优遨机器人UR5与RealSense深度摄像头D435的手眼标定

优遨机器人UR5与RealSense深度摄像头D435的手眼标定

• 系统环境：虚拟机VMware® Workstation 12 Pro，操作系统Ubuntu 16.04.7LTS，ROS版本Kinetic
• 机器人型号UR5,软件版本PolyScope3.5，相机为RealSense D435

1.软件环境搭建

终端执行下面命令：

$ cd

$ mkdir -p ur_ws/src

$ cd ur_ws

$ catkin_make

然后从github仓库中clone下列软件包

$ cd src

$ git clone -b kinetic-devel https://github.com/pal-robotics/aruco_ros.git

$ git clone -b kinetic-devel https://github.com/lagadic/vision_visp.git

$ git clone https://github.com/IFL-CAMP/easy_handeye.git

$ git clone https://github.com/IntelRealSense/realsense-ros.git

$ git clone https://github.com/ros-industrial/universal_robot.git

$ git clone -b kinetic-devel https://github.com/ros-industrial/ur_modern_driver.git

安装依赖

$ rosdep install --from-paths . --rosdistro kinetic  --ignore-src

最后执行编译工作

$ cd ..

$ catkin_make

2.启动文件编辑

下面进行launch文件的编辑工作，其中的marker我们选用ArUco marker # 100的二维码标记

在easy_handeye/easy_handeye/launch目录下新建一launch文件ur5_rs_d435_hand2eye_calibration.launch，内容如下：

<launch>
    <arg name="namespace_prefix" default="ur5_camera_handeyecalibration" />
 
    <arg name="robot_ip" doc="The IP address of the UR5 robot" />
		<!--<arg name="marker_frame" default="aruco_marker_frame"/>-->
    <arg name="marker_size" doc="Size of the ArUco marker used, in meters" default="0.1" />
    <arg name="marker_id" doc="The ID of the ArUco marker used" default="100" />
    <!-- start the camera -->
    <include file="$(find realsense2_camera)/launch/rs_camera.launch" />
    <!--    <arg name="depth_registration" value="true" />
    </include>-->
 
    <!-- start ArUco -->
    <node name="aruco_tracker" pkg="aruco_ros" type="single">
        <remap from="/camera_info" to="/camera/color/camera_info" />
        <remap from="/image" to="/camera/color/image_raw" />

        <param name="image_is_rectified" value="true"/>
        <param name="marker_size"        value="$(arg marker_size)"/>
        <param name="marker_id"          value="$(arg marker_id)"/>
        <param name="reference_frame"    value="camera_link"/>
        <param name="camera_frame"       value="camera_link"/>
        <param name="marker_frame"       value="camera_marker" />
    </node>
 
    <!-- start the robot -->
    <include file="$(find ur_modern_driver)/launch/ur5_bringup.launch">
        <arg name="limited" value="true" />
        <arg name="robot_ip" value="172.17.0.3" />
    </include>
    <include file="$(find ur5_moveit_config)/launch/ur5_moveit_planning_execution.launch">
        <arg name="limited" value="true" />
    </include>
 
    <!-- start easy_handeye -->
    <include file="$(find easy_handeye)/launch/calibrate.launch" >
        <arg name="namespace_prefix" value="$(arg namespace_prefix)" />
        <arg name="eye_on_hand" value="false" />
 
        <arg name="tracking_base_frame" value="camera_link" />
        <arg name="tracking_marker_frame" value="camera_marker" />
        <arg name="robot_base_frame" value="base_link" />
        <arg name="robot_effector_frame" value="wrist_3_link" />
 
        <arg name="freehand_robot_movement" value="false" />
        <arg name="robot_velocity_scaling" value="0.2" />
        <arg name="robot_acceleration_scaling" value="0.2" />
    </include>
 
</launch>

3.手眼标定过程

终端中启动标定所需各节点，即步骤2所编辑的launch文件

$ roslaunch easy_handeye ur5_rs_d435_hand2eye_calibration.launch

然后按照下图在Rviz窗口中添加一Image并订阅话题/aruco_tracker/result，同时将运动规划的速度和加速度比例都改为0.1(仅在MotionPlanning GUI中有效)

开始时先须找到home构型，点击Check starting pose

如果出现错误提示：Can't calibrate from this position!

可以修改目录easy_handeye/easy_handeye/src/easy_handeye中的python脚本handeye_robot.py

将函数_check_target_poses(self, joint_limits)定义中的下面两行注释掉即可

            # if len(plan.joint_trajectory.points) == 0 or CalibrationMovements._is_crazy_plan(plan, joint_limits):

            #     return False

如果能找到初始构型，点击Next Pose ，然后再点击Plan，规划成功会出现绿色的矩形框提示，然后点击Execute，机器人将运动至目标构型

然后再点击take sample，得到下面的结果：

 

 这样就采样成功一次，接下来按照顺序循环执行点击Next Pose——Plan——Execute——Take Sample，直到17个采样成功结束，

若过程中出现红色的矩形提示框，为Bad Plan，即可以直接跳过当前循环执行下一次采样。

 完成所有的采样后，点击Compute，会得到标定结果，然后点击Save，结果将保存到$HOME/.ros/easy_handeye目录下的yaml文件中：

 

这样就可以得到相机坐标系和机器人坐标系之间的位姿关系了。