手眼标定(传统、SVD、九点) 原理及代码总结

2024-01-11 13:40

本文主要是介绍手眼标定(传统、SVD、九点) 原理及代码总结,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

传统手眼标定感性认识:

传统手眼标定原理图:

        Eye in hand

        Eye to hand

传统手眼标定教学视频:

传统手眼标定代码:

SVD手眼标定法原理:

SVD求解数学原理:

SVD手眼标定法代码:

九点标定法感性认识:

九点标定法代码:

九点标定法流程:

总结:


传统手眼标定感性认识:

        相机标定(一):机器人手眼标定 - 知乎

传统手眼标定原理图:

        Eye in hand

        Eye to hand

        

传统手眼标定教学视频:

        手眼标定—原理与实战(上篇)_哔哩哔哩_bilibili

        手眼标定原理与实战(下篇)_哔哩哔哩_bilibili

传统手眼标定代码:

        利用 `calibrateHandeye()` 函数

        OpenCV手眼标定(calibrateHandeye())_hello-CSDN博客_opencv手眼标定

SVD手眼标定法原理:

         相机标定(三)——手眼标定_偷得浮生半日闲-CSDN博客_相机手眼标定

SVD求解数学原理:

        ​​​​​​SVD分解(奇异值分解)求旋转矩阵_Bryan_Zhang的专栏-CSDN博客_svd求解旋转平移矩阵

SVD手眼标定法代码:

#SVD分解手眼标定法 
def rigidTransform3d(A, B):#整理传入数据形状A = np.mat(np.array(A).reshape(9, 3))B = np.mat(np.array(B).reshape(9, 3))assert len(A) == len(B)N = A.shape[0]#对十个数据取平均值mu_A = np.mean(A, axis=0)  mu_B = np.mean(B, axis=0)#对数据减去均值(中心点)AA = A - np.tile(mu_A, (N, 1))  BB = B - np.tile(mu_B, (N, 1))#计算矩阵HH = np.transpose(AA) * BB  # H = A.T * B#SVD分解U, S, Vt = np.linalg.svd(H)  #计算旋转矩阵rotationMatrix = Vt.T * U.T  # R =  V * U.T#反射矩阵检测if np.linalg.det(self.__rotationMatrix) < 0:print("Reflection detected")Vt[2, :] *= -1rotationMatrix = Vt.T * U.T#计算平移矩阵translationMatrix = -rotationMatrix * mu_A.T + mu_B.Treturn rotationMatrix, translationMatrix

 

九点标定法感性认识:

        手眼标定(九点法)_黄昏的晨曦-CSDN博客_手眼标定

    理解什么是仿射变换:

                刚体变换和仿射变换的区别_w_weixiaotao的博客-CSDN博客_刚体变换和仿射变换

九点标定法代码:

#利用像素坐标和机械手坐标(至少三个点)得到仿射矩阵,完成像素坐标到机械手坐标的转换
#origin_points_set 标定板像素坐标点集
#target_points_set 机械手抓取坐标点集
import cv2
cv2.estimateAffine2D(origin_points_set, target_points_set)

九点标定法流程:

        Eye in hand方案  、九点标定法 

        首先,将机械手移到标定板正上方

        然后,通过相机得到九个检测点在相机坐标系下的坐标p_camera

        最后,让机械手末端依次触碰九个检测点,得到检测点在机械手坐标系下的坐标p_base

        将得到的九组点分别做成A, B列表,传入函数就可以得到R,T矩阵啦

总结:

        九点标定法只能识别x,y坐标,属于2D平面标定,在标定过程中z是未知的(需要自己确定)

        如果需要实现3D抓取,需要进行传统手眼标定(棋盘格标定)或者SVD手眼标定法

        SVD手眼标定法可以实现3D标定,但是在标定的时候要知道深度信息(z是已知的

       

        实际使用中发现九点标定法最准确

        SVD和传统方法会存在一定精度问题,一般作为迭代法的初始解提高精度

       

这篇关于手眼标定(传统、SVD、九点) 原理及代码总结的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/594546

相关文章

Golang HashMap实现原理解析

《GolangHashMap实现原理解析》HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持高效的插入、查找和删除操作,:本文主要介绍GolangH... 目录HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持

利用Python调试串口的示例代码

《利用Python调试串口的示例代码》在嵌入式开发、物联网设备调试过程中,串口通信是最基础的调试手段本文将带你用Python+ttkbootstrap打造一款高颜值、多功能的串口调试助手,需要的可以了... 目录概述:为什么需要专业的串口调试工具项目架构设计1.1 技术栈选型1.2 关键类说明1.3 线程模

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模

Java的栈与队列实现代码解析

《Java的栈与队列实现代码解析》栈是常见的线性数据结构,栈的特点是以先进后出的形式,后进先出,先进后出,分为栈底和栈顶,栈应用于内存的分配,表达式求值,存储临时的数据和方法的调用等,本文给大家介绍J... 目录栈的概念(Stack)栈的实现代码队列(Queue)模拟实现队列(双链表实现)循环队列(循环数组

Python实现图片分割的多种方法总结

《Python实现图片分割的多种方法总结》图片分割是图像处理中的一个重要任务,它的目标是将图像划分为多个区域或者对象,本文为大家整理了一些常用的分割方法,大家可以根据需求自行选择... 目录1. 基于传统图像处理的分割方法(1) 使用固定阈值分割图片(2) 自适应阈值分割(3) 使用图像边缘检测分割(4)

Windows Docker端口占用错误及解决方案总结

《WindowsDocker端口占用错误及解决方案总结》在Windows环境下使用Docker容器时,端口占用错误是开发和运维中常见且棘手的问题,本文将深入剖析该问题的成因,介绍如何通过查看端口分配... 目录引言Windows docker 端口占用错误及解决方案汇总端口冲突形成原因解析诊断当前端口情况解

使用Java将DOCX文档解析为Markdown文档的代码实现

《使用Java将DOCX文档解析为Markdown文档的代码实现》在现代文档处理中,Markdown(MD)因其简洁的语法和良好的可读性,逐渐成为开发者、技术写作者和内容创作者的首选格式,然而,许多文... 目录引言1. 工具和库介绍2. 安装依赖库3. 使用Apache POI解析DOCX文档4. 将解析

C++使用printf语句实现进制转换的示例代码

《C++使用printf语句实现进制转换的示例代码》在C语言中,printf函数可以直接实现部分进制转换功能,通过格式说明符(formatspecifier)快速输出不同进制的数值,下面给大家分享C+... 目录一、printf 原生支持的进制转换1. 十进制、八进制、十六进制转换2. 显示进制前缀3. 指

Spring Boot循环依赖原理、解决方案与最佳实践(全解析)

《SpringBoot循环依赖原理、解决方案与最佳实践(全解析)》循环依赖指两个或多个Bean相互直接或间接引用,形成闭环依赖关系,:本文主要介绍SpringBoot循环依赖原理、解决方案与最... 目录一、循环依赖的本质与危害1.1 什么是循环依赖?1.2 核心危害二、Spring的三级缓存机制2.1 三

C#中async await异步关键字用法和异步的底层原理全解析

《C#中asyncawait异步关键字用法和异步的底层原理全解析》:本文主要介绍C#中asyncawait异步关键字用法和异步的底层原理全解析,本文给大家介绍的非常详细,对大家的学习或工作具有一... 目录C#异步编程一、异步编程基础二、异步方法的工作原理三、代码示例四、编译后的底层实现五、总结C#异步编程