射转化,将所述手眼标定的成像投影误差转化为李代数形式;第二确定子模块,用于确定转化为李代数形式的成像投影误差的最小值;所述第二确定子模块,还用于根据所述最小值确定手眼标定矩阵的李代数的最优值;所述第二确定子模块,还用于根据所述最优值,依据李群和李代数的对数映射转化,确定所述手眼标定的手眼标定矩阵。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本公开所述的方法。
本公开的一种基于环境信息的手眼标定方法、装置、电子设备及存储介质,通过机械臂系统中的标定相机,分别获取机械臂处于第一位姿时的第一环境图像和处于第二位姿时的第二环境图像,确定第一环境图像和第二环境图像中目标特征点对应的第一像素坐标和第二像素坐标,分别将第一像素坐标和第二像素坐标转化为第一世界坐标和第二世界坐标,基于目标特征点的第一世界坐标和第二世界坐标确定手眼标定的成像投影误差,根据李群和李代数的方法对手眼标定的成像投影误差进行处理,得到手眼标定的手眼标定矩阵,并根据手眼标定矩阵进行手眼标定。应用本方法,以环境信息代替标定物,通过环境图像中的目标特征点完成标定,无需特定标定物,标定过程和机械臂作业过程无须分离,可以保证标定环境和作业环境对于视觉系统的一致性,确定成像投影误差并且通过李群和李代数的方法对成像投影误差进行处理以求解手眼标定矩阵,提高了视觉系统的标定精度,降低了求解计算的复杂度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过参考附图阅读下文的详细描述,本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本公开的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1示出了本公开实施例一种基于环境信息的手眼标定方法的实现流程示意图一;
图2示出了本公开实施例一种基于环境信息的手眼标定方法的实现流程示意图二;
图3示出了本公开实施例一种基于环境信息的手眼标定装置的模块示意图;
图4示出了本公开实施例一种电子设备的组成结构示意图。
具体实施方式
为使本公开的目的、特征、优点能够更加的明显和易懂,下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而非全部实施例。基于本公开中的实施例,本领域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,都属于本公开保护的范围。
图1示出了本公开实施例一种基于环境信息的手眼标定方法的实现流程示意图一,包括:
步骤101,通过机械臂系统中的标定相机,分别获取机械臂处于第一位姿时的第一环境图像和处于第二位姿时的第二环境图像。
视觉引导机械臂系统可以完成诸多自动化任务,而手眼标定是视觉引导机械臂作业的基础和关键,手眼标定的目的是确定机械臂和标定相机之间的相对位置关系,以便机械臂能够精准的定位和操作目标物体。本申请中机械臂首先移动到第一位姿,标定相机进行拍摄,将标定相机拍摄到的机械臂处于第一位姿时的环境图像作为第一环境图像;接着机械臂移动到第二位姿,该第二位姿与第一位姿是不同的位姿,标定相机继续进行拍摄,将标定相机拍摄到的机械臂处于第二位姿时的环境图像作为第二环境图像。
步骤102,确定第一环境图像和第二环境图像中目标特征点对应的第一像素坐标和第二像素坐标。
第一环境图像和第二环境图像中分别包括多个特征点,其中特征点是指图像中特殊的地方,如可以将图像中的角点、边缘、区块等当成图像中有代表性的地方作为特征点。将第一环境图像和第二环境图像中相同的特征点确定为目标特征点,根据第一环境图像确定目标特征点在第一环境图像中的第一像素坐标,根据第二环境图像确定目标特征点在第二环境图像中的第二像素坐标。
步骤103,将第一像素坐标转化为第一世界坐标,第二像素坐标转化为第二世界坐标。
第一像素坐标和第二像素坐标为目标特征点在图像中的坐标,现将第一像素坐标和第二像素坐标转化为第一世界坐标和第二世界坐标,第一世界坐标和第二世界坐标是目标特征点在世界空间中的坐标。
步骤104,基于所有目标特征点的第一世界坐标和第二世界坐标确定手眼标定的成像投影误差。
目标特征点的世界坐标具有唯一性,一个目标特征点对应一个世界坐标,但在实际获取过程中,不同方式确定出的目标特征点的世界坐标之间可能存在误差,因此本申请中根据目标特征点的第一世界坐标和第二世界坐标确定手眼标定的成像投影误差。
步骤105,根据李群和李代数的方法对手眼标定的成像投影误差进行处理,得到手眼标定的手眼标定矩阵,并根据手眼标定矩阵进行手眼标定。
通过李群和李代数映射转换的方法对手眼标定的成像投影误差进行处理,得到手眼标定的手眼标定矩阵,可以降低求解计算的复杂度。
本公开实施例提供的一种基于环境信息的手眼标定方法,通过机械臂系统中的标定相机,分别获取机械臂处于第一位姿时的第一环境图像和处于第二位姿时的第二环境图像,确定第一环境图像和第二环境图像中目标特征点对应的第一像素坐标和第二像素坐标,将第一像素坐标和第二像素坐标转化为第一世界坐标和第二世界坐标,基于所有目标特征点的第一世界坐标和第二世界坐标确定手眼标定的成像投影误差,根据李群和李代数的方法对手眼标定的成像投影误差进行处理,得到手眼标定矩阵,根据得到的手眼标定矩阵进行手眼标定。应用本方法,以环境信息代替标定物,通过环境图像中的目标特征点完成标定,无需特定标定物,标定过程和机械臂作业过程无须分离,可以保证标定环境和作业环境对于视觉系统的一致性,提高了视觉系统的标定精度。
在一可实施方式中,如图2所示,确定第一环境图像和第二环境图像中目标特征点对应的第一像素坐标和第二像素坐标,包括:
步骤201,分别提取第一环境图像和第二环境图像中的初始特征点;
步骤202,对初始特征点进行匹配,确定第一环境图像和第二环境图像中相同的初始特征点为目标特征点;
步骤203,确定第一环境图像中每个目标特征点对应的第一像素坐标;
步骤204,确定第二环境图像中每个目标特征点对应的第二像素坐标。
通过视觉算法,分别提取第一环境图像中的初始特征点和第二环境图像中的初始特征点,通过视觉匹配算法,将第一环境图像中的初始特征点和第二环境图像中的初始特征点进行匹配,确定第一环境图像和第二环境图像中相同的初始特征点确定为目标特征点。针对每个目标特征点,确定其在第一环境图像中的像素坐标为第一像素坐标,确定其在第二环境图像中的像素坐标为第二像素坐标。可以理解的是,在确定目标特征点的第一像素坐标和第二像素坐标时,应当采用相同的方式在第一环境图像和第二环境图像中进行像素坐标系的构建,如一种可实施方式为均以图像左上角像素为坐标原点,以左上角指向右上角的射线和左上角指向左下角的射线为轴构建坐标系。通过目标特征点在环境图像中的像素坐标代替标定物在待标定参考坐标系的坐标,使得标定环境与作业环境相同,适应性强。
在一可实施方式中,将第一像素坐标转化为第一世界坐标,第二像素坐标转化为第二世界坐标,包括:
根据第一像素坐标、标定相机的内参和机械臂运动学将第一像素坐标转化为第一世界坐标;
根据第二像素坐标、标定相机的内参和机械臂运动学将第二像素坐标转化为第二世界坐标;
其中,机械臂系统中的标定相机包括眼在手上和眼在手外两种安装方式,当标定相机采用眼在手上的安装方式时,机械臂运动学为机械臂正运动学,当标定相机采用眼在手外的安装方式时,机械臂运动学为机械臂逆运动学。
依据标定相机模型,确定像素成像模型,将目标特征点在环境图像中的像素坐标转化为在基坐标系下的世界坐标,即将目标特征点在第一环境图像中的第一像素坐标转化为在基坐标系下的第一世界坐标,将目标特征点在第二环境图像中的第二像素坐标转化为在基坐标下的第二世界坐标。
具体的,通过如下公式模型将第一像素坐标转化为第一世界坐标:其中i表示第i个目标特征点;/>表示机械臂处于第一位姿时的机械臂运动学,当标定相机采用眼在手上的安装方式时,此处机械臂运动学为机械臂正运动学,当标定相机采用眼在手外的安装方式时,此处机械臂运动学为机械臂逆运动学;为手眼标定矩阵;K为标定相机的内参;p1,i为第i个目标特征点在第一环境图像中的第一像素坐标;/>为第i个目标特征点的第一世界坐标。同样的,通过如下公式模型将第二像素坐标转化为第二世界坐标:/>同样的,i表示第i个目标特征点;/>表示机械臂处于第二位姿时的机械臂运动学,当标定相机采用眼在手上的安装方式时,此处机械臂运动学为机械臂正运动学,当标定相机采用眼在手外的安装方式时,此处机械臂运动学为机械臂逆运动学;/>为手眼标定矩阵;K为标定相机的内参;p2,i为目标特征点在第二环境图像中的第二像素坐标;/>为第i个目标特征点的第二世界坐标。
上述两个公式中,机械臂运动学和标定相机内参在标定过程中为不变已知量,手眼标定矩阵为本申请最终需要确定的未知量,将第一像素坐标和第二像素坐标转化为第一世界坐标和第二世界坐标的过程,相当于借助机械臂运动学、相机内参、目标特征点的像素坐标和待求的手眼标定矩阵表示目标特征点的世界坐标的过程。
在一可实施方式中,基于所有目标特征点的第一世界坐标和第二世界坐标确定手眼标定的成像投影误差,包括:
将每个目标特征点的第一世界坐标和第二世界坐标的距离确定为目标特征点的成像投影误差;
将所有目标特征点的成像投影误差相加,确定手眼标定的成像投影误差。
同一目标特征点原理上只存在唯一的世界坐标,因此理论上同一目标特征点的第一世界坐标和第二世界坐标是完全相同的,但实际测量时考虑到测量方式不同,存在测量误差,不同方式得到的同一目标特征点的世界坐标之间可能存在偏差,本申请中将每个目标特征点的第一世界坐标和第二世界坐标的距离确定为目标特征点的成像投影误差,具体的通过如下公式确定目标特征点的成像投影误差: ei表示目标特征点i的成像投影误差。
将所有目标特征点的成像投影误差相加,确定为手眼标定的成像投影误差。为后续计算方便,此处可用第一世界坐标和第二世界坐标的距离的平方作为目标特征点的成像投影误差,可通过如下公式确定手眼标定的成像投影误差:Q表示手眼标定的成像投影误差,n表示目标特征点的总数,/>为ei的转置矩阵。通过像素坐标重投影误差作为优化,简化了求解过程,提高了视觉系统的标定精度。
在一可实施方式中,根据李群和李代数的方法对手眼标定的成像投影误差进行处理,得到手眼标定的手眼标定矩阵,包括:
根据李群和李代数的指数映射转化,将手眼标定的成像投影误差转化为李代数形式;
确定转化为李代数形式的成像投影误差的最小值;
根据最小值确定手眼标定矩阵的李代数的最优值;
根据最优值,依据李群和李代数的对数映射转化,确定手眼标定的手眼标定矩阵。
因为手眼标定的成像投影误差表示所有目标特征点的第一世界坐标和第二世界坐标的误差之和,为使标定更精确,就需要使手眼标定的成像投影误差最小,即使上述Q最小, 为简化计算,定义/>为手眼标定矩阵/>的李代数,其中,/> 采用李群和李代数的指数映射转化,将上述手眼标定的成像投影误差转化为/>
基于李代数的特性,上述手眼标定的成像投影误差公式可转化为无约束优化问题,手眼标定的成像投影误差Q的最小值,在导数的极值点处,其中,李代数的导数可以采用如下扰动模型BCH(Baker-Campbell-Hausdorff)公式计算:计算得到导数:/>基于上述导数确定偏导数,由偏导数为零,可以确定手眼标定的成像投影误差的最小值,基于该最小值可确定手眼标定矩阵的李代数的最优值,当手眼标定矩阵的李代数为最优值时手眼标定的成像投影误差最小。之后再根据李群和李代数的对数映射关系,依据手眼标定矩阵的李代数的最优值,可以确定手眼标定矩阵的旋转矩阵和平移向量,具体为:通过Ra=a确定手眼标定矩阵的旋转矩阵,通过t=Jρ确定手眼标定矩阵的平移向量。最终根据该旋转矩阵和平移向量进行手眼标定。通过李群和李代数代替手眼标定矩阵的方式进行表示,降低了求解计算的复杂度。
图3示出了本公开实施例一种基于环境信息的手眼标定装置的模块示意图。
参见图3,根据本公开实施例的第二方面,提供了一种基于环境信息的手眼标定装置,装置包括:获取模块301,用于通过机械臂系统中的标定相机,分别获取机械臂处于第一位姿时的第一环境图像和处于第二位姿时的第二环境图像;第一确定模块302,用于确定第一环境图像和第二环境图像中目标特征点对应的第一像素坐标和第二像素坐标;转化模块303,用于将第一像素坐标转化为第一世界坐标,第二像素坐标转化为第二世界坐标;第二确定模块304,用于基于所有目标特征点的第一世界坐标和第二世界坐标确定手眼标定的成像投影误差;处理模块305,用于根据李群和李代数的方法对手眼标定的成像投影误差进行处理,得到手眼标定的手眼标定矩阵,并根据手眼标定矩阵进行手眼标定。
在一可实施方式中,第一确定模块302,包括:提取子模块3021,用于分别提取第一环境图像和第二环境图像中的初始特征点;匹配子模块3022,用于对初始特征点进行匹配,确定第一环境图像和第二环境图像中相同的初始特征点为目标特征点;第一确定子模块3023,用于确定第一环境图像中每个目标特征点对应的第一像素坐标;第一确定子模块3023,还用于确定第二环境图像中每个目标特征点对应的第二像素坐标。
在一可实施方式中,转化模块303,具体用于,根据第一像素坐标、标定相机的内参和机械臂运动学将第一像素坐标转化为第一世界坐标;根据第二像素坐标、标定相机的内参和机械臂运动学将第二像素坐标转化为第二世界坐标;其中,机械臂系统中的标定相机包括眼在手上和眼在手外两种安装方式,当标定相机采用眼在手上的安装方式时,机械臂运动学为机械臂正运动学,当标定相机采用眼在手外的安装方式时,机械臂运动学为机械臂逆运动学。
在一可实施方式中,第二确定模块304,具体用于,将每个目标特征点的第一世界坐标和第二世界坐标的距离确定为目标特征点的成像投影误差;将所有目标特征点的成像投影误差相加,确定手眼标定的成像投影误差。
在一可实施方式中,处理模块305,包括:转化子模块3051,用于根据李群和李代数的指数映射转化,将手眼标定的成像投影误差转化为李代数形式;第二确定子模块3052,用于确定转化为李代数形式的成像投影误差的最小值;第二确定子模块3052,还用于根据最小值确定手眼标定矩阵的李代数的最优值;第二确定子模块3052,还用于根据最优值,依据李群和李代数的对数映射转化,确定手眼标定的手眼标定矩阵。
根据本公开的实施例,本公开还提供了一种电子设备和一种可读存储介质。
图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图4所示,设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理,例如一种基于环境信息的手眼标定方法。例如,在一些实施例中,一种基于环境信息的手眼标定方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时,可以执行上文描述的一种基于环境信息的手眼标定方法的一个或多个步骤。备选地,在其他实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行一种基于环境信息的手眼标定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本公开的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于环境信息的手眼标定方法,其特征在于,所述方法包括:
通过机械臂系统中的标定相机,分别获取机械臂处于第一位姿时的第一环境图像和处于第二位姿时的第二环境图像;
确定所述第一环境图像和所述第二环境图像中目标特征点对应的第一像素坐标和第二像素坐标;
将所述第一像素坐标转化为第一世界坐标,所述第二像素坐标转化为第二世界坐标;
基于所有目标特征点的第一世界坐标和第二世界坐标确定手眼标定的成像投影误差;
根据李群和李代数的方法对所述手眼标定的成像投影误差进行处理,得到手眼标定的手眼标定矩阵,并根据所述手眼标定矩阵进行手眼标定。
2.根据权利要求1所述的方法,其特征在于,所述确定所述第一环境图像和所述第二环境图像中目标特征点对应的第一像素坐标和第二像素坐标,包括:
分别提取所述第一环境图像和所述第二环境图像中的初始特征点;
对所述初始特征点进行匹配,确定所述第一环境图像和所述第二环境图像中相同的初始特征点为目标特征点;
确定所述第一环境图像中每个所述目标特征点对应的第一像素坐标;
确定所述第二环境图像中每个所述目标特征点对应的第二像素坐标。
3.根据权利要求1所述的方法,其特征在于,所述将所述第一像素坐标转化为第一世界坐标,所述第二像素坐标转化为第二世界坐标,包括:
根据所述第一像素坐标、所述标定相机的内参和所述机械臂运动学将所述第一像素坐标转化为第一世界坐标;
根据所述第二像素坐标、所述标定相机的内参和所述机械臂运动学将所述第二像素坐标转化为第二世界坐标;
其中,所述机械臂系统中的标定相机包括眼在手上和眼在手外两种安装方式,当所述标定相机采用眼在手上的安装方式时,所述机械臂运动学为机械臂正运动学,当所述标定相机采用眼在手外的安装方式时,所述机械臂运动学为机械臂逆运动学。
4.根据权利要求1所述的方法,其特征在于,所述基于所有目标特征点的第一世界坐标和第二世界坐标确定手眼标定的成像投影误差,包括:
将每个目标特征点的第一世界坐标和第二世界坐标的距离确定为所述目标特征点的成像投影误差;
将所有目标特征点的成像投影误差相加,确定所述手眼标定的成像投影误差。
5.根据权利要求1所述的方法,其特征在于,所述根据李群和李代数的方法对所述手眼标定的成像投影误差进行处理,得到手眼标定的手眼标定矩阵,包括:
根据李群和李代数的指数映射转化,将所述手眼标定的成像投影误差转化为李代数形式;
确定转化为李代数形式的成像投影误差的最小值;
根据所述最小值确定手眼标定矩阵的李代数的最优值;
根据所述最优值,依据李群和李代数的对数映射转化,确定所述手眼标定的手眼标定矩阵。
6.一种基于环境信息的手眼标定装置,其特征在于,所述装置包括:
获取模块,用于通过机械臂系统中的标定相机,分别获取机械臂处于第一位姿时的第一环境图像和处于第二位姿时的第二环境图像;
第一确定模块,用于确定所述第一环境图像和所述第二环境图像中目标特征点对应的第一像素坐标和第二像素坐标;
转化模块,用于将所述第一像素坐标转化为第一世界坐标,所述第二像素坐标转化为第二世界坐标;
第二确定模块,用于基于所有目标特征点的第一世界坐标和第二世界坐标确定手眼标定的成像投影误差;
处理模块,用于根据李群和李代数的方法对所述手眼标定的成像投影误差进行处理,得到手眼标定的手眼标定矩阵,并根据所述手眼标定矩阵进行手眼标定。
7.根据权利要求6所述的方法,其特征在于,所述第一确定模块,包括:
提取子模块,用于分别提取所述第一环境图像和所述第二环境图像中的初始特征点;
匹配子模块,用于对所述初始特征点进行匹配,确定所述第一环境图像和所述第二环境图像中相同的初始特征点为目标特征点;
第一确定子模块,用于确定所述第一环境图像中每个所述目标特征点对应的第一像素坐标;
所述第一确定子模块,还用于确定所述第二环境图像中每个所述目标特征点对应的第二像素坐标。
8.根据权利要求6所述的方法,其特征在于,所述转化模块,具体用于,
根据所述第一像素坐标、所述标定相机的内参和所述机械臂运动学将所述第一像素坐标转化为第一世界坐标;
根据所述第二像素坐标、所述标定相机的内参和所述机械臂运动学将所述第二像素坐标转化为第二世界坐标;
其中,所述机械臂系统中的标定相机包括眼在手上和眼在手外两种安装方式,当所述标定相机采用眼在手上的安装方式时,所述机械臂运动学为机械臂正运动学,当所述标定相机采用眼在手外的安装方式时,所述机械臂运动学为机械臂逆运动学。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410298540.6A CN117961910A (zh) | 2024-03-15 | 2024-03-15 | 一种基于环境信息的手眼标定方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410298540.6A CN117961910A (zh) | 2024-03-15 | 2024-03-15 | 一种基于环境信息的手眼标定方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117961910A true CN117961910A (zh) | 2024-05-03 |
Family
ID=90849877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410298540.6A Pending CN117961910A (zh) | 2024-03-15 | 2024-03-15 | 一种基于环境信息的手眼标定方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117961910A (zh) |
-
2024
- 2024-03-15 CN CN202410298540.6A patent/CN117961910A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111986178B (zh) | 产品缺陷检测方法、装置、电子设备和存储介质 | |
EP3806041A1 (en) | Method and apparatus for jointly calibrating external parameters of multiple cameras, device and medium | |
EP3910543A2 (en) | Method for training object detection model, object detection method and related apparatus | |
EP3901909A1 (en) | Method and apparatus for processing video frame, device, medium and computer program product | |
CN111612852B (zh) | 用于验证相机参数的方法和装置 | |
CN112991180B (zh) | 图像拼接方法、装置、设备以及存储介质 | |
CN114926549B (zh) | 三维点云处理方法、装置、设备以及存储介质 | |
CN115457152A (zh) | 外参标定方法、装置、电子设备及存储介质 | |
CN115273071A (zh) | 一种物体识别方法、装置、电子设备及存储介质 | |
CN111833391B (zh) | 图像深度信息的估计方法及装置 | |
CN117746125A (zh) | 图像处理模型的训练方法、装置及电子设备 | |
CN117961910A (zh) | 一种基于环境信息的手眼标定方法、装置及电子设备 | |
CN118096896A (zh) | 一种机械臂标定方法、装置及存储介质 | |
CN118003331A (zh) | 一种机械臂的标定方法、装置、电子设备及存储介质 | |
CN113658277B (zh) | 立体匹配方法、模型训练方法、相关装置及电子设备 | |
CN113221999B (zh) | 图片标注的正确率获取方法、装置和电子设备 | |
CN117739993B (zh) | 一种机器人定位方法、装置、机器人及存储介质 | |
CN116448105B (zh) | 位姿更新方法、装置、电子设备和存储介质 | |
CN117953073A (zh) | 深度摄像头的校准参数确定方法、装置及电子设备 | |
CN114972511A (zh) | 标定物位姿的确定方法、装置、电子设备及存储介质 | |
CN116309737A (zh) | 图像配准方法、装置、设备及存储介质 | |
CN115131243A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN117814918A (zh) | 一种臂系统基座的位姿标定方法、装置、机器人及介质 | |
CN118143947A (zh) | 一种位姿确定方法、装置、设备和存储介质 | |
CN117557535A (zh) | 地图要素检测方法、装置、电子设备、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 |