Dobot magician机械臂抓取实战---手眼标定（4）

最新推荐文章于 2024-07-19 16:50:04 发布

没入&浅出

最新推荐文章于 2024-07-19 16:50:04 发布

阅读量261

点赞数

分类专栏： magician 文章标签：人工智能学习计算机视觉 ubuntu

本文链接：https://blog.csdn.net/weixin_64037619/article/details/131847420

版权

magician 专栏收录该内容

15 篇文章 20 订阅

订阅专栏

在前面，我们最后推导出来了这个求内参式子 $\begin{bmatrix} V_{12}^{T}\\ (V_{11}-V_{22})^{T} \end{bmatrix}b = 0$ ，它实际上是没有物理意义的，那么我们就可以在图像成像的时候可以找到一个有物理意义的东西——重投影误差。找到重投影误差之后，我们就可以使用光束法平差来计算内参。

五、最小重投影误差

X已知，观测点x（u，v）也是已知的，然后通过X和观测点x之间的单应变换我们可以找出K[R，T]的估计量。

$x^{'}= u-u_{0}=-f_{u}\frac{r_{11}(X-X_{c}+r_{12}(Y-Y_{c})+r_{13}(Z-Z_{c})}{r_{31}(X-X_{c}+r_{32}(Y-Y_{c})+r_{33}(Z-Z_{c})}$

$y^{'}= v-v_{0}=-f_{u}\frac{r_{21}(X-X_{c}+r_{22}(Y-Y_{c})+r_{23}(Z-Z_{c})}{r_{31}(X-X_{c}+r_{32}(Y-Y_{c})+r_{33}(Z-Z_{c})}$

将X带入上面的方程中，可以求出在k[RT]参数下，在图像上的计算点X1。然后在计算点和观测点之间有一个误差，叫做重投影误差，即|X - X1|。

在图像上，重投影误差的平方最小（ $\left \| X-X^{1} \right \|^{2}$ ），求出来的K[RT]是最理想化的。

六、光束法平差

内外参数的估计量K[RT]，我们可以使用非线性标定的方法求解

红点是计算点，黑点是观测点。

P = $_{}min_{P}\sum_{i}^{} d\left ( X_{i} ,PX_{i1}\right )^{2}$

$\begin{bmatrix} u_{i}\\ v_{i} \\ 1 \end{bmatrix} =\lambda \begin{bmatrix} m_{00} &m_{01} &m_{02} &m_{03} \\ m_{10} & m_{11} & m_{12} & m_{13}\\ m_{20} & m_{21} & m_{22} & m_{23} \end{bmatrix}\begin{bmatrix} X_{i}\\ Y_{i}\\ Z_{i}\\1\\ \end{bmatrix}$

$\hat{u}_{i} = \frac{m_{00}X_{i}+m_{01}Y_{i}+m_{02}Z_{i}+m_{03}}{m_{20}X_{i}+m_{21}Y_{i}+m_{22}Z_{i}+m_{23}}$

$\hat{v}_{i} = \frac{m_{10}X_{i}+m_{11}Y_{i}+m_{12}Z_{i}+m_{13}}{m_{20}X_{i}+m_{21}Y_{i}+m_{22}Z_{i}+m_{23}}$

$\sum_{i}^{} d\left ( X_{i} ,X_{i1}\right ) = \sum_{i}^{}\left | u_{i}- \frac{m_{00}X_{i}+m_{01}Y_{i}+m_{02}Z_{i}+m_{03}}{m_{20}X_{i}+m_{21}Y_{i}+m_{22}Z_{i}+m_{23}}\right |^{2}+\left | v_{i}- \frac{m_{10}X_{i}+m_{11}Y_{i}+m_{12}Z_{i}+m_{13}}{m_{20}X_{i}+m_{21}Y_{i}+m_{22}Z_{i}+m_{23}} \right |^{2} = \sum_{n}^{i=1}\sum_{m}^{j=1}\left \| m_{ij}-K(R_{i}M_{j}+t) \right \|\frac{2}{}$