手眼标定的两种方式

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

本文转自：新机器视觉

一 手眼标定的两种情形

首先讲一下在工业应用中，手和眼（摄像机）的两种位置关系，第一种是将摄像机（眼）固定在机械手（手）上面，眼随手移动；第二种是摄像机（眼）和机械手（手）分离，眼的位置相对于手是固定的，下面用网上的两张图来说明下：

一种情况：相机移动

 

第二种情况：相机固定

从上面两副示意图可以看出，第一种情况中我们要求的是相机坐标系和机械手坐标系的转化关系；第二种情况中要求的是相机坐标系和基础坐标系的关系；下面分别阐述其求解过程。

二 相机移动时，标定求解过程

在推导过程中，我们会用到四个坐标系，分别是基础坐标系，机械手坐标系，相机坐标系，以及标定物坐标系，下面先给出示意图：

 

坐标系示意图

 

其中baseHcal表示基础坐标系到标定物坐标系的转化关系，包括旋转矩阵和平移向量；camHtool表示相机坐标系到机械手坐标系的转化关系；这两个转化关系在机械手移动过程中是不变的；camHcal可以由相机标定求出；baseHtool可以由机器人系统中得出。

接下来控制机器手从位置 1 移动到位置 2：

base = baseHtool （1）* tool（1）

tool（1） = inv（camHtool）*cam（1）

cam（1） = camHcal（1）*obj

联合上面三个公式：

base = baseHtool （1）* inv（camHtool）* camHcal（1）*obj

移动到机械手臂到位置2后：

base = baseHtool （2）* inv（camHtool）* camHcal（2）*obj

因为base和obj是固定的所以：

baseHtool （1）* inv（camHtool）* camHcal（1）=baseHtool （2）* inv（camHtool）* camHcal（2）

其中只有camHtool是未知量，具体求解过程将放在下篇文章。

三 相机固定时，标定求解过程

坐标系示意图

 

对于固定相机的情况，还是控制机械手从位置1移动到位置2：

 

obj（1） = inv（camHcal(1)) *cam

cam = camHbase *base

base = baseHtool（1） * tool(1)

合并上面三个公式：

obj（1） = inv（camHcal(1))  * camHbase* baseHtool（1） *tool（1）

移动到位置2后：

obj（2） = inv（camHcal(2))  * camHbase* baseHtool（2） *tool（2）

因为obj和tool的相对位置是不变的，所以不管怎么移动：

inv（camHcal(1))  * camHbase* baseHtool（1）= inv（camHcal(2))  * camHbase* baseHtool（2）

 

其中变量只有camHbase，也就是我们要求的。

 

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~