关于Halcon12手眼标定的一点重要经验

      做机器人视觉的同行们,在用Halcon12做手眼标定的时候,尤其对那些刚开始做标定的人,应该会对Halcon12例程中的手眼标定程序中读取图片找不到标定板,或找到了标定板却找不准标定板上圆的位置而感到苦恼。

      其实这个问题特别简单。出现上述问题,主要是在标定过程中光照的问题,光照不均或标定板反光使得采集到的图像不能被Halcon中的算法识别。

      其实,说到这里,大家应该知道怎么做了。那就是将采集到的图像的亮度信息降低或去除。所以,可以先对图像进行灰度化或二值化。而Halcon中二值化算法是在图像分割基础上实现的,这会导致图像的尺寸发生变化,而不能在最简的程序下实现后续的操作,所以二值化算法在这里不是可选的。因此,就要用到灰度化算法,用halcon中的rgb1_to_gray()算子,则可以在不改变图像尺寸的情况下,也能保证了后续的操作。

      经过灰度化后的图像,就能被Halcon中的手眼标定程序所识别了。

  • 8
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Halcon手眼相对标定是机器视觉领域中常用的一种技术,用于确定相机和机器人手臂之间的相对位置关系。通常包括以下步骤和方法: 1. 准备工作: 根据您提供的引用,在Windows平台上使用Halcon进行手眼标定,需要先准备好Halcon视觉库和相应的开发环境。 2. 数据采集: 在进行手眼标定之前,需要采集一系列的图像数据。这些数据通常包括机器人手臂在不同位置和姿态下相机拍摄到的图像,以及相机和机器人手臂的关节参数。 3. 提取特征点: 利用采集到的图像数据,可以使用Halcon提供的图像处理函数和算法,提取出图像中的特征点。这些特征点可以是物体的角点、边缘或其他与相机和机器人手臂位置相关的特征。 4. 特征匹配和对应: 通过特征匹配算法,将采集到的图像中的特征点与机器人手臂的关节参数进行对应。这样可以建立起图像特征点和机器人手臂关节参数之间的映射关系。 5. 标定计算: 利用采集到的图像特征点和机器人手臂关节参数的对应关系,可以进行手眼标定的计算。这个计算过程可以根据具体的标定算法进行,比如最小二乘法或迭代优化算法。 6. 标定结果评估: 完成手眼标定计算后,需要对标定结果进行评估。可以通过一些评估指标,比如重投影误差、标定误差等,评估标定的准确性和稳定性。 根据您提供的引用和,我只能给出针对Halcon手眼相对标定的一般步骤和方法。具体的实现细节和代码实例可能需要参考Halcon的官方文档或相关的教程资源。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值