机器视觉定位入门三步走-第一步

一个中心 两个基本点 四项基本原则

       一个中心,就是旋转中心,旋转中心的确定在一次定位中非常重要(一次定位指的是只进行一次拍照,针对当前点进行运算,多次定位广泛指先拍照进行角度纠偏,纠偏结束后再次拍照进行平移纠偏),旋转中心未校准正确时最常见的表相就是:1在只进行xy纠偏时,数据准确。2当旋转角度较小时,单个轴纠偏数据准确。3当旋转角度较大时两个轴纠偏都不准确。

       两个基本,主要记录xy的方向与比例,我们进行的三点标定、九点标定、十二点标定其主要目的就是为了获得这两个基准:1目标坐标系的xy方向与当前坐标系的夹角(为什么说当前坐标系而不说图像坐标系,可思考一下)。2目标坐标系的实际尺寸与当前坐标系的比例关系。与此同时这两个基本也道明了,坐标系与坐标系之间的标定只能获取均值,而不能因图像不同区域有不同数据与之对应,所以工欲善其事必先利其器,两个坐标系之间的标定在开始前,先要进行畸变矫正。

       四项基本原则,可能有些人不能苟同这个四个基本原则,但是这个四个基本原则可以解决你当前90%的定位、抓取、引导问题。这四个基本原则主旨只有一个,那就是SAME。

       SAME-S原则:surface要一致,不论标定还是实物抓取,我们的相机、镜头、以及被拍照的表面需要关系一致。

       SAME-A原则:apply要一致,所有的数据应该在同样的坐标系环境进行运算。

       SAME-M原则:move要一致,在你标定的时候,做了哪些用于映射的动作,在应用的时候,这些动作也要保持一致,或者将这些值添加到运算当中。

       SAME-E原则:extent要一致,你使用的范围就是你标定的范围,超过这个标定范围,你就应该怀疑它的准确性。

      接下来,对每个关键点进行详细的解释和案例分析

      一个中心,旋转中心是否需要确定,取决于当前定位项目是否有用到旋转中心。常见的同轴、uvw(示教定位点)、振镜、多次拍照纠偏是不用旋转中心的,其他但凡与角度沾边都要有旋转中心的确认。

山不转水转

        一个中心常见案例壹:一次饼干流水线动态抓取装盒的项目,李四使用机器手带真空吸板来抓取饼干,一个固定下相机拍照吸板中的饼干,另一边使用机械纠正的方法将饼干盒固定在平台上。我们每隔2秒就去流水线上盲吸饼干,靠真空压力判断如果吸到饼干就去下相机拍照,获得饼干位置,然后数据整合获取最终纠偏数据引导机械手去放料。接下来我们看怎么实现(准备过程和标定不进行叙述):

机械手动作图:

相机捕捉图:

理论图:

           

       理论基础:首先我们将示C点示教为基准位置,我们可以默认为任何饼干只要保证姿态、位置与C相同就可以放置在饼干盒里。此时来料姿态为A与C姿态相差角度为a,如果直接将A平移到C那么就会因为姿态不同而无法放置,而且对姿态进行纠正后,又需要二次平移纠正。于是,我们把A围绕旋转中心O旋转,获得旋转后的的位置B,B与C姿态相同,只进行平移纠偏就可达到目的,我们只需要发送d2和夹角a即可。

       实际操作:先将饼干放在饼干盒子,机械手将饼干吸住然后拿出来,移动到下相机上方。我们先进行一次定义,将机械手吸取饼干的位置视为机械手纠偏基准位(Xrb,Yrb)-RobotBase,将机械手在下相机上方的拍照位视为拍照位(Xrc,Yrc)-RobotCamera。一切就绪,相机拍照获得当前的饼干坐标(Xcb,Ycb,Rcb)-CookieBase,以及当前的旋转中心(Xc,Yc)-Center。此时我们的示教就已经结束,开始实际测试。流水线来料后,机械手盲吸移动到(Xrb,Yrb)位置拍照得到当前饼干坐标(Xcc,Ycc,Rcc)-CookieCurrent。开始计算:

       首先我们获取角度(弧度)偏差:

       //统一目标,以基准为目标进行移动,由基准值减去当前值。

       //饼干角度偏差

       OffsetR=Rcb-Rcc//CookieBase-CookieCurrent

       //首先将饼干的姿态与饼干盒的姿态纠正到统一姿态,实际动作为饼干围绕机械手旋转中心旋转OffsetR

       RotationX=(X

  • 23
    点赞
  • 106
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
### 回答1: 《PyTorch生物医学视觉深度学习入门与实战--豪华版》是一本针对生物医学领域的深度学习入门教材。它涵盖了PyTorch框架下的生物医学图像处理、分割、分类、检测等任务,并提供了相关实战案例。 这本书首先介绍了生物医学视觉深度学习的基础知识,包括卷积神经网络、深度学习模型的优化和训练等。接着,书中详细解释了PyTorch框架的基本用法和相关工具,帮助读者在实践中理解和应用深度学习算法。 在实战部分,本书结合生物医学图像处理的具体问题,介绍了数据预处理、模型构建和训练、结果评估等关键步骤。读者可以通过实例学习使用PyTorch框架处理生物医学图像,如医学图像的分割、肿瘤检测和分类等任务,并了解如何应对不同情况下的挑战。 此外,书中还介绍了一些扩展内容,如生成对抗网络(GAN)在生物医学领域的应用、迁移学习等,以帮助读者深入理解和拓展知识。 综上所述,《PyTorch生物医学视觉深度学习入门与实战--豪华版》是一本全面介绍生物医学图像处理深度学习的教材,适合对生物医学领域感兴趣的学习者,通过学习本书的内容可以提高在生物医学图像处理方面的能力和应用水平。 ### 回答2: 《PyTorch生物医学视觉深度学习入门与实战--豪华版》是一本针对深度学习在生物医学视觉领域应用的学习和实践指南。 深度学习在生物医学视觉中具有重要的应用价值,例如通过图像识别和分割等技术来辅助医生进行疾病诊断和治疗。而PyTorch作为一种强大的深度学习框架,为进行生物医学视觉深度学习提供了方便和高效的工具。 《PyTorch生物医学视觉深度学习入门与实战--豪华版》从初级到高级提供了全面而系统的学习内容。书中首先介绍了深度学习的基础知识和常用算法,以及PyTorch的基本使用方法。然后,详细探讨了如何在生物医学视觉领域中应用深度学习,包括图像分割、图像分类、目标检测等任务的具体方法和实践。 此外,《PyTorch生物医学视觉深度学习入门与实战--豪华版》还提供了大量的实际案例和代码示例,读者可以通过实践来巩固所学知识。书中也讨论了一些生物医学数据集的特点和处理方法,以及常用性能评估指标的使用。 总的来说,《PyTorch生物医学视觉深度学习入门与实战--豪华版》旨在帮助读者快速入门和应用深度学习技术解决生物医学视觉问题。无论是初学者还是有一定基础的研究人员都可以从中获得深入的学习和实践经验,从而在生物医学领域取得更好的成果。 ### 回答3: 《PyTorch生物医学视觉深度学习入门与实战--豪华版》是一本关于使用PyTorch进行生物医学图像处理和深度学习的书籍。本书旨在帮助读者从零开始了解如何使用PyTorch来处理生物医学图像,并深入学习深度学习算法在生物医学图像分析中的应用。 该书首先介绍了PyTorch这一热门的深度学习框架的基本概念和使用方法,包括Tensor、模型构建、前向传播、反向传播等。然后,书中讲解了生物医学图像处理的基础知识,如图像预处理、增强和分割等技术。 在掌握了基础知识之后,读者将逐步学习应用深度学习算法处理生物医学图像的方法。书中以一系列实战项目为例,涵盖了多个生物医学图像处理任务,如肺部结节检测、乳腺癌识别、皮肤病分类等。每个项目都介绍了该任务的背景和重要性,然后详细讲解了使用PyTorch实现的具体步骤。 此外,该书还特别强调了实践的重要性。每个实战项目都包括了详细的代码示例和完整的代码实现,读者可以根据书中的指导逐步实现项目,并通过实践加深对深度学习和生物医学图像处理的理解。 总之,《PyTorch生物医学视觉深度学习入门与实战--豪华版》是一本全面介绍如何使用PyTorch进行生物医学图像处理和深度学习的书籍。它可以帮助读者从零开始学习并掌握相关知识和技能,并通过实际项目的实战经验,进一步提升自己在生物医学视觉深度学习领域的能力。

“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 7
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