眼在手外情况的二维视觉自动标定（一）

自动标定前传

业务相关需要做一个眼在手外的二维视觉自动标定功能，简单版本无非是机器人带着mark点在相机视野跑来跑去😶，最开始根据相机视野两点的世界坐标计算田字格的9个点然后移动机器人拍照匹配得到像素坐标

甲方说太麻烦了哈哈哈😅，因为 要定两个点 + 工具标定

痛定思痛，决定升级自动标定2.0，省去多余的两个步骤

不定两个点的问题好解决，直接让甲方把机器人带着mark移动到相机视野中心附近作为起点，然后分别在XY方向上正负Xmm再移动匹配就行😄

然后考虑怎么省去工具标定的步骤，重点是机器人只会返回法兰末端的世界坐标，只有平移的话不能建立mark像素点与工具末端世界坐标的联系，也就是拍到的像素点经过矩阵转换会生成对应的法兰坐标，而且必须角度一致，不然末端点对应不上

说起来比较抽象，俯视图大概如下

图中白色小圆代表法兰末端，$A$点代表法兰中心点；黑色大圆表示需要匹配识别的mark标志，$B$点代表mark点的中心点

手眼标定的目的是根据5个匹配像素和世界坐标点计算出转换矩阵，无工具标定时，转换矩阵只能将$B$点的像素坐标转换成$A$点的世界坐标（因为输入的像素坐标在$B$，世界坐标在$A$）

如左图仅平移时，识别$B^{\prime }$点传出的世界坐标对应$A^{\prime }$点，因为旋转角度不变（假设初始角度为$angl{e}_i$），可以移动到期望的位置

但是如右图仅旋转时，一旦相对$angl{e}_i$旋转了角度$\alpha$，期望识别$B$点时，传出的世界坐标仍然对应了$A$点，这时因为传出角度改变，机器人法兰相对旋转了$\alpha$，最终工具末端到达是$B^{\prime }$点，不满足到B点的期望。机器人希望拿到的世界坐标是右图中的$A^{\prime }$点，这样在角度不同的前提下仍然能够使工具末端到达$B$点

可能说得有点复杂，其实是针对相对角度对世界坐标进行平移再传给机器人，使其能够到达符合期待目标点

分析之后，只需要计算出不同角度下右图中的$dx$和$dy$就可以了😮，根据图像可以看出，这部分平移可以由$A^{\prime }-A$得出，也等价于$B-B^{\prime }$。

已知$A=(A_x,A_y)$、$B=(B_x,B_y)$、相对旋转角度$\alpha$，$B$以$A^{\prime }$点为旋转中心旋转$\alpha$°时到达$B^{\prime }$点，计算公式如下

$B_x^{\prime }=\cos \alpha \ast (B_x-A_x)-\sin \alpha \ast (B_y-A_y)+A_x$
$B_y^{\prime }=\cos \alpha \ast (B_y-A_y)+\sin \alpha \ast (B_x-A_x)+A_y$

所以$dx$和$dy$的计算公式如下：

$dx=B_x-\cos \alpha \ast (B_x-A_x)-\sin \alpha \ast (B_y-A_y)+A_x$
$dy=B_y-\cos \alpha \ast (B_y-A_y)+\sin \alpha \ast (B_x-A_x)+A_y$

将$dx$和$dy$加给需要偏移的世界坐标再输出给机器人就好了😶

欲知后事如何

本文未解决的问题

1直接对应公式写代码会发现缺少旋转中心的世界坐标

2如果中途将带mark点的工具更换为不同的抓取工具，希望通过直接示教抓取点解决

且听下回分解🤣
眼在手外情况的二维视觉自动标定（二）