python机械手标定_基于OpenCV-Python的机器人手眼标定和重投影（九点标定法）

前言：

这一篇，就是记录一下，如何标定，以及计算标定参数和重投影精度。

我好像没有在中文社区，搜到“九点标定”和“重投影”的相关关键词。

但在张正友标定法中，是有一个重投影误差的概念的。

即将算出来的变换矩阵M，代入变换公式中，计算出新的目标坐标，和原坐标的的误差。

用公式表达即：new_target_pos = origin_pos*M

e = MSE(new_target_pos, target_pos)

直观上理解，如果我们的标定参数，覆盖了所有的样本，通过最小二乘法拟合，那么拿到的误差应该就会比较小。

所以我借用深度学习常用的方法，划分了训练集和测试集。

并且测试了不同训练样本对结果的影响。

结果非常amazing啊！其实3点，这个函数也是能用的，但是至少要有3个点，因为1个点两个等式，有6个未知量。

数据集中可能存在一些异常点，异常点对结果的影响非常大！

只要找到合适的数据点，其实优化不优化，结果都比较好。

如果存在误差特别大的点，那就用多一点的数据，效果也不错。

实验流程：Eye-to-Hand Calibration：

摄像机固定，与机器人基坐标系相对位置不变。且机器人末端在固定平面移动，即只需要求一个单应性矩阵的变换关系就行。

实验流程如下：手眼系统场景搭建：相机固定，机械臂带动针尖在固定平面移动。

标定样本采集